取送货路径优化问题的候鸟群自适应变邻域搜索算法

具有时间、车容量和后进先出约束的多车辆取送货路径优化问题在现实中具有广泛的应用,针对现实问题中规模性和模型的复杂性使其在短时间内无法精确求解的问题,提出了候鸟群自适应变邻域搜索算法(MBO_AVNS)。以三种贪婪插入算法构建初始种群,确保种群的多样性和初始解的质量,对传统候鸟优化算法的邻域搜索算法进行改进,加强了算法的局部搜索能力。通过真实数据进行实验分析表明,与模拟退火算法(SA)和一般自适应变邻域搜索算法相比,MBO_AVNS算法在求解具有时间和后进先出约束的取送货路径问题上更具有优越性。

带时间窗的时间依赖型同时取送货车辆路径问题研究

针对带时间窗的时间依赖型同时取送货车辆路径问题(Time Dependent Vehicle Routing Problem with Simultaneous Pickup-Delivery and Time Windows,TDVRPSPDTW),本文建立以车辆固定成本、驾驶员成本、燃油消耗及碳排放成本之和为优化目标的数学模型;并在传统蚁群算法的基础上,利用节约启发式构造初始解初始化信息素,改进状态转移规则,引入局部搜索策略,提出一种带自适应大邻域搜索的混合蚁群算法(Ant Colony Optimization with Adaptive Large Neighborhood Search,ACO-ALNS)进行求解;最后,分别选取基准问题算例和改编生成TDVRPSPDTW算例进行实验。实验结果表明:本文提出的ACO-ALNS算法可有效解决TDVRPSPDTW的基准问题;相较于模拟退火算法和带局部搜索的蚁群算法,本文算法求解得到的总配送成本最优值平均分别改善7.56%和2.90%;另外,相比于仅考虑碳排放或配送时间的模型,本文所构建的模型综合多种因素,总配送成本平均分别降低4.38%和3.18%,可有效提高物流企业的经济效益。

深度强化学习Memetic算法求解取送货车辆路径问题

带时间窗约束的同时取送货车辆路径问题(VRPSPDTW)是NP难问题,属于约束较复杂的车辆路径问题,在现代物流中有广泛应用。提出深度强化学习Memetic算法求解该问题,将Memetic算法求解VRPSPDTW问题中的大邻域搜索过程建模成马尔可夫决策过程,构建编码器-解码器架构的深度神经网络模型完成大邻域搜索中的移除操作。编码器对当前解中各结点的个体特征和位置特征进行信息交互,解码器输出需要移除的结点,设计了非自回归和自回归两种网络结构,采用强化学习算法训练神经网络模型。设计了混合策略,将人工设计的启发式策略与深度强化学习到的策略相结合,以提高寻优能力。实验结果显示提出的算法具有更强的跳出局部最优的能力,能在有效的时间内获得比对比算法更优的解,特别是在大规模问题上。最后,对提出算法的新组件进行了消融实验,证明了算法的有效性。

同时取送货车辆路径问题的改进粒子群优化算法

同时取送货车辆路径问题(VRPSDP)是指车辆在服务过程中,对顾客同时进行取货和送货服务,针对这类问题,提出一种改进的粒子群优化算法。通过惯性权重的更新和路径链接更新策略有效地扩大算法的搜索空间,从而改进了算法的性能。另外,采用邻域搜索扩大策略(ENS)加快了算法的搜索速度。最后,应用所提出的改进的粒子群优化算法求解了两类同时取送货的车辆路径问题的算例。结果表明,该算法与经典的求解结果相比较,取得了比较好的计算结果,表明该算法是求解同时取送货车辆路径问题的有效工具。

同时取送货车辆路径问题的改进人工鱼群算法

该文在建立同时送取货车辆路径问题数学模型基础上,针对车辆负载波动性的特点,构造相应的人工鱼群算法的四元个体模型;利用动态设置视野范围、邻域搜索方法改进人工鱼群算法的觅食和追尾操作行为,仿真算例证明改进人工鱼群算法能快速收敛得到较优解,具有较强工程应用价值。

