集配一体化需求背景下选址路径集成问题算法

为做好集配一体化背景下物流网络选址-路径规划设计,用大规模邻域搜索算法的破坏、重组策略代替传统混合自适应遗传算法中的交叉、变异过程,实现算法的优化设计.通过模拟算例分析可知,优化后的算法能够有效克服传统算法在运算过程中出现的早熟及稳定性差等问题,在一定程度上提升获取更优解的概率,提高客户满意度.利用已知标杆数据对算法进行有效性检验.计算结果表明:优化后的算法各项指标表现良好,对于部分数据的计算结果优于其他3个已有算法,与已知最优解基本保持一致,进一步验证了优化算法的科学性和有效性.

改进野马算法求解低碳开放式送取货选址路径问题

目的针对当前物流背景下普遍出现的送货公司外包、退换货频繁等问题,结合现有的碳排放政策,提出低碳背景下开放式同时送取货选址−路径模型(Low-Carbon Open Location-routing Problem with Simultaneous Pickup and Delivery Problem,LOLRPSPD),并通过改进野马算法进行求解。方法首先设计一种新的解码方式,使得原离散问题可以采用连续算法求解。之后,运用哈尔顿序列生成初始解,改进非线性进化概率因子,使用模拟二进制交叉,增加变异操作,以及精英保留、设置连续失败重新初始化等步骤,改进野马算法。最后,通过6组不同大小的算例将改进野马算法与原始野马算法、模拟退火算法、粒子群算法、遗传算法进行对比。结果针对中大型算例,改进野马算法远超原始野马算法。针对小型算例,在确保准确率的同时,改进野马算法对比各经典算法也在速度上具有优势。结论提出的LOLRPSD模型具备合理性,改进的野马算法针对选址路径问题具有较好的搜索能力。

基于混合启发式算法的快递末端选址路径优化研究

传统快递末端配送模式存在快递网点建设冗余、派送路径重叠等问题,而共同配送模式可有效解决此类问题,因此对共同配送模式下同时收派件且收件需求为不确定情形的快递末端网点选址路径问题进行研究。首先,建立了两阶段数学优化模型,引入随机机会约束来处理收件量不确定的问题。其次,设计基于遗传算法和自适应大邻域搜索算法的混合启发式算法。最后,通过数值实验表明:所设计的混合算法比传统遗传算法具有较快的收敛速度和较好的求解质量;决策者对随机需求下的优化方案风险接受程度过高或过低都会导致成本上升;随客户收派量之比的增加,快递末端配送成本呈先降低后增高的趋势;采用最近网点返回策略可有效降低企业配送成本。

改进烟花算法求解同时送取货选址路径问题

针对同时送取货的选址路径问题(Location-routing Problem with Simultaneous Pickup and Delivery,LRPSPD),设计一种改进烟花算法(Improved Firework Algorithm,IFWA)求解。首先,考虑仓库建设、车辆启用、车辆路径等成本因素,建立最小成本的LRPSPD模型,该模型强调需求点的送货需求和取货需求只能由一辆车同时进行服务。其次,设计一种改进烟花算法,该算法结合贪心聚类算法生成初始解,由烟花爆炸算子操作生成邻域解,利用变异操作协助产生新种群。最后,通过使用混合免疫算法、模拟退火算法求解相同算例,对结果进行分析比较,验证模型的可行性和改进算法的有效性。

贪心免疫优化算法求解带时间窗的冷链物流选址路径问题

文章针对冷链物流选址路径问题,提出了一种贪心免疫优化算法。首先,建立了考虑物流时间窗约束的选址路径模型,以最小化选址成本、车辆启用成本和运输成本为目标。其次,设计了贪心免疫优化算法来解决该问题。该算法使用六层抗体编码方法,有效提高了抗体突变控制精度和抗体解码效率。通过对初始抗体群体进行贪心预优化,在不压缩丢失抗体突变空间的前提下,提高了初始抗体的适应性。通过对抗体突变方向权值的自适应迭代,提高了算法的优化效率。数值分析结果表明,提出的算法在有时间窗的定位路径问题中具有较好的优化能力,构建的模型可以有效降低定位路径问题的总成本。

