农村电商物流下无人机与车辆协同配送路径优化研究

无人机配送正在成为解决物流末端配送难题的重要手段。无人机与车辆协同配送模式克服了无人机配送能力不足、安全性不高的弊端,是无人机参与配送的重要途径之一。针对农村电商物流“最后一公里”配送难、配送贵问题,考虑无人机与车辆协同方式、多无人机多包裹配送等约束,以配送成本最小化为目标构建混合整数规划模型并提出一种两阶段算法对无人机与车辆协同配送路径优化问题进行求解。第一阶段通过带约束的自适应K-means算法确定车辆停靠点范围,第二阶段设计爬山算子与分裂算子改进遗传算法,求得无人机与车辆配送路径。最后,通过算例实验验证了模型和算法的可行性与有效性。研究成果有望为农村电商物流末端配送降本增效提供新思路和参考价值。

基于聚类-Floyd-遗传算法的“车辆+无人机”城市物流配送路径优化

为了提高城市环境下物流配送效率,以配送时间和配送成本为优化目标,建立“车辆+无人机”路径优化数学模型,提出一种基于聚类-Floyd-遗传算法的三阶算法。实验结果表明,该算法通过多阶数据处理,可有效降低运算量,克服了遗传算法收敛速度慢、易陷入局部最优的问题。对无人机容量进行灵敏度分析表明,无人机的配送能力随载重量增大而显著提升,载重量和最大航程同步提升能更好地发挥无人机的配送能力。和单纯车辆配送的方式相比,“车辆+无人机”配送模式总配送成本降低36.1%,总配送时间减少34.5%。证明了该算法在城市物流配送方面具有一定实用价值。

考虑时间紧迫度的应急救援车辆路径问题建模与优化

考虑时间紧迫度的应急救援车辆路径优化,具有重要的理论价值与实际意义。以总费用(早到惩罚费用+延时惩罚费用-时间窗内送达奖励费用)最小为目标构建模型,并针对车辆在时间窗内送达以及早到、晚到的三种不同情形,定义时间紧迫度,设计精确算法A求解,证明了算法A的时间复杂度为O(ln^(3)),其中l、n分别为配送车辆和受灾点的个数,以决策应急救援车辆的行驶路径。最后以上海嘉定区疫情防控应急物资配送为例,对模型和算法的有效性进行了证明,可为政府部门应急救援路径选择提供有效理论依据。

改进猫群算法在车辆配送路径优化中的应用研究

为解决在生鲜农产品的车辆配送过程中存在的成本高、碳排放高的问题,以顾客满意度最高和总配送成本最低为目标,构建低碳冷链生鲜农产品的车辆配送路径优化模型。首先,通过多种方法对猫群算法进行优化;然后,用优化的猫群算法对模型进行求解。通过仿真实验对车辆配送路径优化前后效果进行分析,验证了所构建模型的可行性。结果表明,所构建的模型能有效地解决车辆配送的路径优化问题;与传统车辆配送的路径规划方法相比,采用所构建的车辆路径优化模型,车辆配送总路径和碳排放量都有一定程度的改善;车辆总配送路径长度缩短了489.77km、车辆碳排放量降低了21.4%。该方法能有效降低车辆配送过程的总成本和碳排放量,可在一定程度上提高车辆的利用效率和物流企业的市场竞争力。

考虑时空协同优先的城市应急车辆路径优化方法

目前城市应急救援车辆救援效能提升面临交通拥堵、交叉口延误、突发事故等诸多挑战。传统路径算法忽略了实际救援工作需求和路径选择偏好特征,无法很好满足快速高效、安全可靠的救援需求。针对这一问题,立足应急车辆与社会车辆在优先通行政策、车辆特性、优化目标、路径选择偏好等多特征差异,提出一种考虑时空协同优先的两阶段应急车辆救援路径动态优化方法。第1阶段,将用于求解静态K最短路径的Yen算法与城市路网时空动态性、高度随机性及不确定性等特征结合,增加基于层次聚类算法的路径安全风险约束与基于偏斜度指数等综合评价指标的可靠性约束,构建带有安全可靠性约束的动态K最短路径精确算法。第2阶段,结合车道数量、路段限速、路段长度等静态属性特征与拥堵延迟指数、路段平均车速等动态属性特征,求解在时空协同优先条件下的最佳救援路径。结果表明:与历史救援轨迹相比,考虑时空协同优先的两阶段城市应急车辆路径优化方法能够有效缩短城市应急车辆的救援响应时间,并提高应急车辆救援安全性与可靠性。因此,本方法面向实际救援工作,具有较好的应用前景。