有里程和软时间窗约束的开放式多车场集送货一体化车辆路径问题研究

基于现代物流业的现实状况和实际需求,研究了一个带有里程和软时间窗约束的开放式多车场集送货一体化车辆路径问题。给出一个遗传算法对该问题进行求解。在该算法中,为了提高其性能,并全面考虑所有约束,论文采取如下措施:(1)在初始种群形成之前,将各个任务的送货点按时间窗进行排序;(2)在所有任务的一个序列中用里程约束来控制车场的插入,并对软时间窗约束采取加入惩罚的方式解决。最后论文举例对该遗传算法进行说明,并对进一步的研究工作进行了展望。

基于狼群算法的同时取送货模糊绿色车辆路径问题

文章提出了带模糊需求的同时取送货绿色车辆路径问题,并将碳排放作为优化目标,建立了相应的模糊规划模型。然后给出了解决问题的狼群算法,定义了人工狼的游走行为、召唤行为、围攻行为。最后通过仿真实验,验证了该算法的有效性,并将其与其他算法进行了对比,分析了决策者主观偏好值的变化对目标值的影响。

考虑动态平衡装卸的点对点取送货车辆路径优化

针对点对点取送货车辆路径优化问题,引入动态平衡、后进先出、三维装载等约束,以总路径最短为优化目标,构建多车多客户应用场景下的动态平衡装卸点对点取送货车辆路径优化模型;基于研究问题的特征,采用启发式插入法确定路径初始方案,设计节点交换和重新定位算子,构造路径邻域方案,并将动态平衡装卸纳入路径迭代过程,运用多重指标定序策略和三分空间策略,设计客户动态平衡装卸检算算法,并提出基于禁忌搜索的点对点取送货车辆路径优化算法,制订多车多客户取送货车辆路径方案的同时编制动态平衡装载方案。最后,通过标准算例验证方法的有效性,计算表明:所提方法能高效解决带动态平衡约束的点对点取送货车辆路径优化问题;在多车多客户应用场景下具有更强的寻优能力,求解效率更高。

多目标同时取送货车辆路径问题的改进蚁群算法

为使同时取送货车辆路径问题(vehicle routing problem with simultaneous pickup and delivery, VRPSPD)的运输成本和各路径间最大长度差最小化,建立同时考虑车辆容量和距离约束的VRPSPD双目标模型,通过软件测试验证了模型准确性.针对问题的特点构造一个嵌入禁忌表、且具有贪婪转移准则的多目标蚁群算法,对蚂蚁产生的解执行多目标迭代局部搜索程序,以在多个邻域上优化该解或产生新的Pareto解.采用响应曲面法拟合算法参数对目标值影响的数学关系,确定最优参数组合.用该算法求得文献中12组Solomon算例的Pareto解集,并以绝对偏向最小化总成本的解与文献中仅最小化总成本的几种算法的计算结果进行比较,结果表明算法可求得权衡各目标且使单一目标近似最优的Pareto解.

超启发式分布估计算法求解带软时间窗的同时取送货车辆路径问题

本文针对带软时间窗的同时取送货车辆路径问题(VRPSPDSTW),以最小化车辆行驶总里程和最大化服务准时率为优化目标,提出一种超启发式分布估计算法(HHEDA)进行求解.全局搜索阶段,首先,提出3种启发式规则生成初始个体,以确保初始种群的质量和分散性;其次,根据问题特点,构造3个概率矩阵分别学习和积累优质解的排序信息、客户间的距离信息和捆绑信息,并通过采样概率矩阵生成新个体,以增强算法全局搜索发现解空间中优质区域的能力.局部搜索阶段,将11种邻域操作组成备选集合,进而设计学习型超启发式局部搜索(LHHLS),用于动态选择备选集合中的部分邻域操作构成多种新的有效启发式算法,以执行对解空间中优质区域的深入搜索.最后,仿真实验和算法比较验证了HHEDA的有效性.

多目标同时取送货选址–路径问题的多起点变邻域搜索算法

为使同时取送货的选址–路径问题(LRPSPD)的总成本和各路径间最大长度差最小化,建立同时考虑车辆容量和行驶里程约束的LRPSPD双目标模型.采用多蚁群算法构造多个以信息素为关联的初始解,作为多目标变邻域搜索算法搜索的多个起点,构造四类邻域结构进行变邻域搜索,并根据最新获得的最优邻域解更新蚂蚁信息素,从而使蚁群算法产生的多个初始解间、以及初始解与变邻域搜索产生的解之间均存在正向影响关系.用该算法求得文献中4组共128个算例的近似Pareto解集,结果证明了最小化路径间最大长度差目标对于节点及需求分布不集中算例的重要意义.以绝对偏向最小化总成本的解与文献中仅最小化总成本的几种算法的算例结果进行比较,结果表明算法可在极短的运行时间里求得权衡各目标的Pareto解,并使最小总成本目标值具有竞争性.

