基于混合遗传算法的车辆路径优化问题研究

交通拥堵的严峻形势,已经阻碍了现代物流快递行业严格执行时间服务,严重阻碍了其发展。针对交通拥堵的现状,在传统硬时间窗物流配送车辆调度问题模型之上,严格考虑时间约束,建立数学模型,采用分解协调算法与遗传算法相混合,求解最优解:将多个客户划分为不同的客户群,在每个客户群内确定每辆快递车服务对象顺序,从而获得最具参考价值的调度方案。该方案不仅为快递服务人员节约时间成本,同时可为物流中心创造时间利益效益。

面向最小碳排放量的接送机场服务的车辆路径与调度

车辆路径与调度问题(Vehicle routing and scheduling problem,VRSP)是制造系统自动化和商业服务系统优化调度要解决的重要问题,常常以路径最短或成本(时间)最小为优化目标.在强制性碳排放政策的影响下,如何通过路径优化与调度实现系统的节能减排,已经成为管理者一个优化控制的目标.本文建立了针对接送机场服务中以最小碳排放量为目标的车次分配与调度问题的0-1混合整数规划模型,采用了改进的基于时间和地域划分的极线扫描算法.重点通过不同类型、规模测试实例,分别从测试实例的顾客点位置分布、顾客规模以及车辆容量大小、满意度水平分析了对人均碳排放的影响程度,对现实接送机场服务运作中车辆配置和设置服务水平提供了有价值的建议.

基于改进粒子群算法的物流配送车辆调度优化

车辆优化调度是提高物流企业运营效益的重要因素,针对标准粒子群优化算法存在的不足,提出一种改进粒子群算法(IPSO)的物流配送车辆调度优化方法。建立物流配送车辆调度优化的数学模型,将车辆与车辆路径编码成粒子,通过粒子之间的协作找到最优物流配送车辆调度优化方案,并对粒子群算法存在的不足进行了相应的改进,最后给出仿真实验对其性能进行测试。实验结果表明,IPSO算法不仅加快了物流配送车辆调度优化问题求解的速度,而且获得了最优解的概率,具有比其他调度算法更明显的优势。

集中通勤接送服务的最小化成本模型及算法

本文针对集中通勤接送服务业务流程中的车次分配与调度问题,建立了以最小化成本为目标的0-1混合整数规划模型,刻画了该问题所具有的多目标抵达地、多车协作、多行程车次等特征事实,同时考虑顾客满意度,以获得不同满意度下的近似最小成本。根据问题的复杂性和大规模性,设计开发了一种基于kNN思想的类标签启发式算法求解模型,拓展了构造路径的方法。算例数值结果表明,本文所设计模型和算法是有效性、可行的。

基于B2C环境的物流配送模型改进

以B2C电子商务企业为背景,结合实际的物流配送网络,对原有的有时间窗约束但顾客不能被多次访问的物流配送模型进行优化,建立了有时间窗约束顾客可被多次访问的物流配送模型,通过仿真案例表明多次访问的物流配送模型要比顾客不能多次访问的模型所需的配送费用要少,从而验证了有时间窗顾客可多次访问的物流配送模型更能适应电子商务环境。