基于两阶段算法的低碳冷链物流选址路径问题研究

选址路径问题是将物流网络中的战略战术层面问题共同考虑,是更加全面的研究物流网络。对将选址路径问题加入碳交易的研究并结合冷链物流,构建了具有容量约束的总成本最小模型;后提出用两阶段法求解模型。首先针对顾客以及候选配送中心进行聚类,利用k-means算法进行初步求解并用容量约束进行改进;而后用改进遗传算法,对算法中编码方式和遗传操作设计进行改进。最后进行不同规模的数值实验,证明模型以及算法的有效性,为实际的冷链物流企业提供了重要的决策思路。

改进樽海鞘算法求解带时间窗的应急选址路径问题

目的为使应急物资及时高效地送到灾区,针对多目标应急选址-路径问题,在考虑灾区的时间窗及物资运输过程中道路安全的情况下,以最小化经济成本、最小化时间惩罚成本及最大化道路安全性为目标,构建多目标优化模型。同时,设计改进的樽海鞘算法求解问题,以验证模型的可行性和算法的有效性。方法根据模型的特征对樽海鞘算法进行改进,运用随机生成和贪心算法相结合的方式生成初始解,利用交叉算子和邻域搜索算子改进原始算法的位置更新操作,引入非支配排序遗传算法(NSGA-Ⅱ)的精英保留策略,以提高算法的性能。结果经过多个算例测试,该算法能快速获得一簇Pareto解,与基本樽海鞘算法进行对比后可知,改进后的算法性能更优越。结论对于灾后及时响应的应急选址路径问题,采用改进的樽海鞘算法具有一定优越性,并在多个目标权衡的情况下,可供决策者根据目标的偏好找到较满意的解,对于研究应急选址路径问题具有一定的参考价值。

考虑公众风险的多目标医疗废物选址路径问题及樽海鞘算法求解

针对医疗废物处理中心的选址路径问题,在考虑公众风险的情况下,构建多目标优化模型。首先,分别从政府、公众和处理中心承包商角度出发,构建了以运营成本、风险成本以及运输成本最小化的多目标选址路径模型;其次,针对所构建模型的特点,设计了一种改进的多目标樽海鞘算法对模型进行求解;最后,以四川省成都市的医疗废物处理中心的规划项目为例,对构建的模型和算法进行验证,通过优化结果的对比分析,验证了模型的可行性和算法的有效性。

分布估计灰狼算法求解低碳选址路径问题

针对碳定价背景下的低碳选址路径问题(Low-Carbon Location Routing Problem,LCLRP),首先构建了一种考虑油耗和碳排放成本,并以最小化设施选址成本、车辆启用成本以及运输成本为目标的选址-路径模型;其次,根据模型的特征,设计了一种分布估计灰狼算法(Grey Wolf Optimizer with Estimation of Distribution Algorithms,GWOEDA)对其进行求解。算法利用概率模型引导灰狼,并利用多父代交叉和两种邻域搜索算子增强了算法的全局搜索与局部搜索性能。算例分析结果表明:加入概率模型学习能力的灰狼算法在选址路径问题上有更好的寻优能力,并且在碳定价背景下,所构建的模型可以有效降低总成本和碳排放量。

考虑动态能耗的无人机配送选址路径规划研究

随着无人机在城市配送的兴起,在联合配送模式下,配送中心的选址规划及与全自动机场之间的路径规划成为亟待解决的问题之一。根据无人机运营成本、电池能耗和配送中心管理成本构建以最佳综合运营成本和最小能耗为目标的选址-路径模型;基于K-means算法寻找最佳配送中心选址,运用遗传算法对配送路径进行求解;以天津市主城区为例进行模型应用及结果分析。结果表明天津市主城区共需40个配送中心,随着需求点增多,无人机数量和成本增加,总能耗呈波动式上升;分析发现使用载荷3.5~5.0 kg的无人机机型,覆盖范围在3~4 km内的配送中心使得配送效果更优。研究结果为城市无人机配送中心选址、路径规划以及机型选择、服务范围等提供了建设性建议。