考虑订单取件时间和柔性时间窗的取送货车辆路径问题

研究了同城配送中考虑订单取货时间和柔性时间窗的取送货车辆路径问题,考虑同城配送中订单起终点,订单取货时间和订单配送的柔性时间窗,车容量限制等因素。首先构建以配送成本与超时惩罚成本之和最小化为目标的混合整数线性模型。其次,设计了含多种有效不等式及其对应分离算法的改进分支切割算法对该模型进行精确求解。最后通过实验测试分析了不等式的性能,验证了算法的有效性,实验表明适当的减少车辆数和增大装载能力能够有效的减少成本。

对乡村快递配送路径优化的思考与模型构建

以乡村网点为着眼点,对乡村网点的送货路径选择及优化进行研究,提出合理化的发展建议,并建立数学算法模型,为提高快递网络末端配送效率、促进农村居民享受快递业发展成果提供参考。

带双重量和软时间窗约束的路径优化混合遗传算法研究

针对有集送货双重需求、有软时间窗约束的集送货一体化的车辆路径优化问题,建立了统一量纲的数学模型。研究了求解客户行车费用最小的多约束、多目标问题的混合遗传算法Hybrid-Gen。通过采用节约算法的运行结果改进了初始种群的构建方式,控制了行驶路径数并满足客户的双重量需求;改进了选择算子,实现了对优秀个体和全局最优个体的保留;改进了交叉算子,实现了对完整子串的保留。案例验证了算法的可行性和有效性。在此基础上,进一步讨论了迭代次数对运算结果的影响,展示了增加优中选优大循环loop对算法稳定收敛的影响。研究表明所提出的混合遗传算法可以获得较好的优化结果。

一种基于加密二维码标签的新型快递管理系统

近年来,传统快递过程存在效率低、信息化程度不高、用户信息易泄露等问题。针对上述问题,提出了一种基于加密二维码标签的新型快递管理系统。实验结果表明:新型快递系统能保护用户隐私,利用扫描二维码更新数据库、联系收货人的速度分别是人工输入的14倍和3.3倍,且错误率明显低于人工输入;同时,手机软件能为快递员提供一条最优送货路径,减少漏送、重复送货现象。

基于共同配送策略的农村电商集送货一体化车辆路径问题

研究农村电商物流配送问题,综合考虑区域内多配送中心、客户居住地较分散、同时具有集货和送货双重需求、集货量与需求量都比较小等因素,引入共同配送策略,以总配送费用最少为目标构建基于共同配送策略的集送货一体化车辆路径问题数学模型,并根据模型特点设计一种改进蚁群算法求解。最后,采用案例证明共同配送策略能从全局优化的角度统筹规划区域内物流资源,能有效缩短车辆总行驶距离、减少车辆使用数量、降低总配送费用。

基于时间满意度的O2O外卖配送路径优化问题研究

本文在分析餐饮O2O外卖客户满意度特点的基础上,基于传统的取送货车辆路径问题模型,提出一个适合餐饮O2O外卖配送的优化模型,并提出了能够有效求解该模型的启发式算法。模型以最大化客户时间满意度为目标,其中客户满意度利用到达客户时间的函数进行刻画。利用调研获取的某外卖平台的某个配送中心的实际数据构造测试算例,通过数值实验,验证了模型和算法的有效性。最后,基于仿真实验结果提出可行的外卖平台改进配送效率和客户满意度的建议。

节点具有双重需求的车辆路径问题及其性质

在原有同时收发车辆路径问题定义的基础上,将节点需求与车辆容量的关系拓展到允许节点需求大于车辆容量的情形.接着对集送货需求可拆分车辆路径问题和同时收发车辆路径问题的可简化性进行了研究.给出了两类问题可简化的定义,并得到了当距离满足三角不等式,车辆容量为1时集送货需求可拆分车辆路径问题可简化并与同时收发车辆路径问题等价,而当容量大于等于2时两类问题都不可以简化的结论.同时也对两类问题当车辆容量等于1时,以及大于等于3时的计算复杂性给出了证明.最后通过一个实例说明了集送货需求可拆分车辆路径问题与同时收发车辆路径问题在最优解的结构性质方面存在着明显差异.