考虑软时间窗的同时送取货随机旅行时间车辆路径问题

考虑车辆总旅行时间约束和车辆载重限制以及客户对服务时间窗的要求,研究带有软时间窗的同时送取货随机旅行时间车辆路径问题(STT‒VRPSPD),建立机会约束规划模型。将禁忌搜索算法与分散搜索算法相结合,构建混合分散禁忌搜索(HSTS)算法,并采用C‒W节约算法生成初始解。基于经典的Dethloff算例和Solomon时间窗生成方法,分别生成包括50个客户、200个客户各20组算例,算例测试结果验证了混合分散禁忌搜索算法的有效性。

随机旅行时间车辆路径问题的模型及其算法

随机旅行时间的车辆路径问题在实际中经常会出现,然而由于问题本身的难度以及人们重视不足,目前对该问题的研究还很少.文章在Laporte等的研究基础上,提出了一个考虑车辆容量的机会约束模型,并构造了求解该模型的遗传算法.

随机旅行时间局内车辆路径问题的模型及其算法

人们在生活中会经常遇到随机旅行时间的局内车辆路径问题,如现实物流配送中的交通堵塞现象。文章在Laporte等的研究基础上,提出了一个考虑堵塞点动态产生、一个个遇到,堵塞时间为随机变量的模型,并构造了求解该模型的算法。

求解随机旅行时间的C-VRP问题的混合遗传算法

现实中,行驶在道路上的车辆由于车流量等因素导致车辆通过时间随着时间的变化而波动较大。因此,标准车辆路径问题中关于车辆在道路上的行驶速度或通过时间恒定的假设前提通常不能得到满足。以标准的带容量约束的车辆路径问题为基准,研究当道路的通过时间随着时间的变化而变化,并综合考虑行驶距离、行驶时间等多项目标下车队的最佳路线安排。为了求解所提出的扩展问题,设计了一个模拟退火与遗传算法相结合的多目标混合遗传算法,用于计算得到研究问题的最优Pareto集合。通过对多个基准问题的算法测试,验证了算法的有效性。

随机旅行时间的外卖O2O配送车辆路径问题

外卖O2O(Online to Offline)是一种典型的移动互联网商业模式。入驻外卖O2O平台的餐饮企业为增强顾客的配送满意度,需要对其配送服务进行规划设计。文章研究外卖O2O平台上饮食类供应商外卖配送中的车辆路径问题(VRP),通过对外卖配送特点的深入分析,采用模拟方法实现了随机旅行时间分布的准确刻画,以最大化顾客满意度为目标,综合考虑配送过程中的约束要求,建立了随机旅行时间的带顾客需求时间窗的VRP问题的数学模型。基于上海市徐汇区某入驻外卖O2O企业配送服务的算例,利用遗传算法完成求解。结果显示本文算法可以有效计算出响应顾客需求的最优车辆路径,分析了顾客完全满意度区间大小、顾客满意度敏感性以及配送车辆数量等因素对配送方案总体满意度水平的影响,提出了提高外卖O2O配送满意度的建议。并针对外卖O2O商户自负配送模式进行了研究,可为外卖O2O平台上饮食类供应商改善配送和提升顾客满意度提供决策支持。

随机旅行时间旅游路线优化模型及其算法

在旅游城市内部空间尺度,针对城市交通网络中旅行时间不确定的旅游路线优化问题,以旅游出行效用和旅游活动效用组成的旅游体验效用最大化为目标,考虑旅游景点服务时间、旅游时间和费用约束,建立旅游路线优化模型,设计内嵌随机模拟方法的蚁群求解算法。由对给定的旅游交通网络的优化求解结果可知,该模型及其求解算法是可行的,所得的优化路线符合旅游者出游的实际情况,对于旅游路线优化具有一定的参考价值。

考虑随机旅行时间与二维装载约束的越库配送车辆路径优化

面向越库配送模式下二维装载和车辆路径联合优化,考虑现实配送过程的不确定性因素,提出考虑随机旅行时间和二维装载约束的越库配送车辆路径问题.基于蒙特卡洛模拟与场景分析方法,建立以运输成本、车辆固定成本以及时间窗期望惩罚成本之和最小化为目标的带修正随机规划模型.继而根据问题特征,设计改进的自适应禁忌搜索算法和基于禁忌搜索的多重排序最佳适应装箱算法进行求解.其中,改进的自适应禁忌搜索算法在禁忌搜索算法的基础上引入自适应机制,对不同邻域算子进行动态选择,并提出基于移除-修复策略的多样性机制以增强算法的寻优能力.数值实验表明,所提出的模型与方法能够有效求解考虑随机旅行时间和二维装载约束的越库配送车辆路径问题,自适应与多样性机制能一定程度上增强算法的全局搜索能力.

同时送取货的随机旅行时间车辆路径问题方法

建立了同时送取货的随机旅行时间车辆路径问题(STT-VRPSPD)的机会约束规划模型,构建了分散搜索算法求解策略.分散搜索算法中,针对STT-VRPSPD问题的复杂特性,构造了解的改进策略、组合策略,并采用改进的节约算法构造分散搜索算法初始解,从而使文中设计的分散搜索算法更加适应STT-VRPSPD问题特有的负载波动性.仿真实验中,首先对分散搜索算法的参数设置进行分析,确定了最优参数组合;然后基于经典的Dethloff算例数据,构造了STT-VRPSPD的测试算例,并对分散搜索算法和遗传算法进行了对比分析,结果表明,分散搜索算法对于STT-VRPSPD的求解质量优于遗传算法.

