基于深度强化学习的物流车队配送路径规划及库内分拣作业路径优化研究

本文旨在利用深度强化学习(DRL)算法对物流车队配送路径规划及库内分拣作业路径进行优化。并通过对比实验,评估深度强化学习模型在解决物流配送路径规划和库内分拣作业路径优化问题中的性能和效果。

应对公共卫生事件救援的江苏邮政应急物资配送路径规划研究

为了在发生突发公共卫生事件时提高江苏邮政寄递系统的应急救援效率,在分析邮政系统物资配送和公共卫生事件救援特点基础上,提出由拥挤程度、经停的邮政支局所数量、行驶时间、卡口数量、行驶距离和应急物资需求紧迫度等影响因素构成的路径评价指标体系。然后利用层次分析法和灰色系统理论构建了路径选择的灰色评价模型。最后通过对算例的计算求解进一步验证模型效果。

考虑充电调度的电动无人车配送路径规划问题研究

在充电站有充电容量约束的情况下,研究充电调度电动无人车配送路径规划问题。首先以极小化车队中电动无人车的最大行驶距离为目标,构建数学规划模型,为电动无人车车队安排配送路径,使得各车的行驶距离尽可能均衡;其次应用动态规划算法(Dynamic programming algorithm,DP)求解小规模算例,改进遗传-模拟退火算法(Genetic-simulated annealing algorithm,GA-SA)优化较大规模算例的电动无人车路径和充电策略;最后对相关因素进行灵敏度分析,以验证所提出算法的可行性与合理性。结果表明:DP算法解小规模算例表现良好;改进GA-SA算法与单纯遗传算法(Genetic algorithm,GA)相比,求解大规模算例时优化的路径效果更佳,且大大缩短电动无人车车队的最长子路径的长度和总行驶距离。该研究可以为物流公司的电动无人车配送业务发展提供参考,帮助企业提高电动无人车的运输效率和服务水平,降低配送成本。

带时间窗的汽车总装线物料配送路径规划

分析了现阶段汽车总装线物料配送中存在的问题,建立了适用于汽车总装线物料配送路径规划的混合时间窗模型,提出了解决带时间窗的汽车总装线物料配送路径优化问题的改进遗传算法,使用了一种新的染色体编码方式和与之对应的交叉算子。针对传统轮盘赌随机操作选择误差比较大的弊端,提出改进的轮盘赌选择算子,加大随机数的产生次数并加入排序选择的思想,融合了最佳个体保存选择策略,提高算子的选优性能。实验表明该算法用于求解带时间窗的汽车总装线物料配送路径问题的有效性。

依订单拆分的多自动导引车物料配送路径规划

为了提升作业效率、降低配送成本,分析了多自动导引车物料配送路径规划问题,将其归结为一种带软时间窗的需求依订单拆分车辆路径问题。以使用自动导引车数目最少、行驶费用和时间窗偏离费用最低分别作为第一、第二优化目标,结合最大路长、载重、需求依订单拆分及时间窗满足率限制,建立了相应的数学模型,并设计了一种自适应禁忌搜索算法求解该问题。为了增强禁忌搜索能力,在算法中嵌入了自适应性、随机禁忌长度和禁忌表重新初始化策略。给出了自适应禁忌搜索算法对Solomn测试算例的求解结果,并与文献中的其他方法进行比较,结果表明该算法在自动导引车使用数和行驶费用方面都有较多节省,且达到或接近已知最好解,体现了该算法的有效性。

基于GIS的区域商贸物流配送路径规划研究

经济全球化迅速发展,国际间商贸往来日益频繁,国内外商贸物流市场都表现出巨大的潜力,区域商贸物流的需求也进一步扩大。而配送是区域商贸物流的重要组成部分,如何规划区域商贸物流配送路径成为了区域商贸物流系统规划的重要内容。文中将抽象的LRP即优化问题引入其中,并采用两阶段法构造了区域商贸物流配送路径规划的模型。最后,通过桂林市某连锁超市配送路径规划的案例来验证该模型。

