带时间窗的时间依赖型同时取送货车辆路径问题研究

针对带时间窗的时间依赖型同时取送货车辆路径问题(Time Dependent Vehicle Routing Problem with Simultaneous Pickup-Delivery and Time Windows,TDVRPSPDTW),本文建立以车辆固定成本、驾驶员成本、燃油消耗及碳排放成本之和为优化目标的数学模型;并在传统蚁群算法的基础上,利用节约启发式构造初始解初始化信息素,改进状态转移规则,引入局部搜索策略,提出一种带自适应大邻域搜索的混合蚁群算法(Ant Colony Optimization with Adaptive Large Neighborhood Search,ACO-ALNS)进行求解;最后,分别选取基准问题算例和改编生成TDVRPSPDTW算例进行实验。实验结果表明:本文提出的ACO-ALNS算法可有效解决TDVRPSPDTW的基准问题;相较于模拟退火算法和带局部搜索的蚁群算法,本文算法求解得到的总配送成本最优值平均分别改善7.56%和2.90%;另外,相比于仅考虑碳排放或配送时间的模型,本文所构建的模型综合多种因素,总配送成本平均分别降低4.38%和3.18%,可有效提高物流企业的经济效益。

基于车辆共享的软时间窗动态需求车辆路径问题

为解决配送机构的车辆有时不能满足客户需求的问题,同时降低物流配送成本,节约资源,基于产品服务系统的理念,引入车辆共享机制,结合时间窗、多配送中心和现代物流客户需求动态变化的特点,建立了基于车辆共享的软时间窗多配送中心动态需求车辆路径问题的两阶段数学模型,并设计了混合3-OPT量子进化算法对各阶段模型进行求解。通过算例测试及与其他算法进行比较,表明该算法能快速有效地求解此类动态需求的车辆路径问题。最后对影响算法性能的种群规模参数进行了分析。

带软时间窗随机需求车辆路径问题的算法研究

针对带软时间窗的随机需求车辆路径问题求解过程中存在的大规模车辆规划复杂度较高、规划时间较长、客户需求未知等问题,提出一种改进两阶段算法。第一阶段将客户随机需求作确定化处理,使其等于期望值,然后引入自适应禁忌长度、自适应惩罚系数和改进邻域结构,以解决车辆偏离时间窗问题,最后得到最初的规划方案,但该方案仍存在一定误差;第二阶段采用选择回配送中心算法修正第一阶段所求解的误差。实验结果表明,改进后的两阶段算法具有较强的寻优能力和较高的鲁棒性,能够快速找到合理的解决方案。

改进混合粒子群算法求解带时间窗的无人机与车辆协同路径调度问题

为提高物流配送效率,考虑时间窗、无人机换电以及无人机多点连续配送等因素,提出了一种带时间窗的车辆与无人机协同配送问题,并设计一种带局部搜索的混合粒子群算法进行求解。该算法以混合粒子群算法为核心,通过构建高效的编解码策略实现了问题解空间到算法搜索空间的转换。进一步,该算法融合单点插入策略、车辆更换策略、无人机更换策略组成局部搜索策略,以此提高算法寻优能力。实验结果表明:所提模型比纯车辆配送的模型效率更高,节省了31.51%的成本;所提算法优于四种对比算法,优化率最高达到82.08%。

求解带时间窗的客户需求可分条件下的车辆路径问题

物流运输中的车辆路径问题历来是一个重要的理论和实际问题,在同时考虑客户需求可分以及客户方和配送中心时间窗限制的前提下,重新构造了问题模型,并结合蚂蚁算法中转移概率的改进和最大—最小蚂蚁系统,设计了问题求解过程和分割点选取规则,计算结果显示出算法的可行性。另外还与客户需求不可分的情况进行了对比,从而说明在大规模物流运输需求下,可分能带来更好的效果。

求解硬时间窗约束下随机需求库存-路径问题的优化算法

随机需求库存-路径问题(Stochastic Demand Inventory Routing Problem,SDIRP)即考虑随机需求环境下供应链中库存与配送的协调优化问题,是实施供应商管理库存策略过程中的关键所在,也是典型的NP难题之一。文章以具有硬时间窗约束的随机需求库存-路径问题(Stochastic Demand Inventory Routing Problem with Hard Time Windows,SDIRPHTW)为研究对象,将SDIRPHTW分解为直接配送的随机库存-路径问题和具有硬时间窗约束的路径优化问题两个子问题,并以最小化系统运行成本和用车数量为目标,设计了一个基于(s,S)库存策略和修正C-W节约法的启发式算法。最后,通过相应的数值算例验证了算法的有效性。

