基于模糊聚类与车辆协作策略的随机车辆路径问题

以多辆车协作的随机车辆路径问题为研究对象,设计了通用的随机车辆路径问题机会约束模型,提出了大规模随机车辆路径问题的车辆协作策略,并基于该策略与模型设计了求解大规模随机车辆路径问题的混合启发式算法,计算实验结果说明了该算法与策略的有效性与实用性。

不确定车数的随机车辆路径问题模型及算法

研究了一类有时间约束、车辆数量不确定的随机车辆路径问题;建立了该类问题的随机规划数学模型;设计了模型求解的遗传算法、禁忌搜索算法和遗传-禁忌混合算法。禁忌算法采用了对当前解的车辆-顾客分配结构和解的路径顺序分别禁忌的双层禁忌算法,使算法全局性更好,同时也降低了搜索时间。把禁忌算法作为变异算子应用于遗传算法形成了混合算法。最后给出了计算示例,对算法进行了比较分析。

修正固定分区策略下随机需求库存-路径问题的最优策略及其算法

随机需求库存-路径问题(Stochastic Demand Inventory Routing Problem,SDIRP)是典型的NP难题。考虑随机需求环境下,供应链中库存与配送问题的协调优化,是实施供应商管理库存策略的关键所在。对经典固定分区策略(Fixed Partition Policy,FPP)中分区内所有客户必须同时接受配送的基本假设进行了改进,提出了一种分区内按客户需求进行配送的修正FPP策略。首先根据不同分区方案对客户的配送及库存成本的影响给出了一种基于C-W节约法的客户分区算法,并证明了修正FPP策略下各客户任意阶段的最优库存策略形式。进而,设计了求解修正FPP策略下SDIRP问题最优策略的算法。最后,通过数值算例验证了算法的有效性,同时对修正FPP策略的适用性进行了分析。

道路养护中的带随机时间变量的弧路径规划问题

研究高速路网日常维护中的养护车辆路径优化问题,考虑车辆养护服务时间和移动时间的不确定性,通过科学的规划手段和精确有效的决策方法,可以减少以前依赖人工决策导致的资源浪费。将问题定义为一个带随机时间变量的限容量弧路径规划问题,分别使用机会约束规划模型和带修正的随机规划模型进行描述。针对问题的随机性,提出自适应大规模邻域搜索算法,在优化过程中根据各个删除策略和插入策略对解的表现对其进行评分,根据轮盘赌原则自适应地选择删除策略和插入策略。与分支切割算法进行比较,解的差距只有1.45%~3.15%,但计算时间有显著提升,证明了自适应大规模邻域搜索算法的有效性,能够适用于中大规模问题。通过真实路网算例,显示了带修正的随机规划模型在特定情况下相对于机会约束规划模型的优越性。还对置信水平α和变异系数CV这2个重要变量进行了敏感性分析,显示了其对解的影响程度。

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。

随机车辆路径问题综述

描述了随机车辆路径问题的历史、发展进程和特征,结合该问题的分类,介绍了该问题国内外的研究现状,指出了目前算法的搜索效率低并依赖于初始解的局限性,给出了对求解算法的进一步研究以及把研究成果应用于实际问题中的研究方向和建议。

外卖配送路径优化问题研究现状与趋势

外卖配送路径优化问题一直是外卖配送研究领域的难点和热点。由于配送成本在总成本中占有较大的占比,所以至今以来国内外学者不断提出外卖配送路径优化相关的目标及算法的改进以提高配送效率。为了进一步梳理国内外研究现状,文章针对外卖配送路径优化问题的时间窗、取送要求、随机性、开放型等特点特性,分别针对不同类型的外卖配送路径优化问题,从优化目标和优化算法两个方面进行了较为全面的综述。最后,对外卖配送路径优化领域一些新的研究方向进行了展望。

随机车辆路径问题研究探讨

文章阐述了随机车辆路径的起源、特性已经发展的状况,对发展过程中遇到的问题进行归纳总结,指出了研究该问题国内外的进展,介绍了运用算法的低效率以及使用时的限制,提出了对算话的改进措施以及运用实际解决问题的思路和建议。

随机动态多车辆装卸混合问题及求解策略研究

将随机动态装卸混合问题的车辆数由单车辆推广至多车辆,针对其中存在的排队现象,运用排队论推导出需求密集情况下期望系统时间的下界,提出了一种求解的堆栈策略,并推导出了堆栈策略期望系统时间的上界,分析了堆栈策略的渐近性.仿真结果表明,堆栈策略是一种适用于需求密集情况下随机动态多车辆装卸混合问题的求解策略.

