Study on the Inventory Routing Problem of Refined Oil Distribution Based on Working Time Equilibrium

Taking the distribution route optimization of refined oil as background, this paper studies the inventory routing problem of refined oil distribution based on working time equilibrium. In consideration of the constraints of vehicle capacity, time window for unloading oil, service time and demand of each gas station, we take the working time equilibrium of each vehicle as goal and establish an integer programming model for the vehicle routing problem of refined oil distribution, the objective function of the model is to minimize the maximum working time of vehicles. To solve this model, a Lingo program was written and a heuristic algorithm was designed. We further use the random generation method to produce an example with 10 gas stations. The local optimal solution and approximate optimal solution are obtained by using Lingo software and heuristic algorithm respectively. By comparing the approximate optimal solution obtained by heuristic algorithm with the local optimal solution obtained by Lingo software, the feasibility of the model and the effectiveness of the heuristic algorithm are verified. The results of this paper provide a theoretical basis for the scheduling department to formulate the oil distribution plan.

求解有硬时间窗车辆路径问题的改进遗传算法

针对军事运输中有硬时间窗的车辆路径问题(vehicle routing problem with hard time windows,VRPHTW),结合混合交叉运算、改进变异运算和精英保留策略,以所有车辆的配送总时间最少为目标,设计了改进遗传算法。借鉴贪婪思想,提高了初始种群的优越性;构造了迭代种群的入口矩阵和出口矩阵,并以此为基础提出改进交叉算子,期间引入前向插入法设计了混合交叉运算,加快了种群的寻优速度;同时提出改进变异算子,增加了种群的多样性。实验结果表明,改进遗传算法较之基本算法有着更快的收敛速度和更优的收敛效果。

第三方物流多车型硬时间窗路线问题研究

针对租赁条件下的第三方物流多车型硬时间窗车辆路线问题的特点,建立了以车辆租赁费用和运行费用为目标的模型,并提出了结合模拟退火法的混合遗传算法.该算法以优先满足最小费用车型的策略来分配多车型车辆,同时采用客户直接排列的方法以实现车辆数的变化.最后,算例的应用和多车型容量的灵敏度分析表明:该混合遗传算法的搜索能力和求解稳定性均优于简单遗传算法和基于or-opt的模拟退火算法;按最小费用分配车辆策略可为第三方物流企业车辆的租赁决策提供依据.

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。

考虑客户满意度的网购物流配送路径优化

为更全面地反映网购物流配送的客户满意度,引入客户满意度指标.首先,考虑城市交通管制的硬时间窗约束和客户要求的软时间窗约束,建立最小配送成本和最短配送时间的多目标优化模型;然后,引入客户满意度指标,并设定客户满意度阈值,对该模型进行优化.设计遗传算法求解该优化模型.结合实际算例对模型和算法的有效性进行验证.结果表明:优化后的模型可以在保证较低配送成本和较少配送时间的基础上,最大化配送服务的客户满意度水平.该方法不存在客户流失的风险,有利于提高企业的竞争优势,符合企业的长远利益.

基于混合NSGA-Ⅱ的有硬时间窗的多目标车辆路径问题

针对有硬时间窗的多目标车辆路径问题,本文采取交叉、变异和精英保留相结合的选择策略,分别以配送总时间、调用车辆数和配送总费用为决策目标,设计了混合NSGA-Ⅱ.首先,为提高初始种群的优越性,引入了时差插入法;其次,以继承父代的优秀基因、加快种群的寻优速度为目的,提出了新颖交叉算子并设计了新颖交叉运算;再次,通过子路径变异运算以增加种群的多样性;最后,构造了基于密度的Pareto排序以保证种群分布的均匀性.本文不仅描述了算法的详细步骤,而且通过实验就收敛代数、目标函数和仿真结果进行了比较与分析.结果表明,混合NSGA-Ⅱ较之基本算法有着更快的收敛速度和更好的收敛效果.

