近似动态规划求解随机需求分批配送车辆路径问题

本文针对现实生活中固体废弃物收集等需求随机的分批配送车辆路径问题,建立双层马尔科夫决策模型,使用基于动态分区的全局修正策略和基于部分重优化算法的近似动态规划进行求解。通过算例测试和分析表明模型和算法的有效性。得到以下结论:1)SDVRPSD的最优解中车辆数略高于最小期望车辆数的1.2倍,接近使用进化算法得到的最优解中的车辆数,这两者平均约相差0.6辆。2)与静态分区相比,动态分区以花费较多时间为代价,能显著提升服务范围、降低服务费用,并增加分批配送点数量。3)算法最优解与使用固定路径算法得到的初始解相比,期望服务需求量平均提高约2.6%,期望行驶费用平均降低约1.9%;分批配送点数平均多2.5个。

基于遗传算法的南阳顺丰速运配送路径优化

以南阳顺丰宛城集散点为例,分别运用节约里程法和遗传算法进行系统研究,分别得出各自优化后的配送方案,然后通过实际数据对比分析验证了基于遗传算法的配送路径优化的有效性。

多配送中心车辆路径安排问题混合蚁群算法

经典蚁群算法不能直接用于求解多配送中心车辆路径安排问题(Multiple Depot Vehicle Routing Problem,MDVRP),为了解决这一问题,设计了蚂蚁转移策略和可行解构造方法。蚂蚁转移时,先为蚂蚁指定暂时配送中心,在转移过程中当遇到配送中心时,再确定永久配送中心。蚁群构造路径结束后,在满足车辆数和容量限制的条件下,随机选择优化后的若干只蚂蚁遍历路径,基于"节约最小"、"增加最小"和"就近插入"的原则,删除重复需求点并插入缺少的需求点,使之成为可行解。为了提高算法的性能,引入了K邻域规则限制蚂蚁的转移目标,使用2-Opt方法优化蚁群遍历路径和可行解,并设计了信息素更新方法。对标准测试数据集的测试表明,算法有效求解了MDVRP。

多车型单配送中心混合装卸车辆路径问题研究

针对客户多样化和个性化的需求,建立多车型、多约束条件的集货和配送车辆调度模型,并提出了混合遗传算法求解.首先,采用自然数编码,可以使问题变得更简洁;用最佳保留选择法,以保证群体的多样性;用改进的顺序交叉算子保证算法能够收敛到全局最优;引入2-交换变异策略,并结合爬山算法,加强染色体的局部搜索能力;其次,对遗传算法求得的精英种群再进行禁忌搜索.实例计算表明本算法均优于遗传算法和禁忌搜索算法.

一体化集货和配送车辆路径问题的混合遗传启发式算法

为满足电子商务客户多样化和个性化的需求,建立多约束条件的一体化集货和配送车辆调度模型。针对模型特点,采用混合遗传启发式算法求解。首先,采用自然数编码,可以使问题变得更简洁;用最佳保留选择法,以保证群体的多样性;用改进的顺序交叉算子避免优良基因片断在顺序交叉时被破坏,保证算法能够收敛到全局最优;其次,对混合遗传算法求得的精英种群进行禁忌搜索求解。通过实例计算表明,该算法好于单独使用遗传算法或是禁忌搜索算法。

分批配送的有时间窗车辆路径问题的遗传算法

给出了分批配送的有时间窗车辆路径问题(BVRPTM)的数学模型。通过引入改进的路径可行化方法和MRC交叉算子,构造了一种适于求解BVRPTM的遗传算法。实验结果表明,该算法能有效地解决BVRPTM,并取得了较好的优化结果。

基于Spark和PSO算法的军事物流配送路径优化问题研究

军事物流配送路径优化问题是研究如何在保证各个部队所需物资的前提下,各配送车辆总行驶路径最短的问题。利用粒子群优化(Particle Swarm Optimization,PSO)算法解决该类问题时,随着部队数量的增加,程序运行时间会显著增加。考虑到PSO算法迭代计算的特点,本文提出一种在Spark集群上并行运行PSO算法的解决方案。实验证明,利用Spark集群并行运行PSO算法能够大幅降低程序运行时间,提高解决军事物流配送路径优化问题的效率。

基于自适应变异粒子群算法的物流配送路径优化

物流配送路径优化问题是一类实用价值很高的NP组合问题,针对传统启发式优化算法搜索速度慢、易陷入局部最优解的缺点,本文提出了一种自适应变异粒子群算法,该算法在迭代过程中加入了变异操作,根据群体适应度方差调整变异概率的大小,并通过调整惯性权重因子来增强算法跳出局部最优的能力.本文将自适应变异粒子群算法应用于物流配送路径问题优化,建立数学模型,介绍该算法的详细实现过程.将该算法通过和遗传算法、混合蚁群算法和标准粒子群算法进行比较,证明了其搜索速度和寻优能力的优越性.

