基于统计步长PSO算法的烟草配送线路优化方案研究

烟草配送线路优化问题是烟草行业物流层面的重点问题之一。微粒群算法(Particle Swarm Optimization,简称PSO)是一种利用群体智能的随机全局优化方法,广泛应用于路径寻优、函数优化等领域。为了提高PSO算法的全局搜索能力,本文在标准PSO算法的基础上,定义了一种基于统计步长的微粒群算法:针对PSO算法易出现局部极值问题,引入惯性权重因子进行改进;针对PSO算法中加速步长为常量值而不符合实际情况的问题,定义了基于统计的加速步长进化方程。实践证明,本文研究的算法应用于烟草配送线路优化方案中,可以大大节约运输里程及运输成本。

考虑顾客满意度的“最后一公里”配送方案研究

在互联网普及率稳步上涨、消费水平日益增长的背景下,网购为我国消费市场注入了不少动力,但电商物流“最后一公里”配送暴露出的一系列问题已成为物流行业健康、高效、经济发展中所面临的难点和痛点。随着网购人数和商品需求量的日益增加,顾客对货物的配送效率和质量的要求也随之提高。基于此,在顾客满意度的基础下,从安全性、响应性、便捷性、专业性4个衡量指标分析顾客满意程度,研究其对“最后一公里”配送方案设计的影响,深入探析传统配送模式存在的不足,并提出相应的解决措施和优化方案。

带三维装载和一对一取送约束的车辆路径优化研究

本文提出了三维装载约束下一对一取送货车辆路径问题的优化方法;引入货物后进先出、易碎性、稳定性、装载重心等约束,建立以路径长度最小为目标的货物配送方案混合整数规划模型;设计了以分组遗传算法(grouping genetic algorithm,GGA)为框架的混合算法(tree searchgrouping genetic algorithm,TS-GGA)。GGA作为外层算法通过遗传操作优化车辆路径。针对路径上客户的货物,内层算法树搜索(tree search,TS)尝试构建满足装载约束的布局方案,检验优化后的路径合法性。考虑取货点、送货点的3种分布特征,对每一特征下的配送方案进行了优化。54个算例的计算结果表明,与目前关于该问题的算法相比,提出的混合算法在有效降低路径长度的同时,整体提升了装载空间利用率,对于客户数量较多的大规模算例,平均求解用时缩短了58.87 s,验证了算法的求解效率。