考虑车辆均衡性约束的物流多路径配送仿真

传统物流多路径配送方法缺乏对车辆均衡调度的控制,导致物流服务质量不理想,配送耗时长、成本高。在考虑车辆调度均衡性的情况下,提出新的物流多路径配送方法。通过冗余数据去除和数据噪声抑制步骤,整合物流多路径配送信息。利用GPS定位设备确定调度车辆实时位置,结合多个配送车辆的运行位置和装填。在调度均衡性约束下,规划多条配送路径,结合实际交通状况,选择可行的配送路线,最终完成物流的多路径配送。实验通过与传统方法的对比可得出结论:研究提出的配送方法下车辆调度均衡性更高,平均配送耗时和成本分别降低了28.4min和0.53万元,对于提高物流服务质量起到积极作用。

电子商务环境下配送车辆路径规划方法研究

电子商务环境下的物流配送具有订单多、送货量小、客户位置分散等特点,传统模式下的配送路径选择主要是根据人们的经验而确定,并没有形成一套完整的科学方法。引入运输路径模型,通过数学的方法解决配送中心的物流配送优化问题,通过节约里程法进行求解该问题,并进行了实验计算。计算结果表明,用节约里程法进行物流配送路径优化,可以方便有效地求解到问题的最优解或近似最优解。

低碳视角下考虑配送驾驶员的路径规划研究

环境危机促使物流行业加快了向绿色物流转型的脚步。传统的VRP问题研究过于重视经济成本,忽略社会效益问题及配送主体。基于此,以时间成本、行驶成本和碳排放成本构成的综合成本最小化为目标,构建一个带有驾驶员可靠性参数和动态速度的两阶段VRP模型,并设计一种GA-PSO混合算法对模型进行求解。结果表明,提高配送驾驶员可靠性能有效地降低碳排放成本和客户不满意度,有助于企业的长远发展。

改进遗传算法求解带时间窗的外卖配送车辆路径规划

对带时间窗的外卖配送车辆路径规划问题,必须“先取餐再送餐”的准则制约了遗传算法求解时染色体基因的随机性,对此提出了一种改进遗传算法.首先基于配对互换策略设计了染色体基因修复算子,有效消除了不可行解;然后设计了基于种群平均适应度的自适应交叉和变异策略,使得在遗传进化初期个体适应度低于种群平均适应度时会获得较高的交叉变异概率,提高种群多样性,而在进化后期个体适应度高于种群平均适应度时交叉变异概率快速下降,避免破坏优势个体,保证收敛效果.仿真实验表明,与标准遗传算法和标准蚁群算法相比,改进遗传算法的求解结果和遗传进化效率均更优,算法性能在平均值、方差等方面也明显优于另外两种算法,因此算法改进是有效和实用的.

应急物流的分批配送规划及蚁群优化求解

针对应急物流的特点,建立分批配送车辆路径规划(SDVRP)模型,实现三大目标:(1)未满足需求最少化;(2)总配送时间最短化;(3)各灾点失衡度最低化。以加权求和的方式转化为单一优化目标,分批配送也节约了救援路径数/车辆数。借鉴并改进最大-最小蚁群算法,设定信息素增量的上下限,避免了结果陷入局部最优。给出数值算例,验证了模型和算法的有效性。

“京东派”模式下厦门市软件园三期物流配送网络规划

文中以京东物流的校园渠道项目"京东派"作为研究对象,针对厦门软件园三期区域展开配送站点设计、配送路径规划,通过实地走访、问卷调查、专家打分法、logware物流软件运用等研究方法,提出厦门软件园三期物流配送的网络覆盖方案。

对城市煤炭供应过程中煤炭运输车的路径规划

针对城市煤炭运输过程中多配送站的车辆路径规划问题,须考虑行驶距离和实际装载量对物流配送过程中车辆燃料消耗量和碳排放量的影响。首先,将燃料成本和碳排放成本考虑到总成本中,提出了以最小化物流成本和碳排放量的多目标多配送站车辆路径规划问题,建立了该问题的混合整数规划模型。其次,基于该模型特点,设计了改进的化学反应算法,对问题进行求解。该算法采用两部编码和矩阵编码方式,设计了基于贪婪搜索策略的种群初始化方法,并进一步设计了4种化学反应。最后,通过随机产生数据进行数值实验。实验结果表明:车辆多行驶较短的距离可以降低碳排放量,这为兼顾物流成本和碳排放量的多配送站车辆配送问题提供了方法指导。

人工智能背景下的配送网络优化方法研究

伴随着人工智能的快速发展,在配送领域内无人机得到广泛应用;针对卡车和无人机在配送中的特征,提出卡车与无人机联合配送模式下的路线网络规划问题;在假定该模式具体应用情境的基础上,分别以碳排放量以及配送效率为目标建立路径规划模型,根据模型的特征设计了相应的求解方法;最后通过算例论证联合配送模式的可行性与有效性。

