混合三维分布估计算法求解分布式加工装配和车辆配送集成调度问题

本文针对一类广泛存在的分布式加工装配和车辆配送集成调度问题(Integrated Scheduling Problem of Distributed Production Assembly and Vehicle Delivery,ISP_DPAVD),以最小化运输和延迟惩罚总成本为优化目标,提出一种混合三维分布估计算法(Hybrid three-Dimensional Estimation of Distribution Algorithm,H3DEDA)进行求解.ISP_DPAVD包含两个耦合的子问题,即加工装配阶段子问题(子问题1)和车辆配送阶段子问题(子问题2).由于每个子问题1的解(部分解1)均会确定1个具体的子问题2,故ISP_DPAVD的解空间非常庞大.根据这一特点,在H3DEDA中,先设计结合邻域变换的启发式规则来快速获取子问题2的优良解,以实现子问题间的部分解耦并明显缩减搜索空间,再设计三维EDA引导的全局搜索和变邻域驱动的局部搜索来获取ISP_DPAVD的高质量解.通过在不同规模测试问题上的仿真实验和算法比较,验证了H3DEDA求解ISP_DPAVD的有效性.

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。

混合三维EDA求解带二维装载约束的车辆配送与分布式生产集成调度问题

针对一类广泛存在的带二维装载约束的车辆配送与分布式生产集成调度问题(VD2LDPISP),本文建立问题模型,并提出混合三维分布估计算法(H3DEDA)进行求解.首先,结合问题各阶段特性,采用各阶段成本均衡策略设计新颖的解码规则,对编码个体进行分阶段解码,可确定较高质量的解码个体.其次,采用三维分布估计算法(3DEDA)学习和积累种群中优质编码个体的块结构及其位置信息,再通过采样3DEDA中的概率模型生成新的编码个体,从而提高算法全局搜索发现解空间中优质解区域的能力.然后,设计高低分层的超启发式局部搜索(HHLS)来增强算法的局部寻优能力.HHLS的低层问题域包含分别针对编码个体、配送阶段解码子个体和生产阶段解码子个体的共16种有效邻域操作,其高层策略域采用概率模型学习优质邻域操作排列的结构信息,进而通过采样该模型来直接控制新邻域操作排列的生成,有利于对不同优质区域进行深入搜索.最后,在不同规模测试问题上的算法比较,验证了所提H3DEDA的有效性.

基于节约里程法的车辆配送路径优化研究

为提高快递公司的配送效率,缩短配送的路程,降低物流配送成本,文章通过对A快递公司向其下级网点配送快递的实例研究,运用节约里程法优化设计车辆配送路径。结果表明:优化后的配送路径更短、消耗的配送时间更少、车辆平均装载率更高,能够为车辆配送路径规划提供思路和参考。

车辆配送路径优化的新型蚁群算法

构造了求解车辆配送路径优化问题的新型蚁群算法,采用新型的编码方式和转移概率,避免了遗传算法求解该问题所存在的遗传算子设计困难和遗传操作繁琐复杂的现象及现有蚁群算法求解该问题时收敛速度慢的缺陷。通过实例验证了所构建的算法与现有算法相比,不仅操作简单而且具有更好的收敛性。

大型物流车辆配送线路自适应调度方法

为了有效提高物流配送车辆的利用率,降低配送车辆的空载率及物流运输成本,需要对大型物流车辆配送线路自适应调度方法进行研究;当前方法多是采用通过对物流车辆配送过程中的调度与路径选择进行分析,建立多类型的物流配送车辆调度模型,并构建改进后的遗传算法,对物流调度模型的算法效率以及计算时间和复杂度进行优化,以获取物流车辆配送调度问题的最优解,但该方法存在过程较为繁琐的问题;为此,提出一种大型物流车辆配送线路自适应调度方法;该方法首先建立物流车辆配送线路调度问题的数学模型,为实现自适应调度方法对数学模型进行优化求出最优解,利用蚁群算法对物流车辆配送调度数学模型的最优解进行优化,获取最优路径的适应度初始化蚁群算法的各客户点之间的信息素,从而得出了优化的最优路径;以优化的最优路径完成对大型物流车辆配送线路自适应调度;仿真实验表明,利用蚁群算法不仅加快了物流配送路线调度优化问题求解的速度,降低了物流运输的成本,而且获取了最优解的概率,比其他调度算法具有更明显的优势。