随机需求有时间窗的路径优化及补救策略研究

针对城市物流配送中客户需求量不确定且时效性要求较高的特点,考虑客户需求量为随机变量且有时间窗的车辆路径优化问题,同时基于不同的信息化调度水平,考虑了配送失败时的三种补救策略。构建了机会约束混合整数规划数学模型并转化为等价的确定性模型进行求解。提出了含有多种算子的改进混合进化算法来求解该模型,并基于算例,验证了算法的优越性。同时,对模型的参数敏感性和三种补救策略下的风险成本进行了分析。结果表明,采用提前预测,实时反馈,即时派出新车的补救策略可以最大程度保证满足客户时间约束,同时还具有降低配送路程的经济优势。

固定分区下随机需求IRP问题最优策略及算法

随机需求库存-路径问题(stochastic demand inventory routing problem,SDIRP)是典型的NP难题,考虑随机需求环境下供应链中库存与配送问题的协调优化,是实施供应商管理库存策略的关键所在.文章的研究基于固定分区策略(fixed partition policy,FPP),在FPP下客户被分为若干个服务区域,在同一区域中的所有客户均被同时配送.根据分区策略对配送以及库存成本的影响提出了基于修正C-W节约算法的客户分区算法,证明了各区域的最优库存策略为(s,S)形式,分区内各客户的库存策略为order-up-to形式,进而设计了求解FPP下SDIRP最优策略的算法.最后,通过数值算例验证了该算法的有效性以及FPP的适用性.

需求稀少情况下随机动态装卸混合问题研究

针对随机动态装卸混合问题中存在的排队现象,运用排队论推导出需求稀少情况下随机动态装卸混合问题期望系统时间的下界;提出了一种实时优化策略——多车场随机队列中位策略;推导出需求稀少情况下,多车场随机队列中位策略和实际应用中广泛采用的随机队列中位策略的期望系统时间,并分析了期望系统时间的渐近性.模拟计算结果表明,需求稀少情况下,多车场随机队列中位策略明显优于随机队列中位策略;当服务强度趋于零时,多车场随机队列中位策略近似为最优策略.

基于Windows Azure平台实时解决煤炭物流车辆路径问题的云服务

提出使用云服务来实时解决具有随机需求的煤炭物流运输中的车辆路径问题(VRPSD)。客户可以通过互联网HTTP协议来访问云服务,云服务能通过客户提供模拟参数来建立计算任务。采用的算法是使用安全库存和模拟解决具有随机需求的车辆路径问题,建立云服务,在Windows Azure平台下并行地运行该算法,由于所有的任务都是在Worker结点上并行计算的,因而能够实时地满足客户的需求。

基于弧长均值和方差的集装箱站场排队网络最短路问题研究

集装箱站场排队网络属于随机的动态服务系统,顾客从网络的起点进入一直到终点离开该系统的时间长短则反映集装箱站场的服务水平.为使顾客在这一过程花费的时间最短,根据稳态条件下的排队系统理论,结合多准则最短路问题,提出了一种基于弧长均值和方差的双准则最短路算法,并通过算例证明了该算法的可行性.文中提到的方法还适用于寻找随机路径问题中从起点到终点的最短路.

一种改进的SWEEP路径策略

针对需求随机的随机车辆路径问题,提出了一种改进的SWEEP路径策略。建立了基于该策略的车辆任务量分配多目标规划模型,给出了求解该模型的启发式算法。通过24个不同规模的VRP问题的仿真实验,证明了提出的任务分配模型和算法具有较强的适用性;改进的SWEEP策略能充分利用运输资源,减少运输成本。

仿真环境下随机性VRP的序贯优化策略研究

通过融合机会约束优化策略与序贯决策方法,提出了机会约束序贯优化策略。该策略在优化随机性VRP的决策中不但可以利用计算机的优化计算能力,而且可以将决策人的经验和偏好融入其中,这种人为参与的决策可以成功地解决随机性VRP的决策问题,避免了马尔科夫决策过程中存在的维数灾难问题。通过仿真模型对该策略的实验表明随机性VRP的序贯优化策略优于其它策略。

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.