考虑需求拆分的多时间窗集送货车辆调度优化研究

车辆调度是连锁超市物流配送的重要环节,目前只考虑时间或距离的单一约束条件下的车辆调度已经不能满足市场需求,因此以JLF连锁超市为研究对象,考虑了需求拆分、多时间窗和集送货三者同时约束下的车辆调度模型,运用动态规划顺序法进行求解,研究表明考虑需求拆分的车辆调度问题更具现实意义。

需求可拆分下生鲜农产品集货路径优化

针对生鲜农产品集货中点多量散、车载限制、货物易腐等特点,研究需求可拆分下生鲜农产品集货的路径优化。通过网点布局与网络需求、车辆路径与载量要求、产品特征与成本消耗等描述生鲜农产品集货基本问题,从制冷、货损、油耗三个方面构造总的集货成本,考虑需求拆分、流量均衡、车辆起始与服务等约束,建立集货路径优化模型;基于遗传算法,以序号排序标定适应度函数,改进轮盘赌选择,用精英策略进行算子分析与遗传操作,设计问题求解模式;最后,以湖南省某乡镇脐橙集货为例进行实证分析。案例分析结果表明:优化后,总集货成本下降19.34%,货损成本减少最多,达1550.86元;集货路径总数减少1条,拆分点由5个变为3个,且按需求进行深度拆分;总行驶里程与时间分别减少72.4 km、2.06 h,整体优化效果明显。研究结果对生鲜农产品集货管理的效率提升有借鉴意义。

补给需求可拆分的流动疫苗接种车与补给车同步调度优化

流动疫苗接种车有助于缓解疫苗接种站拥堵与降低居民接种出行成本。考虑到接种车疫苗储存容量有限,要求调配疫苗补给车补给以维持库存水平。采用对接种车待补给量进行拆分的方案,可由多辆补给车对接种车进行补货。围绕补给决策,接种车和补给车的路径相互耦合,要求满足时空同步约束。以成本最小化为目标,建立混合整数规划模型,并设计基于贪婪策略的进化算法,优化接种与补给决策。扩展Solomon数据集生成不同规模的算例,实验结果显示选择合适的补给策略,有助于维持平稳的接种车剩余库存,并有效降低成本。最后,以上海市浦东新区疫苗流动接种数据为例,验证研究的应用价值。

基于残差图卷积网络与深度强化学习的需求可拆分车辆路径优化算法

需求可拆分车辆路径问题(SDVRP)出现在广泛的物流配送场景中,具有重要的研究价值.高效的SDVRP优化算法能够提高车辆装载率,降低物流配送成本.为提高SDVRP的求解效率,本文提出基于残差图卷积神经网络(RGCN)和多头注意力的深度强化学习算法(REINFORCE),逐步构建可行解序列.首先,从强化学习的角度出发,文章对SDVRP建立马尔科夫决策模型,定义序列预测过程的环境状态、智能体动作空间、状态转移函数等.其次,建立编–解码模型求解节点选择策略,其中使用残差图卷积神经网络的编码器重构配送中心和客户节点的特征,将配送网络中节点间的连接关系与节点特征相互关联,获得差异性显著的特征嵌入向量;利用注意力网络解码器在重构后的嵌入向量基础上融合动态变化的车辆剩余装载量和客户需求等信息执行解码任务,实现每次迭代为单个案例提供多个可行解.最后,提出基于平均基准值的REINFORCE算法更新模型参数,通过求解不同问题规模测试集、标准SDVRP数据集,以及京东物流实际配送任务,验证了所提算法的有效性.

基于需求可拆分的多车型应急物资配送路径优化研究

在以人道主义为本的应急物资配送过程中,不可忽略灾民心理对决策者行为的影响。为了降低灾民和驾驶员的心理成本同时在配送过程中减少碳排放,考虑动态需求和需求可拆分情况构建了以运输成本与惩罚成本以及碳排放成本之和最低、人们的痛苦效应最低和驾驶员的心理成本最低为目标的多车型应急物资配送优化模型;通过对蚁群进行混沌初始化,引入节约矩阵并根据算法迭代的时期,设置不同的挥发因子,引导蚂蚁选择更为节约的路径,将得到的路径进行排序,对于较优解再次进行局部搜索,提高算法的寻优能力。最后,通过算例仿真验证模型的可行性。结果表明,考虑动态需求和需求可拆分的应急物资配送可以更好满足受灾点对于物资的需求,为解决实际应急物资配送提供决策支持。

考虑需求可拆分的共享单车调度优化研究

研究考虑需求可拆分的共享单车调度优化问题为可拆分单商品取送货TSP问题,考虑一辆调度车,允许调度车多次访问各站点,每次满足站点的部分需求,即允许对站点的需求进行拆分。首先,考虑到调度车容量限制,统筹安排调度车行驶路径和调度车在每个站点的取车量、送车量,使得企业的运营成本达到最优。其次,提出了一种改进的变邻域搜索算法求解上述问题,使算法在陷入局部最优解时改变邻域结构,扩大搜索范围,以此提升算法跳出局部最优解的能力,加快收敛速度。最后,用数值实验验证了算法的有效性。研究结论拓展了可拆分单商品取送货问题的相关理论,并为共享单车企业的实际运营提供决策支持。