面向双层次选址路径问题的多任务强化演化优化方法研究

为提升双层次物流配送中心的选址和运输路径的整体优化性能,将双层物流选址路径问题看成是2个层不同的路径优化任务,提出一种多任务强化演化学习的双层次物流选址路径优化方法。首先,采用强化学习分别估计两层选址-路径问题中的上下节点分配选址概率;然后,设计基于分配概率的多任务交叉策略,并采用多因子演化算法协同优化不同层的物流选址路径,优化双层物流系统的成本。实验结果表明,提出的算法在求解双层物流选址路径优化问题上具有一定的优越性。

服务差异二级选址路径问题及大邻域搜索算法

在电子商务背景下,物流公司为了实现及时交付并缓解交通拥堵,可按照客户不同的服务需求,将其分为自取型和配送型,进而选择开放自助点或配送点对客户进行服务。自助点和配送点作为二级物流设施,配送中心作为一级物流设施,由此形成了二级选址-路径问题。在配送车数量约束、自助点容量约束等限制下,兼顾客户点物品回收,以总物流成本最小为目标,建立考虑服务差异的二级选址-路径问题模型。设计自适应大邻域搜索算法进行求解,通过Nguyen的2E-LRP算例进行测试,更新了1个算例的全球最优解,其余算例达到或接近最优解,平均Gap值在1.22%以内,验证了算法的有效性及良好的收敛性。实际案例模拟分析验证了模型的有效性和适用性,可以为相关物流企业提供决策依据和参考。

考虑多源协同供应网可靠选址路径集成优化问题

针对由多个工厂协同供应的客户需求,企业会在工厂和客户之间构建配送中心以方便订单配送。考虑到这样的三级供应网包含多条运输路径,且每条路径都存在运输中断风险,整个供应网的运输可靠性将面临挑战。为了缓解运输中断对订单配送的影响,有必要研究多源协同供应的三级供应网可靠选址路径集成优化问题。在有限的设施(工厂、配送中心)能力下,提出了运作成本和运输可靠性的两目标选址路径模型,并设计NSGA-II求解模型。以北京和天津为中心构建三级供应网作为算例,确定最优设施位置和配送方案,验证模型的有效性。对运输中断概率进行灵敏度分析表明,整体小幅度增加候选路径中断概率会大幅度降低整个网络的运输可靠性,且工厂到配送中心的路径是影响可靠性大幅降低的决定路径。

考虑逆向物流第三方配送的选址路径问题研究

针对电子商务退货的大量产生,提出一种送取一体化的配送方式,第三方物流和自建物流结合的逆向物流配送策略。选址和路径问题LRP(Location Routing Problem)成为了很多物流配送企业正在面对和急需解决的难题。为了降低配送方式成本以及提高客户满意度,利用改进的遗传算法,首先在自建物流成本中加入时间窗惩罚函数,偏远地区的配送采用第三方物流配送方式,建立送取货为一体的逆向物流选址路径模型;然后针对问题的复杂性设计一种改进的遗传算法对模型进行求解,采用时间分布思想初始化种群,引入局部搜索算法,设计自适应的改进遗传算法;最后采用实验进行数据分析,通过物流成本的降低、运行时间的减少、运行效率的提高等数据验证了模型的可行性以及算法的有效性。

同时送取货选址路径问题及混合免疫算法

研究了同时送取货的选址路径问题(location-routing problem with simultaneous pickup and delivery,LRPSPD),在同时送取货问题中,每个客户都有送货需求和取货需求,并且两种需求需要同时进行服务。在此条件下,建立了以仓库的选址成本、车辆启用成本及运输成本等目标和最小的选址路径模型;针对该模型的特点,设计改进了一种混合免疫优化算法(hybrid immune algorithm,HIA)对该问题进行求解,运用贪心聚类算法生成初始解,利用原始免疫算法对抗体进行评价排序,由邻域搜索操作改进原始算法的免疫操作。最后,通过使用混合免疫优化算法与原始免疫优化算法、模拟退火算法、蚁群算法分别对案例进行求解和对比分析,验证了提出模型的可行性和算法的有效性。