基于智能混合算法的车辆配送路径优化

为提高车辆配送效率,节约配送成本,建立了以配送路径和成本综合最优为目标的车辆配送路径问题数学模型.设计并实现了一种智能混合算法,首先利用具有自适应交叉率和变异率的改进遗传算法生成全局较优解,再将较优解转换为初始信息素进行蚁群算法,并结合2-opt算法对解进一步迭代优化,最终获得了车辆最优配送路径.实验结果表明,该算法优化后的目标值比蚁群算法减少了15.0%,比遗传算法减少了10.4%,验证了该算法的有效性和优越性.

基于离散多元宇宙算法求解车辆路径问题

针对现实生活中车辆配送的实际情况以及客户对服务时间的具体要求,该文提出了一种离散多元宇宙算法来求解在模糊时间窗约束下的多配送中心车辆路径问题(MDVRPFTW)。以总成本最低、顾客满意度最大为多目标函数,针对MDVRPFTW构建出相应的数学模型。该算法在传统多元宇宙算法基础上,重新定义了在离散车辆路径问题下的更新策略。实验结果表明,该算法能更好地解决在模糊时间窗约束下的多配送中心车辆路径问题,优于其他几种对比算法,具有较强的寻优能力和应用价值。

基于改进蚁群算法物流配送路径优化的研究

针对物流配送路径优化问题的特点,提出利用蚁群算法建立数学模型,并对蚁群算法进行了改进。通过局部优化的处理,加快了改进后算法的收敛速度,并提高了全局搜索能力;对信息素的更新方式加以改进,进而提高了蚁群算法的自适应性,使得算法在执行过程中可以根据收敛和进展情况,相应地调整信息残留程度,从而进一步提高收敛速度或全局搜索能力。通过实例计算验证,使用改进后的蚁群算法优化物流配送路径,能够快速并有效地求得问题的最优解。

混合蚁群算法的实况路网低碳冷链路径优化

针对市区内交通车速变化频繁、备选路径多的特点,传统算法选择路径时计算量大导致无法有效收敛,提出一种蚁群与Dijkstra混合算法进行求解。首先利用高德地图API获取市区主要交通道路及其在不同时刻的车速,并运用BP神经网络对车速进行预测。在此基础上,综合考虑固定成本、时间变动成本、路程变动成本、时间窗惩罚成本及碳成本,以总成本最低为目标函数,利用贪心规则的Dijkstra算法搜索路径,通过不断调整蚁群算法留下的信息素来调整道路运输成本,建立修正成本地图,在路况发生变动时通过调用地图提高二次搜索速度,并使用Python编程进行验证。实例证明,混合算法结合了蚁群算法正反馈的特性以及Dijkstra算法全局搜索能力强的特点,缩短了应对路况变化所需的时间,并能有效根据当前交通实况规划出合理路径。

有时间窗车辆路径问题的捕食搜索算法

有时间窗车辆路径问题是当前物流配送系统研究中的热点问题,该问题具有NP难性质,难以求得最优解或满意解.在建立有时间窗车辆路径问题数学模型的基础上,设计了一种模仿动物捕食策略的捕食搜索算法.该算法利用控制搜索空间的限制大小来实现算法的局域搜索和全局搜索,具有良好的局部集中搜索和跳出局部最优的能力.通过实例计算,并与相关启发式算法比较,取得了满意的结果.