基于禁忌搜索带时间窗与车载约束的配送路线研究

本文的目的是解决车载约束与道路约束下带时间窗的揽送货物线路优化问题。以往研究配送路线缺乏对揽收货物作业和车载约束的考虑,本文基于相关影响因素基础上进行了方法研究与算法设计。首先建立了以运输费用和时间成本最小为目标,以车辆数、载重量、载货容量、最大行驶距离与客户服务时间为约束的多目标优化决策模型,再利用弗洛伊德算法结合道路约束,确定各点间的最短行驶距离与行驶路径,利用0-1整数规划方法确定货车数与规格,最后利用禁忌算法根据揽收货物作业要求、时间成本与运输成本的影响,得到揽货信息影响下的揽送顺序与配送路径,并用实例验证了该方法的有效性。通过该方法可以提升配送中心的揽送货物作业效率,提高配送服务水平。

基于多目标优化的应急设施选址-配送模型

针对频发的突发事件,应急设施选址与配送路径规划对快速开展救援活动、减少事件损失具有重要意义。通过构建基于多目标优化的应急设施选址配送模型,同步解决应急设施选址和配送路径规划问题。模型目标函数包括3个方面:最小化总物资运输时间成本、最大化应急设施设置容量和最小化应急设施设置数量。在此基础上,设计了一种多目标遗传算法,结合快速非支配排序对模型进行求解,以获取最优应急设施选址配送方案。此外,基于苏尔福斯网络进行了案例研究,证实了所提出模型和算法相比于传统方法的有效性与优越性。

基于深度强化学习的多配送中心车辆路径规划

多配送中心车辆路径规划(multi-depot vehicle routing problem,MDVRP)是现阶段供应链应用较为广泛的问题模型,现有算法多采用启发式方法,其求解速度慢且无法保证解的质量,因此研究快速且有效的求解算法具有重要的学术意义和应用价值.以最小化总车辆路径距离为目标,提出一种基于多智能体深度强化学习的求解模型.首先,定义多配送中心车辆路径问题的多智能体强化学习形式,包括状态、动作、回报以及状态转移函数,使模型能够利用多智能体强化学习训练;然后通过对MDVRP的节点邻居及遮掩机制的定义,基于注意力机制设计由多个智能体网络构成的策略网络模型,并利用策略梯度算法进行训练以获得能够快速求解的模型;接着,利用2-opt局部搜索策略和采样搜索策略改进解的质量;最后,通过对不同规模问题仿真实验以及与其他算法进行对比,验证所提出的多智能体深度强化学习模型及其与搜索策略的结合能够快速获得高质量的解.

考虑碳排放的多站配送车辆路径规划问题研究

在考虑行驶距离和实际装载量对物流配送过程中车辆燃料消耗量和碳排放量影响的前提下,研究城市物流配送中多站配送的车辆路径规划问题。首先,将燃料成本和碳排放成本考虑到总成本中,提出以最小化物流成本和行驶距离的多站配送车辆路径规划问题,建立该问题的混合整数规划模型。随后,基于该模型特点,设计改进的化学反应算法对问题进行求解。该算法采用两部编码和矩阵编码方式,设计基于贪婪搜索策略的种群初始化方法,并进一步设计化学反应的四种化学反应。最后,通过随机产生数据进行数值实验,实验结果表明车辆多行驶较短的距离可以降低碳排放量,为兼顾物流成本和碳排放量的多站配送车辆路径规划问题提供方法指导。

农村电商物流资源的优化配置研究--基于供给侧改革视角

作为电子商务的衍生服务,电商物流对支撑农村电商发展、农民就业和服务生产生活等方面起到了较大的促进作用。但从当前实际发展情况来看,大部分地区电商物流发展较为滞后,成了限制农村电商发展"最后一公里"的瓶颈,主要体现在物流企业由于盈利困难而引起的供给缺乏问题。本文从优化物流基础建设和电商物流资源优化配置方面着手,在分析物流发展路径的基础上,建立了考虑企业利润的农村电商物流车辆路径规划模型(VRPSPDP)以及基于Pareto最优的多目标车辆路径规划模型,解决物流资源配置中企业利润最大化、政府补贴策略选择、车辆路径最优化等问题。