基于时间地理学的带时间窗车辆路径问题建模

为实现火力高效机动分配,针对带时间窗车辆路径问题,引入时间地理学的概念,在二维平面的基础上增加时间作为第三维度,建立描述移动对象时空可达性的优化模型。对导弹防御这类时敏强的作战场景通过时空棱柱进行表达和分析,形成时空路径,进而配置作战资源,协同打击时序,为指挥控制中涉及的机动作战问题提供必要的决策支撑。

带时间窗的车辆路径问题的混合粒子群优化算法

针对带时间窗的车辆路径问题(Vehicle Routing Problems with Time Windows,VRPTW),提出了一种混合粒子群优化算法(Hybrid Particle Swarm Optimization,HPSO)进行求解。所提出的算法设计了一种高效的编解码策略,以此搭建HPSO算法解空间到VRPTW解空间的桥梁。同时为了提高算法的寻优能力,设计了由单点插入策略以及双点交换策略组成的局部搜索策略。通过solomon-50标准数据集中的九个算例进行仿真实验,实验结果证明了所提出算法的寻优能力和稳定性均优于对比算法,最优解误差相较于对比算法最多降低了38.32%。

多车场带时间窗车辆路径问题的改良自适应大邻域搜索算法

针对多车场带时间窗车辆路径问题(MDVRPTW),提出一种改良自适应大邻域搜索算法(IALNS)。首先,在构造初始解阶段改进一种路径分割算法;其次,在优化阶段利用设计的移除和修复启发式算子相互竞争择优选取算子,为各算子引入评分机制,采用轮盘赌方式选取启发式算子;同时,将迭代周期分段,动态调整各周期内的算子权重信息,有效避免算法陷入局部最优;最后,采取模拟退火机制作为解的接受准则。在Cordeau规范算例上进行实验,确定IALNS的相关参数,将所提算法求解结果与该领域其他代表性研究成果对比。实验结果表明,所提算法与变邻域搜索(VNS)算法的求解误差不超过0.8%,在某些算例上甚至更优;与多相位改进的蛙跳算法相比,算法的平均耗时减少12.8%,所提算法在绝大多数算例上运行时间更短。因此,验证了所提算法是求解MDVRPTW的有效算法。

带时间窗的模糊需求多类型车辆路径问题禁忌搜索算法

在对模糊需求和决策者偏好的概念进行介绍的基础上,研究了一类单车场单发情况下客户需求模糊、车辆类型不同、车辆数量确定、时间窗约束的车辆路径优化问题.利用禁忌搜索算法对该问题进行求解,并给出了该问题的一个计算实例.

带时间窗的随机需求车辆路线问题的模型研究

车辆路线问题是考虑在车队为一些有需求的顾客运送货物时如何安排行驶路线,从而使服务效率达到最高,在原有车辆路线问题的基础上,着重考虑车辆路线问题中顾客需求的随机性及顾客接受服务的时间窗约束,运用机会约束规划的方法,建立了新的随机模型,并用遗传算法进行启发式求解,得到了良好的数值解,为车辆路线问题的进一步研究提供了参考.

同时考虑配送与安装需求的带时间窗车辆路径问题

电商企业经销的家电分为两类:一类是不需要安装的小型家电,如洗衣机、微波炉等;第二类是需要专业安装人员上门安装的大型家电,如空调、热水器等。家电对于安装、售后维修等综合服务有着很高的要求。以家电企业配送与安装物流作业问题为场景,研究同时考虑配送与安装两种需求的车辆路径问题,以总成本最小为目标,考虑配送车辆的软时间窗约束与安装车辆的服务水平约束,不同车型的最大工作时间约束,建立带时间窗的混合整数规划模型。基于遗传算法与粒子群算法基本原理,设计求解模型的混合遗传算法。该算法采取对配送车辆和安装车辆的访问路径同时进行编码、解码、交叉、变异等操作,又针对遗传算法的局部搜索能力不强的问题,将种群分为精英层和普通层,精英层利用种群中已经搜索到的优秀个体的信息指导进一步的搜索过程,普通层保证种群的多样性。仿真实验结果表明,混合遗传算法可以有效地求解带时间窗的配送与安装车辆路径问题。