蚁群算法及其在有硬时间窗的车辆路径问题中的应用

为求解有硬时间窗的车辆路径问题,提出了一种基于可行解两阶段构造策略的自适应混合蚁群算法。在第一阶段,用蚂蚁的局部遍历代替传统的全局遍历,每个蚂蚁采用蚁群算法进行局部遍历,构造一个回路,蚂蚁转移采用回路两阶段构路策略;在第二阶段,由前一阶段所构造的回路通过采用近似解可行化策略来组合形成可行解。此外,为提高算法的寻优能力,在转移规则中引入了基于时间窗的紧迫性因子和匹配度因子,并与节约算法和爬山法有机结合。实验结果表明,自适应混和蚁群算法性能优良,能够有效地求解有硬时间窗的车辆路径问题。

硬时间窗约束下集装箱甩挂运输网络的车辆路径问题

针对甩挂运输车辆调度问题,考虑甩挂运输特点和限制条件,以车辆路径优化研究和相关算法研究为基础,构建了车辆路径优化模型,分析了在硬时间窗约束下集装箱运输网络的车辆路径优化问题,并基于模拟退火算法对模型进行求解,证明模型可以解决集装箱甩挂运输的牵引车的调度问题。最后,把模型应用到实际案例中,进一步证明了模拟退火算法是可行、有效的。

基于改进免疫遗传算法的带硬时间窗车辆调度问题的实现

免疫算法是模仿生物体高度进化,复杂的免疫系统仿生的一种智能化启发式算法。带硬时间窗的车辆路径问题(VSPHTW)是在基本的车辆路径问题(VSP)上增加了时间窗约束条件的一种变化形式,是一个典型的NP难题。通过采用一种改进的信息熵计算方法、交叉和变异概率的自适应机制,构造一个改进的免疫算法来求解VSPHTW,并将求解结果与其他遗传算法比较。比较结果显示,该算法对于求解VSPHTW问题具有较好的性能。

基于改进蚁群算法的战时雷达器材运输调度模型

针对战时雷达器材运输中的有硬时间窗要求的运输调度问题,提出了一种改进的蚁群算法。通过分析其模型的建立,引入最大最小信息素约束,用奖惩因子用于信息素的更新,局部搜索策略2-opt和or-opt。并通过实例进行验证,结果表明,在雷达器材需求点数目和需求量等各种条件已知的情况下,该算法能得到较好的全局最优解,比基本蚁群算法具有更快的收敛速度和更高的收敛精度,并对其它相关的运输调度问题有很强的借鉴意义。

软硬时间窗共存装卸一体化车辆路径问题的混合离散粒子群优化算法

文章针对软硬时间窗共存装卸一体化车辆路径问题(vehicle routing problem with simultaneous delivery and pickup under coexistence of soft and hard time windows,VRPSDPCSHTW)建立了包含车辆固定出行成本、运输成本和惩罚成本的数学模型,提出了一种混合离散粒子群优化算法。针对基本离散粒子群算法容易早熟收敛而陷入局部最优等问题,内嵌一种变邻域下降局域搜索方法,并在一定概率下执行以加强种群搜索能力,最后通过3个算例的仿真分析进行了算法验证。

弱硬实时系统任意窗口约束调度研究

弱硬实时应用中的QoS在过载情况下会不同程度地退化.本文针对因仅考虑无限区间或者某一固定有限区间上的任务丢失率而导致重度过载情况下服务不公平的情况,基于可变区间,提出(p,k)约束,给出任意窗口约束调度(Any Window Constraint Schedule,AWCS)算法及其简化算法K窗口约束调度(-KWindow Constraint Schedule,KWCS),实验表明KWCS与AWCS的性能相当,且开销大幅降低.通过分析算法特性,给出具有QoS保证的时延上界通用表示方法.实验结果表明在重度过载情况下,AWCS(KWCS)优于其它弱硬实时算法.