模糊车辆配送问题的改进蚂蚁算法

模糊车辆配送问题是物流调度领域中一个具有现实意义的多目标FVRP问题。论文针对问题的特性,提出了一种结合启发式初始种群以及推—碰撞—掷规则,并引进了服务紧急程度影响因子的改进蚂蚁算法。实验结果表明,改进蚂蚁算法能够得到较好的模糊车辆配送问题满意解。

城市车辆配送线路设计的模型与算法

文章建立了城市车辆配送的多旅行商问题(MTSP)模型,设计了一个新的遗传算法,用2Opt算子改进解的总距离,用贪心交叉算子提供变异功能,计算实例表明了该算法的有效性。

基于智能混合算法的车辆配送路径优化

为提高车辆配送效率,节约配送成本,建立了以配送路径和成本综合最优为目标的车辆配送路径问题数学模型.设计并实现了一种智能混合算法,首先利用具有自适应交叉率和变异率的改进遗传算法生成全局较优解,再将较优解转换为初始信息素进行蚁群算法,并结合2-opt算法对解进一步迭代优化,最终获得了车辆最优配送路径.实验结果表明,该算法优化后的目标值比蚁群算法减少了15.0%,比遗传算法减少了10.4%,验证了该算法的有效性和优越性.

区域性血液的车辆配送模型及算法研究

文中根据血液的特殊性质,以车辆最大载重量、时间窗等条件作为约束条件,以包括固定成本、运输成本、冷藏成本、损坏成本的总成本最小为目标,建立在一定区域内血液的车辆配送模型,并应用改进的节约算法求解模型,而后以1个中心血站、6个医院为配送系统进行算例分析,并比较血液配送与一般物资配送的优化结果,解释其结果不同的原因。

车辆配送路径轨迹弧长偏差可视化校正仿真

由于车辆配送路径轨迹偏差会延长货品配送时间,影响物流服务质量。针对传统配送路径轨迹偏差校正方法校正性能不足的问题,提出一种基于GPS和地图匹配的车辆配送路径轨迹弧长偏差可视化校正方法。利用GPS定位目标物流车辆当前所在位置,并将所得到的位置信息显示在电子地图上;将电子地图上所显示的路径轨迹与规划的地图道路进行匹配,确定偏差范围;根据偏差范围,进行路径偏差校正。实验结果表明,与三种传统配送路径轨迹偏差校正方法相比,利用所提方法进行车辆配送路径轨迹弧长偏差可视化校正,得到的校正路径与规划路径之间的拟合优度更接近1,且车辆配送效率较高,由此说明该方法校正性能更强。

关于物流系统车辆配送路径规划仿真

在物流系统车辆配送路径的研究中,针对当前物流系统配送车辆路径规划涉及影响因素多、配送成本高、算法复杂度高的问题,为加强物流系统车辆配送效率,对路径规划进行科学决策,采用粒子群算法解决物流配送车辆路径规划问题。由于粒子群算法存在局部收敛与早熟的不足,将加速因子与惯性权重相关联,提出了一种改进的粒子群算法。最后结合实例对改进的粒子群算法在车辆配送路径规划问题中的应用进行仿真。结果表明,改进后的粒子群算法在避免前期局部收敛、提高后期收敛精度和速度方面具有良好的效果,为解决物流系统车辆配送路径规划问题提供了科学的手段和途径。

医疗应急物资车辆配送优化调度时间窗模型研究

为快速、高效地对应急物资进行合理的调度,综合考虑突发事件发生后,以最少配送车辆数目及配送通路为目标,构建1套完整的应急配送车辆调度模型,使得应急物资能在各需求点要求的时间窗内完成配送;利用Matlab进行编码设计求解模型,并通过仿真分析,设计考虑时间窗影响的应急物资优化调度方案,最后通过实例验证。结果表明:本文模型既能实现以最少车辆数配送的交通协同方案;又可减少应急物资配送的车辆成本,满足时间窗要求,使整个应急物流体系更加敏捷可靠。