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。

随机时变下带时间窗的取送货车辆路径问题优化研究

针对城市交通路网存在时变性和随机性的特点,文章研究了随机时变下带时间窗的取送货车辆路径问题,提出了随机时变车辆行驶时间的鲁棒优化方法,考虑车载限制和客户服务时间窗的约束,以总行驶时间最小化为目标,建立混合整数规划模型,并提出两阶段的混合遗传模拟退火算法。使用三行染色体编码方式、多段多点交叉算子和修复算子的遗传算法获得较优解,使用模拟退火算法进行优化,获得高质量的解决方案。最后,基于PDPTW标准数据集和STDPDPTW测试算例对文章所提出的算法进行了大量的数值实验,充分验证了模型及算法的有效性。

模糊需求与时间窗的车辆路径问题及混合遗传算法求解

针对带模糊需求与模糊时间窗的车辆路径问题,以总行驶距离、车辆使用数最小化,以及平均客户满意度最大化为目标,构建基于可信性测度理论的多目标模糊机会约束模型。为提高种群的多样性,改进了交叉算子,在引入局部优化算法及擂台法则的基础上,设计了适合求解多目标车辆路径问题的混合遗传算法。通过VRPTW标准算例实验,表明算法能够有效地求解带时间窗的车辆路径问题,以及模型的合理性,同时显示了决策者偏好值对决策目标的影响。研究成果可为求解带模糊需求与时间窗的车辆路径问题提供一种思路,也可为实际配送路径规划提供指导。

带时间窗偏好的同时配集货且需求可拆分车辆路径问题

针对带时间窗偏好的同时配集货且需求可拆分车辆路径问题,最小化派遣成本、理货成本、时间窗惩罚成本以及油耗成本之和,建立数学模型。设计混合遗传变邻域搜索算法求解问题,在算法中引入时空距离的理念,首先用最近邻插入法和Logistic映射方程生成初始种群;然后利用变邻域搜索算法的深度搜索能力优化算法;提出自适应搜索策略,平衡种群进化所需的广度和深度;设计拆分准则,为各客户设置不同的拆分服务量;提出确定车辆最优出发时间的时差推移法,减少车辆在客户处的等待时间;最后通过多组算例验证本文模型和算法的有效性。

基于离散布谷鸟算法求解带时间窗和同时取送货的车辆路径问题

为求解带时间窗和同时取送货的车辆路径问题(VRPSPDTW),提出一种离散布谷鸟(DCS)算法,该算法在标准布谷鸟算法的基础上,在Lévy飞行位置更新过程中,使用路径内搜索2-opt法和路径间搜索swap/shift法改进当前巢穴;在寄生巢位置更新过程中,使用路径内搜索relocate/exchange法和路径间搜索GENE法,随机产生新巢穴。选取Wang和Chen测试数据集,对算法性能进行测试,并与遗传算法和并行模拟退火算法进行比较。测试结果显示,在9个中小型顾客规模算例中,DCS算法获取了所有的当前国际最优解,在56个大型顾客规模的算例中,DCS算法在5个算例中更新了当前国际最优解,在17个算例中获取了当前国际最优解。通过Rank值法对这3种算法进行Friedman检验和Wilcoxon秩检验,结果表明所提DCS算法的有效性。

基于模糊时间窗的多中心开放式车辆路径问题

针对受时间窗影响的多中心开放式车辆路径问题,采用时间窗模糊化处理方法,假设时间窗是一个梯形模糊数,定义客户满意度函数和时间惩罚费用函数,建立有鲁棒优化模型。基于整体法假设虚拟配送中心,设计改进的蚁群算法求解,选取合适的测试算例实验。实验结果表明,所提算法能获得较好的解,是求解该类问题的有效方法;所建模型满足问题的多中心、多需求点和开放式特征,模型合理有效;与软时间窗和硬时间窗设置相比,模糊时间窗设置合理有效,同时展示了模糊时间窗设置下客户满意度对模型求解结果的影响。

有时间窗车辆路径问题的改进遗传算法

给出了有时间窗车辆路径问题的通用数学模型 ,该模型不仅能够满足大多数实际问题的需要 ,而且通过对特定参数的设定 ,还能够转换成其他几种典型的组合优化问题的数学模型。通过引入新颖交叉算子 ,构造了一种改进遗传算法。该算法摆脱了对群体多样性的要求 ,不存在传统遗传算法常见的“早熟收敛”问题。该算法已用于解决有时间窗的车辆路径问题 ,实验结果表明 ,它可以有效地求得有时间窗车辆路径问题的优化解 ,是求解车辆路径问题的一个较好方案。