多车场多车型冷链物流时变绿色车辆路径优化

为降低运输成本,减少环境污染,提出一种考虑速度时变的多车场多车型绿色车辆路径优化方法。针对城市交通拥堵路况常发的现状,引入百度智慧交通网预测的拥堵指数反映实时路况,兼顾经济成本和环境成本,构建以总运输成本最小为优化目标的时变绿色车辆路径模型。根据模型特点改进遗传算法,并运用大中小3种规模的算例对其进行仿真实验,验证了模型和算法可以有效地降低物流配送成本,促进配送车辆节能减排,为生鲜电商冷链物流配送决策提供车辆运输路径方案。

带时间窗的车辆路径问题的混合粒子群优化算法

针对带时间窗的车辆路径问题(Vehicle Routing Problems with Time Windows,VRPTW),提出了一种混合粒子群优化算法(Hybrid Particle Swarm Optimization,HPSO)进行求解。所提出的算法设计了一种高效的编解码策略,以此搭建HPSO算法解空间到VRPTW解空间的桥梁。同时为了提高算法的寻优能力,设计了由单点插入策略以及双点交换策略组成的局部搜索策略。通过solomon-50标准数据集中的九个算例进行仿真实验,实验结果证明了所提出算法的寻优能力和稳定性均优于对比算法,最优解误差相较于对比算法最多降低了38.32%。

基于改进蚁群算法的低碳车辆路径优化

为降低物流配送成本,提高配送效率,优化物流车辆配送路径,从节能减排角度出发,综合考虑配送时间窗因素,以运输成本、碳排放成本、时间窗惩罚成本三者之和最小为目标,构建带时间窗约束条件的低碳车辆配送路径优化模型。将基本蚁群算法的信息素更新策略改为局部更新与全局更新相结合的方式、再将其与A*算法、2-opt算法相结合,设计出改进蚁群算法,用Solomon的测试数据进行仿真实验,并将改进蚁群算法与基本蚁群算法进行结果对比。仿真实验结果表明,相较于基本蚁群算法,改进蚁群算法在算法收敛速度更快、使用配送车辆更少的情况下,配送总成本降低了11.25%,配送效率提高了11.91%,说明改进蚁群算法在配送路径优化问题上是有效且可靠的。

低碳背景下混合车队车辆路径优化研究

目的 针对绿色物流的需求现状,降低能源消耗成本和碳排放成本,提出了低碳目标下的混合车队车辆路径优化研究并探索混合车队的物流运输方案,综合考虑混合车队与燃油车队和电动汽车车队在行驶里程、能源消耗、碳排放量的差异,构建了以固定成本、行驶成本、能源消耗成本和碳排放成本最小化为目标的优化模型。方法 采用粒子群算法并结合Metropolis准则以提高算法的高效性,设计多组实验,对问题进行分析并比较了混合车队与单一车型车队在行驶里程、能源消耗、碳排放量等方面的不同。结果 混合车队在降低碳排放量、碳排放成本和运营成本方面有较大优势,混合车队有效降低了能源消耗和碳排放量,与传统燃油车队相比总成本下降约12%。最后,研究逐步增加电动汽车的最大载重和充电速率对混合车队各项成本的影响进行了灵敏度分析。结论 表明适当提高电动汽车的车辆载荷和充电速率能有效降低车队运营成本,有助于物流企业考虑能源消耗成本和碳排放成本,能够为相关物流企业制定合理的运输方案提供了理论依据。