随机旅行时间的区域公交车调度模型及算法

研究一类随机旅行时间的区域公交车辆调度问题,将该问题看作为"部分班次被一辆车完成"的集合划分问题,考虑不同车场容量和补充燃料等约束因素,建立以营运费用最小为目标的机会约束规划数学模型。将该模型转化为一类确定性数学模型,设计求解该问题的改进遗传算法,根据问题特征定义染色体编码、产生初始种群的启发式算法、交叉和变异操作等。最后,通过一个算例验证了模型和算法的正确性。

随机旅行时间的车辆路径问题及其可靠度评价

客户"准时达"要求使车辆配送可靠度成为新的研究方向,而城市道路拥堵增加了其研究难度.因此,考虑交通拥堵对车辆行驶时间的影响,建立基于时变的随机旅行时间车辆路径模型,同时引入可靠度评价模型以评估车辆行程的可靠性,并设计混合模拟退火算法对模型进行求解.最后结合重庆某超市案例给出详细配送方案和路径可靠度,实验结果证明了模型的有效性.

不确定需求和旅行时间下的车辆路径问题

针对一类不确定需求和旅行时间下的随机车辆路径问题,建立了一个随机规划模型,提出了一种带有自适应机制的改进遗传算法。该算法引入自适应选择机制,采用了新的交叉算子。选取两种不同规模的随机车辆调度问题,分别采用该算法和基于边重组的改进遗传算法进行求解,并通过对计算结果进行对比分析,分别针对自适应选择机制和新的交叉算子做了讨论。结果表明,所提算法不仅取得了更好的优化结果,而且具有更快的收敛速度。

考虑客户分类的随机时间车辆路径优化模型与算法

针对一类考虑客户分类、随机旅行时间、随机服务时间及时间窗约束的车辆路径问题构建了机会约束规划模型,该模型考虑两类客户(普通客户与优质客户),并通过添加机会约束条件确保优质客户获得准时服务的概率。同时,设计了变邻域迭代局部搜索算法,并给出了一种基于最小等待时间的初始解生成启发式规则。基于Solomon算例进行了多组仿真实验。仿真实验结果表明,所设计生成初始解的启发式规则是有效的;所给算法能够在短时间内找到确定问题和随机问题的近似最优解;客户比与车辆使用数目呈正相关关系。研究结果对解决资源有限条件下克服随机不确定性因素带来的不利影响、保证客户服务水平等问题有一定的参考意义。

基于混合修正策略的随机时间车辆路径优化方法

针对带有随机旅行时间、随机服务时间及时间窗约束的车辆路径问题,建立了带修正策略的随机规划模型,并给出了两阶段求解方法。第一阶段运用改进遗传算法获取先验路径,第二阶段采用两种混合修正策略(分别记为A、B)调整“失败”的先验路径。混合修正策略A(B)通过随机模拟实验判断对当前顾客的延迟服务(对下一顾客的服务)是否会对该路径后续顾客造成大规模延迟服务,并采取相应的调整措施。基于Solomon算例进行了仿真实验,对小规模算例将仿真结果同CPLEX求解结果作对比;对大规模算例将仿真结果同已知最优解作对比。结果表明:所给算法可获得小规模算例的精确解,大规模算例的近似最优解。同时,对比不同策略下的仿真结果表明两种混合修正策略具有优越性,研究结果对随机车辆路径问题的求解具有一定的参考意义。

带时间窗和随机时间车辆路径问题:模型和算法

研究带随机车辆旅行时间、服务时间以及时间窗的车辆路径问题.根据不同的优化目标,首先给出了问题的两种数学模型描述:机会约束规划和带修正的随机规划模型.为了有效地求解该问题,提出了基于禁忌搜索的启发式算法,该算法考虑了问题的随机特性.在实验部分,首先给出了产生测试问题的方法,然后基于产生的测试问题给出了算法的计算结果.

考虑失效路段恢复的动态应急资源车辆调度模型

重大灾害救援中,应急资源车辆调度时常因某些道路毁损(通行功能失效)而绕行,相对延长了调度时间。基于现实可行性和必要性,将抢修失效路段与资源调度联为二级递阶系统,并考虑车辆行驶时间的动态性,建立了数学模型,同步规划道路恢复和车辆路径,为有效提升救援效率提供了新的途径。设计了双层基于启发式算法的求解策略,作为模型的直接应用和说明,最后的算例验证了模型和算法的合理性和可行性。

基于资源-时延转换的应急资源配送模型

考虑灾后抢修失效路段对路网连通性的影响,以最大化应急资源配送效益为目标,基于资源-时延转换的思路,引入时延的随机性,构建了路网、路径联合优化模型。基于模型整体框架,设计了改进的遗传算法用于求解问题。算例分析展现了模型的实际应用过程和求解算法的有效性。