用PSO-SA算法求解带调拨货的冷链物流车辆配送问题

文中研究了带调拨货的冷链物流车辆配送问题,构建了包括固定成本、运输成本、制冷成本和货损成本的总成本模型,并用启发式算法中的粒子群(PSO)算法和模拟退火(SA)算法协同进行求解,通过模拟实际商业模式构建数据,对重要参数进行经验取值,进行10次实验。实验结果表明:对于带调拨货的冷链物流车辆配送问题,该协同PSO-SA算法可以有效提高车辆的负载使用率,节约配送里程,在可以接受的迭代次数限制内可以收敛到满意解。同时,这种模型也对冷链连锁门店实际配送有一定指导意义。

基于ACA的军事物流车辆配送路径优化研究

将蚂蚁算法应用到车辆配送的路径优化问题中,设计了求解车辆配送路径优化问题的模型,并应用实例加以仿真计算,最后的实例结果求解表明了该算法的有效和实用,将提高我军在现代战争中的精确保障能力。

低碳排放的车辆配送路径优化方法研究

为了提高车辆配送效率,降低碳排放,提出基于最短路径寻优控制的低碳排放目标效益下车辆配送路径优化模型,对车辆配送路径进行优化。建立车辆尾气排放的自适应控制模型,对配送过程的低碳运输路径精准计算。构建车辆配送路径的自适应网络拓扑结构,采用空间分块区域规划方法在低排放约束下进行车辆配送路径的自动选址和优化传输控制,建立车辆配送路径的寻优控制模型,结合车辆配送路径的串行链路优化分配方法,实现车辆配送路径优化。仿真结果表明,采用该方法进行车辆配送路径的碳排放量较低,路径选址控制能力较强。

基于多代竞争遗传的车辆配送路径多峰寻优研究

为了高效完成车辆配送路径多峰寻优任务,提出基于多代竞争遗传的车辆配送路径多峰寻优方法。设计车辆配送路径多峰寻优的目标函数与约束条件,构建开放式车辆路径优化模型,求解车辆路径优化的路径多峰寻优目标函数,引用多代竞争遗传方法,求解车辆配送路径多峰寻优模型,完成车辆配送路径多峰寻优。仿真实验结果显示:所提方法对模拟区域车辆配送路径实施多峰寻优时,4辆车的配送时间均值为47.43h、迭代次数均值为149次、寻优时间均值为2.40s,寻优时间较短,车辆配送成本较少,实际应用价值显著。

基于Dijkstra算法的快递车辆配送路径优化

针对目前快递车辆运输成本问题,研究了如何利用Dijkstra算法来迅速寻找出快递车辆配送派件过程中的最短路,并与解决该类问题常用的遗传算法,蚁群算法和A*算法进行了比较分析。证明了Dijkstra算法可以准确迅速地寻找出快递配送车辆派件过程中的最短路,从而有效的帮助快递公司降低运输成本。

复杂路况下考虑碳排放成本的冷链车辆配送路径优化研究

本文考虑了多数没有考虑的实际路况与路面情况这些复杂路况下的配送成本,同时秉承着低碳绿色的理念,将碳排放因素考虑到总配送路径成本中,采用改进粒子群算法求解,以配送成本和货损率最小为分析依据,分析求解结果。以浙江义乌某冷链中心为研究对象进行冷链运输车辆配送路径优化,将优化后的成本与原方案成本进行实验对比,结果表明货损率、碳排放量与总成本均降低了约4%到15%。

改进的蚁群算法在车辆配送路线优化中的应用研究

由于传统的蚁群算法在寻找最优解时的处理过程较慢,并且还会时常出现停滞的现象,因此,本文提出了改进蚁群算法的措施。文中主要是通过建立候选城市数据表,并且在蚁群算法的状态转移规则中增加了节约量的启发信息。通过实际案例加以验证,结果表明改进后的蚁群算法能够全面提高企业车辆配送效率。