时变风险下的危险品运输车辆路径优化

针对危险品道路运输车辆路径问题,以运输总风险、运输总成本及车辆运输时间三者最小为优化目标,考虑道路车流速度随时间变化,构建时变风险下的危险品道路运输车辆路径优化模型,并设计了改进强度Pareto进化算法求解模型。该算法引入反向学习策略加强搜索能力,多组仿真试验算例计算表明,改进后的算法比原算法收敛性更好、求解精度更高。在考虑风险时变条件下,运输风险大致随交通量增大而增大,随车辆装载量降低而减小。相比于不考虑时变风险,时变风险模式下的车辆路径优化结果受道路交通状况影响显著,更贴近实际。根据所提出的时变风险下车辆路径优化模型,运输企业可考虑用户的需求量和道路交通状况进行路径规划,从而在保障运输安全的同时缩短车辆行驶里程和减少运输费用。

考虑不确定能耗和个性化客户需求的电动冷藏车辆路径优化

在国家“双碳”战略下,采用电动冷藏车替代传统燃油车,开展城市冷链配送是大势所趋.电动冷藏车配送作业易受诸多不确定因素的影响,导致电能消耗难以精准估算.如何在能耗不确定条件下确保车辆电池续航里程能完成配送任务,并满足客户对产品新鲜度和个性化时间窗的需求,是电动冷藏车辆路径优化面临的挑战.本文借助车辆纵向动力学模型和微分方程及鲁棒优化理论分析了电动冷藏车配送作业中的能耗影响因素,如电池续航能力限制、能耗不确定性、产品新鲜度和客户软时间窗约束等,及其产生的各项成本,构建了以总成本最小为目标的两阶段路径优化模型,并设计混合遗传粒子群算法对模型求解,最后以案例验证了模型和算法的有效性.

物流车辆路径优化问题研究综述

物流系统优化中的关键内容之一是车辆路径问题(Vehicle Routing Problem,VRP),它也是现代物流管理研究中的重要内容。首先,总结了常见的VRP问题的分类和基本的数学模型及其算法;其次,阐述了求解VRP问题常用的启发式算法及相应的研究现状;最后分析了当前物流车辆路径优化研究中所面临的一些问题,并对未来的研究方向进行了展望。

基于CTDEA算法的车辆+UAV配送路径优化

提出了高寒山地“车辆+无人机”联运的配送模式,构建了高寒山地“车辆+无人机”路径规划模型,利用CTDEA算法对模型进行了求解;研究表明,相比于现行的“车辆+单兵人力搬运”配送模式,“车辆+无人机”配送模式大幅能够有效提高高寒山地维修器材的配送效率和质量,减少有生力量非战斗减损。

面向复杂物流配送场景的车辆路径规划多任务辅助进化算法

在现代社会中,复杂物流配送场景的车辆路径规划问题(Vehicle routing problem,VRP)一般带有时间窗约束且需要提供同时取送货的服务.这种复杂物流配送场景的车辆路径规划问题是NP-难问题.当其规模逐渐增大时,一般的数学规划方法难以求解,通常使用启发式方法在限定时间内求得较优解.然而,传统的启发式方法从原大规模问题直接开始搜索,无法利用先前相关的优化知识,导致收敛速度较慢.因此,提出面向复杂物流配送场景的车辆路径规划多任务辅助进化算法(Multitask-based assisted evolutionary algorithm,MBEA),通过使用迁移优化方法加快算法收敛速度,其主要思想是通过构造多个简单且相似的子任务用于辅助优化原大规模问题.首先从原大规模问题中随机选择一部分客户订单用于构建多个不同的相似优化子任务,然后使用进化多任务(Evolutional multitasking,EMT)方法用于生成原大规模问题和优化子任务的候选解.由于优化子任务相对简单且与原大规模问题相似,其搜索得到的路径特征可以通过任务之间的知识迁移辅助优化原大规模问题,从而加快其求解速度.最后,提出的算法在京东物流公司快递取送货数据集上进行验证,其路径规划效果优于当前最新提出的路径规划算法.