带模糊需求的开放式选址路径问题的混合离散蘑菇繁殖算法

针对带限制的开放性选址路径问题的研究,考虑模糊需求的条件下,以仓库选址成本、车辆行驶距离成本、机会损失成本、额外距离等目标之和最小化的要求建立数学模型。通过对蘑菇繁殖算法的改进,使用部分映射交叉和路径重连算法代替原算法中父代更新方式;在邻域搜索部分使用概率法进行邻域选择;使用随机模拟程序对设计好的路径进行模拟,计算因服务失败而产生的额外行驶距离与机会损失成本。在保留算法原有特性的情况下使其成功应用于组合优化问题;通过一系列算例测试与对比,验证了模型的正确性与有效性以及混合离散蘑菇繁殖算法的计算效率和优化能力。

带时间窗同时送取货选址路径问题及其烟花算法求解

随着电子商务的飞速发展以及互联网的普及,退换货更加便捷,因此客户对商品的需求呈现出时效性、多品种、小批量、退换货等特点。针对有容量的同时送取货选址路径问题(LRPSPD),同时考虑客户多样性需求的特点,建立了带时间窗的同时送取货选址路径问题(LRPSPDTW)的数学模型。使用改进烟花算法(IFWA)对模型进行求解,对烟花爆炸和变异进行相应的邻域操作,并用一些基准LRPSPD算例来评估烟花算法的性能。通过大量的数值实验验证了所提模型和算法的正确性和有效性。实验结果表明,相较于分支切割算法(B&C),IFWA得到的结果与标准解的平均误差缩小了0.33个百分点。所提算法缩短了寻求最优解的时间,为解决选址路径相关问题提供了一种新的解决思路。

基于同时送取货电动车选址路径问题优化研究

针对电动汽车同时送取货问题,在考虑车辆容量与电量约束情况下,建立以总成本最低为目标的数学模型并通过模拟退火-蚁群算法对模型进行求解。首先,根据实际配送过程中出现的同时送取货约束和时间窗约束建立其选址路径数学模型;其次,通过加入回火操作和高斯变异设计了改进的混合模拟退火-蚁群优化算法对模型求解,并将提出的算法与蚁群算法、禁忌搜索算法以及自适应大领域搜索算法进行对比,证明算法优越性;最后,与送取分离的配送策略进行对比。基于不同规模算例检验算法性能,实验结果表明,提出的算法以及配送策略能得到较低的成本费用。

针对多中心场站下两级选址路径问题的双智能集成算法

两级物流网络的构建一直是城市物流领域中的主要课题,中心场站和枢纽点的辐射范围、枢纽点与客户点的对应关系以及配送路径问题一直是两级物流网络的难点.为解决这一系列问题,提出一种基于多中心场站选址路径问题的数学规划,并在拥有两阶段算子的自适应大邻域搜索算法、模拟退火算法的基础上,提出一种双智能集成算法.在两级结构中,使用两阶段算子的自适应大邻域搜索算法解决了每一级节点分配问题后,使用模拟退火算法求解了每一个主节点与其子节点形成内循环的遍历序列——仅考虑内循环为旅行商问题的情况,两级车辆路径问题与节点分配问题的耦合造成其极高的复杂性.最后选取不同量级的数据集对算法性能进行有效性测试,确定算法在一定时限内明显优于数学规划与部分现有的启发式算法,实验结果还说明了枢纽点数量与总成本之间存在一定的效益悖反.

选址路径问题及其优化算法综述

本文叙述了物流系统中选址运输路径安排问题(LRP)的含义、发展历程,重点阐述了求解LRP优化算法的机制,并对LRP的未来研究方向作了分析。