带二维装箱约束的团队定向问题模型及优化算法

研究了在车辆服务资源有限、货物有特殊装载要求和其他因素影响下,为了能获得最大效益而采取特殊物流配送的问题——带二维装箱约束的团队定向问题。在对该问题进行明确定义基础上,建立了相应的数学模型;针对模型特点,设计了以遗传算法为框架,利用基于BLF的算法确保二维装箱约束的模型启发式算法。数值算例验证了算法的有效性。

基于改进的禁忌搜索算法求解带2维装箱约束的低碳车辆路径问题

同时考虑2维装箱和车辆路径2个NP难问题,以碳排放量为目标函数,对低碳环境下带2维装箱约束的车辆路径问题进行研究.求解思路是以禁忌搜索算法(Tabu Search,TS)为主要框架,然后基于贪心的思想采用4种启发式装箱策略生成初始解,并通过改进编码解码方式以及使用动态增长的禁忌长度对TS算法进行改进;由给出算例的计算结果可知,改进的禁忌搜索算法对于求解该类问题具有一定的优越性.

考虑车辆限行和装箱约束的车辆路径优化方法

在实际配送过程中,考虑到部分城市道路存在限制大型配送车辆通行的现状,以及运输途中车厢内物品满足后进先出等装载约束能有效提高装卸效率的特点,将车辆限行和二维装箱约束加入到需求可拆分车辆路径问题中。同时考虑到车辆的使用成本和行驶成本,以车辆总配送成本最小为目标构建考虑车辆限行和二维装箱约束的需求可拆分车辆路径问题数学模型,设计了启发式算法来求解该模型,其中模拟退火算法确定需求拆分下的车辆配送路径,且在当前最优解判断时调用BLF算法检验物品的二维装箱约束,来减少频繁调用BLF算法的时间。数值案例验证了模型和算法的实用性,且所提出的算法的求解结果波动不大于0.8%,能在合理的时间范围内求解得到较好的配送方案,在车辆限行区域内采用双车型配送能节省15.17%~31.27%的总配送成本。

带二维装箱约束的物流配送车辆路径问题

现实物流活动中大量存在的易损、易碎物品的运输问题属于带二维装箱约束的物流配送问题,该问题是二维装箱问题与车辆路径问题这两个经典难题融合之后的一个新问题.针对这一问题,在对其进行明确定义的基础上,建立了数学模型,提出了解决该问题一个Memetic算法,对算法中的几个关键算子:深度优先的启发式装箱方法、染色体的编码方式及其路径分割程序、初始解的生成方法、交叉算子、局部搜索算子,进行了详细的阐述.通过初步的实验,确定了Memetic算法的最佳参数配置;然后在Iori提出的30个顾客数在20-199个标准算例上对算法的鲁棒性、求解的质量、以及求解性能等几项指标进行了测试,并与文献中的求解结果进行了比较.试验结果表明,该Memetic算法大大提高了现有算法的性能及求解结果的质量.

基于混合模拟退火算法的多约束装箱问题研究

文章针对现实中在实际多种约束条件下存在的三维装箱问题,考虑在多种现实约束条件下,建立一个装箱模型。该模型通过启发式算法得到一个初始解,再根据模拟退火法得到最优解,利用标准抽样对最优解进行多次测试,得到符合实际情况的最优解,提高空间利用率,从而实现利润最大化。最后,以一个具体的例子进行测试,计算结果表明在约束条件下装箱问题的解决方案可行性较强。

带二维装载约束的团队定向问题

在车辆服务资源有限、货物的特殊装载要求和其他因数影响下,为获得最大效益,而采取特殊物流配送的问题,即带二维装箱约束的团队定向问题。针对这个问题,在对其进行明确定义的基础之上,提出了基于IBL(improved bottom-left)算法二维装箱算法,使用遗传算法,在Chao测试算例中进行验算求解。

需求可拆分车辆路径优化模型与BLF-GA算法设计

生活中,零售商或者顾客需求通常由具有一定尺寸的多件货物构成,这就使得车辆配送不仅应考虑车辆载货重量的限制,还应考虑车辆载货容积的限制.而多件货物构成的需求在很多情况下是允许多台车辆配送来满足,即需求可拆分.基于以上现实情况,笔者建立了考虑二维装箱约束的需求可拆分车辆路径优化模型,给出了模型解的特征.以改进的遗传算法为基础,结合BLF算法,设计了BLF-GA算法.数值案例表明:不考虑装箱约束得到的最优路线存在不满足装箱约束的情况,考虑装箱约束得到的最优值大于不考虑装箱约束的最优值,这说明货物尺寸对车辆路径产生了影响,在车辆路径优化中考虑装箱约束.

基于改进遗传算法的堆垛机拣选作业路径优化

对自动化立体仓库中堆垛机作业路径进行了分析,建立了堆垛机拣选作业的优化数学模型,为解决堆垛机拣选作业的装箱约束问题,提出了仓库拣选作业的新型数学模型,并对遗传算法初始种群的生成进行了改进,用改进后的遗传算法对该模型进行了求解。