带时间窗的低碳车辆配送路径优化研究

针对当前环境问题日益严峻,低碳车辆配送路径优化在减少碳排放方面有着重要意义。在以往的车辆配送路径问题中只考虑经济成本最小而忽略了碳排放。本文首先将碳排放转化为碳排放成本,构建了总成本最小的目标优化模型,其次采用蚁群算法对优化模型进行求解,最后通过算例验证了模型的有效性,为减少车辆碳排放提供参考和决策支持。

应急物流的分批配送模型及亚启发式算法求解

提出分批配送的应急物流模型,将救援物资配送归结为三个目标:供需差异最小化,配送时间最短化,各灾点失衡度最低化;通过加权求和兼顾救援的紧迫性、动态性和公平性,将各灾点总需求分为三个周期由多车分批予以满足。(a)改进遗传算法:设计染色体编码规则,将单个周期内的路径选择-配送方案映射为基因序列;(b)设计蚁群-遗传混合算法,由蚁群搜索生成初始种群,再做遗传寻优。数值仿真结果显示,单纯遗传、蚁群及混合算法均可有效求解模型,但混合算法效果更优,收敛更快。

求解VRPSDP问题的改进模拟退火遗传算法

配送和回收一体化的车辆路径问题(VRPSDP)是一种非常复杂的NP难题。针对这一问题,设计了一种改进的模拟退火遗传算法ISAGA,采用非零自然数编码机制和弱可行解到强可行解的解码机制,将3PM交叉算子和退火选择相结合,形成贪心3PM交叉算子,引进insert、swap和2-opt分别对解进行迭代优化,并将模拟退火算法和遗传算法巧妙地结合,使得遗传算法在前期发挥着全局搜索的强大功能;后期用模拟退火算法来处理遗传算法前期的全局较优解,充分利用模拟退火算法后期局部搜索的强大功能。经过国际公认的测试算例验证,ISAGA算法在Min算例、Salhi和Nagy算例中均找到了比现有算法已知最好解更优的解。

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。

基于绿色评价的冷链物流车辆路径优化

针对冷链物流配送的车辆路径问题,在多种冷藏车辆、多配送中心和多商品种类的情况下,考虑车辆的经济性、绿色与可持续性,以配送总成本与配送车辆评价最优为目标构建冷链物流车辆路径优化模型,建立由社会环境、经济性和质量3个维度构成的车辆评价指标体系,并构建基于α-水平截集的模糊TOPSIS模型对冷藏车辆进行评价,得到综合考虑下的车辆评价值.在车辆评价结果的基础上,建立相应的冷链物流车辆路径优化模型并设计遗传算法,求解得到分批到货下的车辆配送路径.实验部分对大连市地利生鲜商品配送的算例进行求解,并与不考虑车辆评价的优化模型及未分批到货的优化模型进行对比.实验结果验证了分批到货的配送模式能够有效降低配送成本,考虑车辆评价因素会增加配送成本,同时通过增加车辆评价权重能够有效提升配送车队的绿色与可持续性.

行驶时间和服务时间随机的集配货一体的分批配送车辆路径优化

将铁路物流中心集配货路径问题抽象为行驶时间和服务时间随机的集送货一体的分批配送车辆路径问题进行优化.根据问题特点建立带修正的随机规划模型,对迭代局部搜索算法进行改进,设计允许分批配送的初始解构造算法、局部搜索算法和扰动机制.算例测试证实:分批配送在中等规模和大规模算例中能发挥较好的作用,大部分中等规模和大规模算例都比不允许分批配送时所得到的解更优,部分中等规模和大规模算例车辆数有所减少;配送点数随着算例规模的扩大而增加,但是配送点数占顾客点数的比例却逐步降低;随机因素随机性增加将导致目标函数增大,对分批配送点数的影响不大.

考虑企业服务质量差异的协作配送问题及成本分摊方法研究

传统协作配送成本分摊假设所有联盟企业的服务质量无差异,以边际贡献作为分摊依据,但实际协作过程中企业间服务质量具有差异性.基于此,本文首先提出包含关系绩效、运营绩效、成本绩效及协作绩效四个维度的协作配送服务质量评价层次框架.其次,构建考虑客户时间窗的协作配送车辆路径问题模型,并结合Shapley值法求解规则,提出成本分摊结果调整思路.最后,通过数值实验对调整思路的有效性进行验证.实验结果表明:1)根据实际数据测算,若顺丰、中通、圆通、申通四家企业协作,忽略企业间服务质量差异会造成16.38%左右的成本偏差;2)车辆投入量、准时送达率及价格水平在协作配送服务质量评价中尤为重要;3)为规避服务质量差距造成的惩罚,联盟成员会倾向于提高服务水准,缩小成员间差距,最终实现联盟整体服务质量提升.本文提出的成本分摊调整思路能够客观反映企业服务质量差异对分摊成本的影响,实现服务质量较高的企业获得更多的成本节约,服务质量较低的企业承担相应惩罚,有助于实现分摊公平,并可达到激励成员提高服务质量的目的.