需求可拆分的开放式车辆路径问题研究

传统的开放式车辆路径问题假设客户的需求不可拆分、车辆类型相同,但在实际的物流配送中,车辆类型不完全相同,对需求的拆分能充分利用车辆的装载能力,降低运输成本。为此,提出需求可拆分的不同种车辆的开放式车辆路径问题,给出整数规划的数学模型,利用禁忌搜索算法对该问题求解,改进算法中初始解和邻域结构的产生过程。通过实验验证模型的有效性,并将结果与传统的开放式车辆路径问题进行比较,表明该算法可有效减少运输成本。

需求可拆分的多周期订货-运输集成优化算法

鉴于目前多周期订货—运输集成问题研究几乎都假设需求不可拆分、造成不能有效降低总成本,或者将车辆数作为能力约束,造成企业各计划期内需求变化较大时不便于合理设置车辆数等问题,提出一个需求可拆分、动态车辆数的多周期订货—运输集成优化模型。鉴于目前该问题缺乏有效的求解算法,提出一种遗传算法与2-OPT算法相结合的混合遗传算法,针对问题的特点设计了一种二维编码方式来处理多周期订货时间和数量问题,并通过算例验证了模型和算法的有效性。

需求可拆分校车路径问题的元启发式算法

校车路径规划中,允许站点乘车需求拆分通常能有效地降低校车服务成本。将该问题定义为需求可拆分校车路径问题(SDSBRP)进行求解。由于校车服务中要顾及学生最大乘车时间,且优化目标要兼顾所需校车数量和校车行驶距离,经典SDVRP算法难以直接应用于SDSBRP。因此分析了该问题的解特征,首次构建双目标SDSBRP数学模型,并首次设计针对该问题的元启发式求解算法。该算法首先构造初始可行解,然后在模拟退火算法框架下,引入站点需求拆分的邻域搜索算子进行迭代搜索,逐步改善解的质量。邻域搜索中,设计了多目标问题的邻域接受准则来引导邻域解的搜索方向,并引入破坏重建机制来增加解的多样性。使用已有的测试案例集和改造的测试案例进行算法测试,实验结果表明所提算法收敛性好,能够显著降低校车服务成本。

需求可拆分车辆路径问题的蜂群优化算法

文章研究了需求可拆分的车辆路径问题,通过解除传统车辆路径问题中每个任务点需求只能由1辆车满足的约束,建立了寻求满足配送要求最短行驶距离的数学优化模型,在改进反应阈值和刺激信号值的基础上提出了一种新型蜂群优化算法。仿真实验结果验证了算法的可行性,并通过与其他典型算法对比凸显了该算法较强的寻优能力。

多车型多行程需求可拆分的应急疏散车辆调度

为解决应急疏散车辆紧缺条件下的多批次车辆调度问题,使受灾人员被迅速地疏散至避难所,在考虑应急车辆容量差异的基础上,构建了多目标的多行程、多时间窗、需求可拆分的应急疏散车辆调度模型.通过引入虚拟站点的方式,简化了延误损失计算过程,并总结了数学模型最优解的特征.结合最优解的特征设计了改进的遗传算法对模型求解,并进行了算例分析.结果表明:所提出的算法能够有效对数学模型进行求解且具有良好稳定性,能够为应急车辆的多批次调度问题提供一定的决策指导和参考.

需求可拆分车辆路径问题的禁忌搜索算法

为解决实际配送运输中的车辆路径问题(Vehicle Routing Problem,VRP),通过改进传统的数学模型,解除每个客户需求只能由1辆车配送的约束,建立改进的可拆分车辆路径问题(Split Delivery VRP,SDVRP)数学模型,并利用禁忌搜索算法(Taboo Search Algorithm,TSA)进行求解.在TSA的设计中,根据SDVRP模型的特点对初始解、邻域搜索和解的评价等进行特殊处理.算例表明,该模型不仅可以解决VRP模型中不允许配送点需求量超出装载量的限制,而且通过相应配送点需求量的拆分和重新组合,可节省车辆数目、缩短路线长度、提高车辆装载率.

需求可拆分车辆路径问题研究——文献综述

对研究需求可拆分的车辆路径问题(VRPSD)的文献进行了归纳和总结。结果发现:VRPSD的研究内容随着约束条件的改变而日益多样化,其求解难度增大;根据是否带时间窗、取送货、多车型、多车场等不同约束条件,VRPSD可分为基本类型和衍生类型,其求解方法有精确算法、经典启发式、混合启发式和元启发式算法等。

需求可拆分的车辆路径问题的分段求解

将需求可拆分的车辆路径问题分成两阶段求解,针对单车场、单车型、无时间窗要求、纯装货或纯卸货情况,分别设计了先分组后路径及先路径后分组算法求解.通过实验表明,在成本上,先分组后路径求得的解好于先路径后分组求得的解,且比现有蚁群算法和禁忌搜索算法求得的成本更低,但先路径后分组的方法可以避免一个点的需求被拆分成两次以上满足,求解速度也更快.

