定位-运输路线安排问题的两阶段启发式算法

重点研究了集成化物流中一类特殊的定位-运输路线安排问题(LRP)的解决方法.LRP问题包括设施定位和运输路线优化两方面决策,属于NP-hard难题.由于问题的复杂性,提出基于假设前提的LRP模型及其两阶段启发式求解算法.该方法分两步实现:首先,采用基于最小包络聚类分析的启发式方法确定被选择的潜在设施及由每一个选中的设施所要提供服务的客户群;其次,运用带有控制开关的遗传算法求解每一确定客户类中的优化运输路线.提出利用两阶段启发式算法求解LRP问题,此方法实现容易、运算简单,一定程度上避免了遗传算法中的"局部最优现象".仿真实验证明了该算法求解单目标LRP的有效性和准确性.

定位-运输路线安排问题的改进离散粒子群优化算法

定位-运输路线安排问题(LRP)是集成物流中的一个NP-hard难题,为求解一类特殊的LRP问题,提出改进的离散粒子群优化算法.该方法采用整体优化的思想,将LAP和VRP集成在一起.通过合适的粒子编码方式,并改进粒子的运动方程,引入相应的变异算子和趋同扰动算子等,使得算法的适用性和性能获得了改善.通过仿真实验及与另2个典型算法的比较分析,证明了该算法的有效性.

震后过渡阶段应急物流系统的定位-运输路线安排问题研究

针对震后过渡阶段中,回收救援物资与保护灾区环境的问题,在满足灾区民众基本生活需求的前提下,提出了一个正逆向结合的应急物流设施定位-运输路线安排问题(LRP)模型。首先,结合回收物资可分批运输的特点,建立以应急系统耗费总时间最小为目标函数的数学模型;然后,利用两阶段启发式算法对模型进行求解;最后,算例分析验证了模型和算法的可行性。实验结果表明,与传统单向LRP模型相比,所提方法的目标函数值减少了51%。所提模型能够有效提高应急物流系统运行效率,并为应急管理部门提供辅助决策支持。

集成物流管理系统中定位-运输路线安排问题评述

在分析定位-配给问题(LAP)和运输路线安排问题(VRP)概念的基础上,对定位-运输路线安排问题(LRP)的含义进行了界定,并详细地介绍了近几十年来国内外关于LRP问题的研究现状,最后提出了将来LRP问题的研究重点。

多仓库定位-运输路线安排问题的模型和算法研究

针对现实问题的复杂性,考虑到单独研究物流设施选址和车辆运输路线安排问题的局限性,根据集成物流管理思想,综合考虑两个问题,重点研究了集成物流管理系统中多仓库定位-运输路线安排问题(LRP)。首先提出了LRP的数学模型,由于LRP属于NP-hard问题,提出了一种用于求解该类问题的两阶段混合启发式算法:禁忌搜索-蚁群混合算法。在选址阶段使用禁忌搜索算法求得一个较好的设施位置后,便转向运输路线安排阶段,并采用蚁群算法获得了一个与已得到的设施位置相对应的优化运输路线,这两阶段反复、连续运算,直到满足预先设置的终止条件。最后,给出算例验证模型和算法的有效性。

危险废物定位-运输路线安排问题模型和算法研究

随着我国经济的快速发展,人民生活水平的提高,产生的废弃物日益增加,如何处理这些废弃物已经成为政府面临的一个重要问题.因此,许多学者开始研究危险废物的管理问题.针对现实情况,研究了危险废物管理系统中处理和处置中心的定位以及运输路线安排问题,结合实际构建了多目标整数规划模型.数学模型综合考虑了三个目标:(1)总体成本最小化(包括设施建设成本和运输成本);(2)总体风险最小化(包括运输风险和处理风险);(3)风险公平最大化.提出了解决问题的两阶段混合启发式算法:禁忌搜索——蚁群算法.给出了一个简单算例进行分析.