带硬时间窗的第四方物流多到多网络设计

在第四方物流（4PL）承担多个供需点对之间物流配送任务情况下,考虑物流配送的时效性,研究带硬时间窗的4PL多到多网络设计问题。建立了4PL多到多网络设计优化模型,在满足硬时间窗约束的条件下,最小化总物流成本。根据问题模型特点,设计迭代局部搜索（ILS）算法求解。最后,通过仿真实验对不同规模的算例求解来测试ILS算法的性能,并分析不同时间窗对决策的影响。实验结果表明模型具有合理性,并且ILS算法能够对问题进行有效求解。

基于调度窗口的弱硬实时系统改进DBP调度算法研究

针对弱硬实时系统中平滑调度的要求,首先阐述基于调度窗口的弱硬实时约束规范,然后在传统的DBP算法基础上提出W-DBP算法,实现系统的平滑调度.W-DBP算法有效解决了传统DBP算法中存在的公平性和瞬时过载等问题.仿真对比试验和分析表明:W-DBP算法在弱硬实时系统中有良好的表现.

水果运输调度问题的优化

针对带硬时间窗的水果运输调度问题(Fruits in Vehicle Routing Problem with Hard Time Windows,FVRPHTW),联系实际应用中水果易腐的特性及运输途中的路况因素,采用蚁群算法、模拟退火算法和禁忌搜索算法来对FVRPHTW求解,并分析3种算法的优缺点。实例证明,这些算法对求解水果运输调度问题是可行的,模拟退火算法略优于其他两种算法。

带硬时间窗的外卖配送车辆路径问题

为了解决带硬时间窗的外卖配送车辆路径问题,构建数学模型,设计一种简单可行的不固定时间截单启发式算法,该算法可随时间推移滚动执行,实现真正意义上的“动态”求解。该方法与固定时间截单相比,需要的配送次数更少,车辆总的行驶距离也大大缩短。

基于模拟退火算法的硬时间窗配送车辆调度问题研究

基于现实中影响物流成本较大的配送车辆调度问题,构建了硬时间窗下的配送车辆调度问题数学模型。通过模拟退火算法对硬时间窗车辆调度问题进行了数值分析,得到了较好的计算结果和较高的计算效率,从而为今后更好地解决此类硬时间窗配送车辆调度问题提供了行之有效的研究方法。

有时间窗车辆路径问题的混合智能算法

有时间窗的车辆路径问题属于组合优化领域中的NP-hard问题。在对该问题进行分析的基础上,为之建立了数学模型,提出了一种求解该问题的混合智能算法。该算法通过使用蚁群算法和遗传算法交替优化,并且及时交换信息,弥补了蚁群算法和遗传算法各自的不足,达到了优势互补的效果,增强了算法的寻优能力,避免了停滞现象。实验结果表明,该算法能有效解决有时间窗的车辆路径问题。

带硬时间窗的航空路径规划模型

针对物流快递行业,以牺牲部分成本来完全满足快递时效的要求,建立了基于硬时间窗的航空路径规划模型,采用并行遗传算法进行了求解.同时建立了相应的软时间窗模型,通过构造满意度函数,与硬时间窗的结果进行了对比分析,算例结果表明硬时间窗的规划路线虽然成本较高,但是更注重时效性的客户的满意度也高,这种规划方法更适于中端物流企业的特点与要求.

一个不同时刻加工成本有差异的单机排序问题(英文)

考虑一个单机排序问题:一批工件在零时刻到达可加工,加工时不可中断,在某个给定时间区间外的加工工时将招致额外的加工成本;当时间区间为给定参数时,要求确定一个最优加工序,当时间区间为决策变量时,要求找到一个最优序及最优区间位置, 由此来最小化总额外加工成本．文中对各种区间外单位加工工时之额外成本的情况给出了多项式算法, NP-hardness的证明及伪多项式时间算法．