求解需求可拆分车辆路径问题的聚类算法

针对需求可拆分车辆路径问题(SDVRP),提出一种先分组后路径的聚类算法。该算法考虑车辆载重的均衡性和可行解的特征,优先安排载重大于等于车辆限载的客户;然后结合客户间的距离和载重,设定一个拆分阈值限定车辆载重范围,按照就近原则对客户进行聚类分组,当组内客户载重未达到车辆载重最小值而加入新客户后超出限载时,对新加入客户进行拆分和调整,最终完成对所有客户的分组;最后采用蚁群优化算法对各组内客户进行线路规划。实验结果表明,所提算法在求解需求可拆分车辆路径问题时,具有更高的稳定性,得到的结果更优。

需求可离散拆分车辆路径问题及其禁忌搜索算法

针对客户需求常以若干离散订单(批次)构成的问题特性,本文给出需求可离散拆分车辆路径问题的描述及数学模型。对比需求可连续拆分的问题类型,对该问题性质进行了研究,分析提出问题解的特性。本文提出求解该问题的禁忌搜索算法,针对同客户的不同订单(批次)需求,设计两种特殊操作以避免不必要的路径成本,加快搜索速度并增强算法搜索性能。计算结果与现有方法结果进行了比较,表明所提出的算法可以找到更好的解决方案。

需求可拆分下城轨关联的公交接驳线网优化

基于典型的公交接驳线网优化问题,将每一公交站点具有唯一线路服务这一假设扩充到每一个公交站点可由多条公交线路服务,使公交站点与公交接驳线路间具有多对多的关系,即拓展到需求在多条线路间具有可拆分性的情形,形成需求可拆分的公交接驳线网优化问题.依据该情形下的公交接驳线网特性构建约束条件,分析换乘网络上乘客出行费用,并构造客流选择函数,建立需求可拆分条件下的接驳线网优化模型.通过在遗传算法中引入公交重复站点生成和插入策略,求解该模型.算例结果表明,需求可拆分情形下,公交接驳线网优化问题的求解时间显著增长,允许公交线路间具有重复站点可改善公交线网,随着网络客流量的上升,重复站点数量增加并集中于客流较多的站点.

需求可拆分的应急物资调度问题的蚁群算法

应急物资调度问题是个典型的需求可拆分的车辆路径问题,区别于传统的车辆路径问题,将每个需求节点只能由一辆车访问的约束去除,允许需求节点由多辆车进行访问。针对应急物资调度问题的特点,建立相应的多目标车辆路径数学规划模型(SDVRP),并根据模型特点设计改进蚁群优化算法。最后,进行相应的算例分析,验证了该模型和算法的有效性。

一种“效率-公平-运力”多维权衡的需求可拆分配送方法

针对自然灾害及重大社会公共事件等各类突发事件的配送问题,本文以公路运输为研究场景,将配送时间最短、加权时间攀比值最小和使用车辆数最少为多维目标,在引入需求可拆分这一限制条件的基础上,构建“效率-公平-运力”多维权衡的需求可拆分应急物资配送模型。针对该问题设计改进的蚁群算法求解模型。从选择拆分点、信息素更新和引入变邻域搜索算子这3个方面改进了算法,并实现当解持续不变时,初始化信息素,以增加随机性。结果表明,与传统求解算法相比,改进算法的稳定性更高(平均偏差率降低7.00%),寻优性更好(优化率提高7.41%)。通过分析考虑三目标、双目标和决策者具有明显偏好的多重场景下的求解结果得知:效率、公平、运力这3个子目标相互悖反,增加运力投入可以显著提高配送方案的效率与公平;当运力不变时,效率与公平之间近似呈同比例反比关系。研究结论可为救灾目标不确定条件下多因素考量的应急物资配送决策生成与优化问题提供方法改进与可量化决策支撑。

解决需求可拆分车辆路径问题的先聚类后路径方法

介绍了求解需求可拆分车辆路径问题的"先聚类后路径"的方法,其目标是使用最少车辆获得最小总行驶距离。基于该方法,提出了三阶段算法:首先,根据使用最少车辆的原则,利用最大最小距离聚类,将所有客户点按物理位置分成若干组;然后,采用"推出"和"拉入"操作,调整各组的负荷量,形成重量平衡的聚类组;最后,优化上述组内路径。两案例组7个实例的执行验证了该算法的可行性和有效性;结果表明,该算法在总行驶距离和计算所用时间方面性能优于带有效不等式的两阶段算法、k-means聚类算法、拆分阈值聚类算法和扫描算法等。