定位-运输路线安排问题的一种启发式算法研究

定位-运输路线安排问题(LRP)是分销网络设计和物流管理决策中的难题,属于NP难问题,求解有一定难度.文章通过构造辅助函数对优化问题约束条件的处理,基于分层次实现多个目标的思路将LRP看作一个整体,利用具群体智能的粒子群算法进行求解,避免了基于两阶段算法的不足,减小了在进化过程中停滞于局部最优解的概率.为粒子群算法在大规模组合优化问题中实际应用做了有益的尝试.

集成物流管理系统中定位—运输路线安排问题的研究

综述集成物流管理系统中设施定位—运输车辆行程路线安排问题的主要研究进展 ,分析提出有关求解问题的算法的特点 ,最后提出该研究领域应该关注的几个重要发展方向 .

集成化物流中的定位运输路线安排问题(LRP)优化算法评述

总结定位 运输路线安排问题(Location RoutingProblem,LRP)的发展历程,重点评述LRP优化算法的研究进展,并对比分析了常用的两类求解LRP问题的方法精确算法和启发式算法·并对LRP中的定位配给、运输车辆路线安排、定位 运输路线安排三类问题的具体优化方法进行了分析、比较,指出在求解LRP问题时应综合利用各种技术的优势,建立一种新的搜索方法,实现准确、高效的搜索,改进遗传算法用于求解LRP问题是解决这类NP hard问题的一条途径·

定位—运输路线安排问题的遗传算法研究

定位—运输路线安排问题(LRP)是分销网络设计和物流管理决策中的难题。由于LRP是NP-complete问题,对它的求解方法大多局限于将其分解为定位—分配问题和车辆运输路线安排问题,或者是基于这种分解思想。文章通过对遗传算法(GA)中树编码、免疫遗传算法以及GA阶段进化策略深入地分析和研究,构建了定位—运输路线安排问题的遗传算法,它与以往算法最大的不同点就是并没有基于两阶段求解的思路,而是将LRP的解看作一个整体,从而减小了在进化过程中停滞于局部最优解的概率,提高了GA的计算效率和计算速度。文中详细叙述了针对LRP问题的树编码、交叉、变异、爬山、免疫、合并小路线等各种算子设计过程,并利用一实例来验证算法的可行性。该算法为LRP问题以及相关大规模组合优化问题的求解开辟了一个新的思路,同时也为GA中树编码在实际中应用做了有益的尝试。

遗传算法在设施定位与车辆运输路线安排中的应用

传统的方法中,设施定位问题和车辆运输路线安排问题往往作为独立的问题分开来求解,因而无法得出满意的解答。为了考虑两个问题的相关性,提出了将设施定位—车辆运输路线安排问题作为整体考虑的决策模型。该模型是一个NP难整数规划问题,采用遗传算法进行求解,以求得全局最优。算例表明,该方法可以给出满意的解答。与传统的方法相比,该方法能够得出设施定位—车辆运输路线安排综合问题的全局最优解,可以给集成化物流系统的管理提供更好的决策支持。

论集成物流管理系统中定位—运输路线安排问题

本文从运输车辆路线安排问题和定位—配给问题的集成探讨了定位—运输路线安排问题(LRP)的由来,描述了LRP问题的内容特征及其分类,详细地介绍了近几年来国内外关于LRP问题的研究现状,并对LRP的未来发展方向进行了展望。

一类运输工具带双重能力约束的LRP问题

分析了一类运输工具受双重能力约束的LRP问题,即在物流网络节点最大单批处理能力及运输工具总运输能力双重约束的情况下,如何进行物流中心选址和运输路线安排,使总的费用最小.模型假设网络系统满足如下条件:①节点的最大单批处理能力是逐层变化的;②货物只能用不同运输工具经过某一物流中心进行中转运输.文中建立了混合整数规划模型,提出了一种优化算法,并用优化算法对实例进行求解.