多目标车辆路径问题的粒子群优化算法研究

针对粒子群算法(PSO)及其变种在约束多目标等复杂问题优化过程中所遇到的易陷入局部最优和收敛性问题,提出了一种基于动态学习和突变因子的粒子群算法(DSPSO)。首先,通过分析粒子群群体的学习机制,采用动态的学习策略,使粒子自适应动态调整认知成分和社会成分在迭代更新中的权重,以引导自身向最优解的方向探索,有效改善了群体的收敛速度;其次,通过引入阶梯突变因子的概念,使粒子在陷入局部最优时进行试探跳跃,阶梯突变赋予粒子突破更新步长限制的能力,使粒子在当前位置速度矢量方向上的二维空间邻域内进行试探寻优,当发现更优解时则跳出当前局部最优;最后,通过在BenchMark基准函数测试集中典型函数上的实验,证明了DSPSO的求解精度和收敛速度均优于对比算法。在多目标车辆路径问题实例优化中,解的可接受率和成功率分别为0.91和0.66,远优于对比算法中最优解的0.16和0.11,体现了所提改进算法在车辆路径问题中的优越性。

求解车辆路径问题的改进微粒群优化算法

微粒群优化算法是求解连续函数极值的一个有效方法。研究了用该算法求解车辆路径的问题。设计了求解车辆路径问题的一种新的实数编码方案,将车辆路径问题转化成准连续优化问题,并采用罚函数法处理约束条件。应用该微粒群优化算法求解了多个车辆路径问题的算例,并与遗传算法和双种群遗传算法进行了比较。计算结果表明,该算法可以更有效地求得车辆路径问题的优化解,是解决车辆路径问题的有效方法。

基于离散微粒群优化的物流配送车辆路径问题

提出一种求解物流配送车辆路径问题的离散微粒群优化算法。通过引入随机交换序、PMX算子使微粒群优化算法能够求解车辆路径问题这类离散组合优化问题。设计了求解车辆路径问题一种新的整数编码方案,并采用罚函数法处理约束条件。计算结果表明,该算法是解决车辆路径问题的有效方法。

自适应遗传灰狼优化算法求解带容量约束的车辆路径问题

带容量约束的车辆路径问题是NP难的组合优化问题,精确算法无法在合理的时间内得到有效的解.本文提出了一种采用灰狼空间整数编码和先路由后分组解决方案生成策略的自适应遗传灰狼优化算法用于求解带容量约束的车辆路径问题.该算法提出了移动平均自适应灰狼更新策略和灰狼基因遗传策略提高全局收敛能力,同时提出带3-opt的劣势点启发邻域搜索策略来增强算法的全局和局部搜索能力.实验结果表明:所提出算法具有较高的计算精度和较强的寻优能力,有较高的鲁棒性,通过与自适应扫描和速度推测粒子群优化算法、K均值聚类和灰狼优化混合算法、大邻域搜索和蚁群优化混合算法、基于精英选择的多种群人工蜂群算法、基于集覆盖的扩展节省算法、混合变邻域生物共栖搜索算法等6个算法对比证明了算法的有效性.

危险品运输车辆路径问题的多目标优化

为保障危险品安全运输的同时实现运输成本最小化,采用多目标优化方法确定危险品运输车辆的最佳行驶路径。通过简化运输车辆经过人口密集区域风险因素的量化过程,以车辆数最少、运输总距离及经过人口密集区域行驶距离最短为目标,建立危险品车辆运输路径问题优化模型,并针对模型设计基于概率模型的多目标进化算法。以一个有25个需求节点及6个人口密集区域的危险品运输网络为例,验证模型和算法。算例结果表明,用该算法能够获得车辆路径问题的Pareto解,为危险品运输车辆调度提供决策支持。

车辆路径问题的混合优化算法

讨论了一类车辆路径调度问题(VRP)及其数学模型,并且分析了以遗传算法求解该类问题时的染色体表示和有关遗传操作,然后结合2-opt局部优化算法提出了GAwith2-opt算法来求解VRP问题,试验结果说明了该算法的有效性和可行性。