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.

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.

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 .

基于改进粒子群算法的开放式定位—运输路线问题研究

将开放式车辆路径问题和定位-分配问题集成考虑,建立了该问题的数学模型;运用基于遗传算法、模拟退火算法的改进粒子群算法,对一个开放式定位-运输路线问题进行了求解。历次迭代产生的全局历史最优解的良好收敛,验证了模型的正确性和算法的有效性。

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。

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。

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.

物流配送问题的混沌优化算法研究

探讨了定位——运输路线安排问题的解决方法,提出一种首先用启发式规则将客户集聚类,从而划分出若干客户子类;然后,用混沌搜索算法求解LRP的优化方法.提出将用于聚类分析的启发式规则和混沌搜索算法结合的混合算法求解物流配送路径优化问题是有效的.由于混沌序列具有随机性与遍历性,容易寻找全局最优解,从而避免了传统优化方法中的"局部最优现象"的发生.计算机仿真实例证明了该算法简洁、实用、性能良好,有利于解决带有约束的非线性物流配送路径LRP优化问题.

求解带时间窗的装-卸载问题的概率式禁忌搜索算法

本文介绍一个求解有时间窗的装载—卸载问题的概率式禁忌搜索算法。论文首先回顾了求解VRP、PDP问题的主要方法,介绍了搜索算法的基本概念,给出了基于概率式禁忌搜索的详细算法。初步实验表明新算法优于传统禁忌搜索算法。

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·

网上超市订单分配与物流配送联合优化方法

针对网上超市一地多仓环境下的订单分配与物流配送两个环节,从联合优化的视角出发,以最小化物流配送成本为目标建立了非线性混合整数规划模型,并设计了一种启发式算法进行求解.在该启发式算法中,基于缩减问题求解空间的思想,引入人工智能状态空间搜索,利用物流配送阶段影响配送成本的关键因素作为订单分配的规则,采用改进的广度优先搜索算法生成较好的订单分配方案集合.利用C-W节约算法和邻域搜索技术,在优化配送路径时调整订单分配方案.最后构造算例验证了该算法的有效性.

基于改进多层编码遗传算法的多配送中心车辆路径优化方法研究

为了提高物流运输效率,减少不必要的资源消耗,综合规划一条最有效率的车辆配送货物的路径成为当下物流交通研究的一个热点问题。而其中多配送中心的情况研究尚少。车辆路径优化问题(VRP)是基于旅行商问题(TSP)衍生的,这类问题我们都将其归为非确定性多项式(NP)完全组合优化问题。本文在交通物流车辆路径规划的背景下,首先从VRP问题的概念分析出发,构建了一个数学模型,然后对本文解决该问题的核心算法——遗传算法的理论基础及策略思路进行了一个描述。最后通过加入多因素分析,改进了评价的综合成本,将改进多层编码的遗传算法应用于解决多配送中心VRP问题,并在过程中探索改进。

客车运输管理探究

近年来,随着我国经济的迅速发展,道路的全面覆盖,我国客车的运输系统也不断完善。客车产品的多样化,使其已经不单单是交通运输部门的需要,如公交客车,也为客车企业开拓更大的市场,如校车、旅游客车、机场专用客车等。客车不同于其他车型,因其产品具有外形大、成本高等特点,采用订单式——由消费者直接向制造商订购,从制造商发货,因而运输时间周期较长。目前客车市场需求量增大,随之而来引起企业客车运输问题。文章旨在通过对宇通客车构建运输成本最小化模型探究企业客车运输以经济运输成本最小,时间成本最短为目标,选择客车运输方式,优化客车运输路线。

震后应急物流系统中带时间窗的模糊动态LRP

针对震后应急物流系统中多层次设施定位-运输路线安排问题(LRP),考虑系统中的动态性、时效性、路网连通性、需求不确定性等特点,建立了一个带时间窗的模糊动态LRP优化模型,据此进行救援过程中不同周期灾区外围应急物资集散点和灾区应急配送中心的定位以及应急物资运输路线安排的联合决策。针对该模型的特点,提出了一种基于动态规划的改进遗传算法,为防遗传算法过早收敛问题,使用了随机遍历抽样法、重组策略和变化变异率法,并通过特定实值编码、罚函数法和物资需求量分割策略处理模型中的约束条件。最后,通过算例分析验证了该模型和算法的有效性。