基于联合运输的物流配送路径(MVRP)问题研究

针对广西北部湾物流发展中港口站点集疏运不畅的问题,从联合运输的角度出发改进广西北部湾运输网络,研究了联合运输网络下的物流配送路径问题(MVRP)。以满足客户运输总费用最小、运输总时间最短为优化目标,同时利用运输方式共享指标反映运输工具利用率情况,并构建了配送路径选择的数学模型。采用了多阶段启发式算法解决上述问题,首先通过改进的Martins算法找出非劣路径集合,依据运输方式兼容性剔除无效路径,然后进行运输方式分配,得到从客户点至港口终点的优化配送路径。模拟实例证明了该启发式算法具有良好的性能。

基于双层规划的物流系统集成定位-运输路线安排-库存问题研究

为优化物流系统,并能更好地描述管理部门的阶层关系和更全面地体现决策者的意愿,从物流系统集成的角度出发,基于客户所采用的多时期随机库存策略,使用双层规划法建立了供应链二级分销网络中的设施选址、车辆运输路线安排、库存控制的集成优化模型,用来解决在给定的多个潜在设施点中选出一系列设施的位置,并确定巡回运输路线,以及巡回运输路线上客户的最佳订货量;并给出了求解该模型的启发式算法,最后通过实例计算证明了上述模型、算法的有效性.

模糊需求下物流系统CLRIP问题研究

从物流系统集成的角度出发,考虑到客户需求的模糊性,建立了多仓库单级物流配送系统中的设施选址、车辆运输路线安排、库存控制的集成优化模型,用来解决在给定的多个潜在设施点中选出一系列设施的位置,并确定巡回运输路线.同时基于客户所采用的单时期模糊需求存贮策略确定其最佳订货量,并给出了求解该模型的启发式算法.最后通过实例计算证明了上述模型和算法的有效性.

集成化物流中的定位配给问题的启发式算法

以Baumol Wolfe提出的传统的0 1混合整数规划模型为基础,建立一类更接近物流配送实际的定位 配给模型·在已确定每个配送中心的服务范围内,根据客户群的总需求量接近或等于单车容量的整数倍为原则,提出将不同客户需求量引入最小包络法进行混合法选址的启发式算法·最小包络法即以一个配送中心为基点,分别与其他配送中心用直线连接,作这些直线的垂直平分线,以每个配送中心的内点的垂直平分线的最小包络,作为此配送中心的服务范围·该方法既考虑到不同客户之间的相对距离,又考虑到不同客户需求量,此模型有助于解决实际的定位 配给问题·计算机仿真实例证明了此方法的有效性·

基于模糊优化的物流配送路径(MLRP)问题研究

研究采用嵌入模糊决策规则的遗传算法(即模糊优化方法)求解物流配送多目标定位-运输路线安排问题(M LRP),重点考虑了时间和运输成本两个目标的M LRP的求解方法.该算法分成3个阶段,首先利用遗传算法对初始种群搜索选择优化配送路径;然后应用配送网络调度算法综合评价来确定配送路径中的关键路径和非关键路径;最后根据模糊决策规则计算其各个调度相应的指标,并对已挑选出来的染色体中的某些位基因进行调整,以提高算法的收敛性.计算机仿真结果证明了将此混合算法用于求解中、小规模物流配送问题的有效性.

基于两阶段改进遗传算法的一类特殊LRP问题研究(英文)

提出了一种带有随机开关的两阶段改进遗传算法并应用于集成化物流中的定位 运输路线安排 (LRP)优化问题 .该方法采用随机开关控制遗传算法中的变异运算 ,实现了空间的有效搜索 ,并且在一定程度上 ,避免了“局部最优现象”的发生 .通过计算机仿真实验 ,证明了该算法求解LRP问题的有效性和准确性 .

基于联合运输的棉花物流运输路径选择研究

分析了我国棉花物流运输现状,从联合运输的角度出发,以棉花供应点到需求点联合运输总费用最小和总时间最短为目标,构造了联合运输网络中的棉花物流运输路径模型。采用了多阶段启发式算法,通过改进的Martins算法找出非劣路径集合,依据运输方式转换兼容性与剔除无效路径,进行运输方式分配,运用模拟实例验证了该启发式算法的有效性,解决了联合运输的棉花物流运输路径选择问题。