求解物流运输网络SUM-MIN双目标路径问题的扩展标号法

研究了物流运输网络SUM-MIN双目标路径问题.基于模糊规划方法提出了一种求解SUM-MIN双目标路径问题的目标函数集成方法,以及集成后目标函数的扩展标号法.在将双目标转化为单目标时,综合考虑了每个目标的边缘评价和两个目标的整体评价因素,通过对每个目标分配的权重将决策者的偏好充分体现到决策过程中,采用广义的模糊目标集成算子形成了相应的折衷规划模型.最后,通过实例对所提方法进行了说明.

双目标时变速度车辆路径问题的模型及算法

提出了时变速度情况下带时间窗与回程的车辆路径问题模型,考虑最小化车辆行驶总时间和最小化总延误时间两个相互冲突目标,将双目标的问题通过加权法转化为单目标问题.由于求解固定速度车辆路径问题的方法在时变速度下不可行,因而对传统优化方法作了改进,提出两阶段方法.从计算的结果看,第二阶段的RTS(reactive tabu search)算法相对第一阶段算法的求解有较大的改进.根据不同的权重的取值,可以在两个目标之间找到一个权衡的区间,决策者根据服务的要求可以在此区间选择合适的权重获得可行的车辆调度方案.

双目标冷链物流车辆路径问题及其遗传蚁群求解

针对带容量和软时间窗约束的双目标生鲜农产品冷链物流车辆路径问题,建立了以最小化总成本和最大化客户满意度为目标的双目标优化模型。为了求解问题,运用ε约束法处理双目标模型,以蚁群算法为基础,加入交叉与变异算子,设计了遗传蚁群算法。算法求解过程中,蚂蚁个体在进行状态转移时按照确定性选择和伪随机比例选择相结合的方式,信息素总量采用分段函数进行优化。为验证模型与算法的有效性,对实际算例进行求解,并与遗传算法、蚁群算法求得结果进行对比。结果表明所建模型符合实际需求,所设计的遗传蚁群算法收敛速度和求解结果均优于遗传算法和蚁群算法。

“双碳”战略实施背景下高校学生党建工作路径探索

随着“双碳”目标的提出和落实,高校的学生党建工作面临新情况和新问题。因此,高校势必要在工作目标、内容和形式层面,针对“双碳”目标要求作出相应的调整。本文深入剖析了我国高校学生党建工作在“双碳”战略实施背景下的现状和存在的问题,对“双碳”战略实施背景下的党建工作路径进行了初步探索,以期为高校学生党建工作的开展提供一些启示。

“双碳目标”背景下通辽市实施能耗“双控”的实践路径

实现“双碳目标”、推进能耗“双控”是我国经济社会高质量发展的现实需求,是中国应对全球气候变化、参与全球生态环境治理的重要内容。“十四五”时期,我国生态文明建设进入以降碳为重点战略方向的新时期。在此背景下,通辽市实现能耗“双控”目标面临着“一煤独大”问题突出、工业企业能耗“双控”困难叠加、新能源发展存在短板等问题,应积极形成党委政府主导、高校科研机构主动、各类企业单位主做的耦合效应,坚持先立后破、稳中求进的基本原则,深刻认识理解实施能耗“双控”领域的关键问题,系统综合推进能耗“双控”多成效治理,在绿色低碳技术创新研究上下苦功、求实效,汇聚全社会思想共识,为实施能耗“双控”实现“双碳目标”不懈奋斗。

低碳背景下双目标冷链物流车辆路径模型研究

在低碳背景下,建立了带容量约束与时间窗约束的双目标模型,用车辆油耗量转化为碳排放成本,并加入软时间窗表示顾客满意度,构建运输成本、货损成本、制冷成本、碳排放成本最小和顾客满意度最大的模型,使模型更加贴合实际。最终利用蚁群算法求解,在标准算例的基础上验证模型的有效性。

解决车辆路径问题的混合模拟退火算法

构造了车辆路径问题的双目标数学模型,据此提出了混合模拟退火算法。该算法主要将模拟退火算法和2-opt优化算法有机地融合,从而使混合后的算法不但具有这两种算法的优点,而且还克服了他们相应的缺点。针对车辆路径问题,重点阐述了混合模拟退火算法的设计思路。实验结果表明,混合模拟退火算法不仅可以取得很好的计算结果,而且还具有收敛速度快等优点。

一种求解带时间窗车辆路径问题的混合差分进化算法

对带时间窗的车辆路径问题进行研究,建立以最小化车辆数量和行驶路程为目标的多目标数学模型,提出一种结合改进差分进化算法和变邻域下降搜索的基于Pareto支配的混合差分进化算法。首先重新定义了个体的生成方式。其次,结合双种群策略和变邻域下降搜索技术来平衡算法的全局探索能力和局部开发能力,并在搜索过程中用随机个体替代种群中的重复个体,维持种群的多样性。然后引入Pareto支配的概念来评价个体的优劣性,并采用擂台法则构造非支配解集。最后对18个不同规模的Solomon算例的求解结果表明,算法在行驶路程和车辆数量上的求解质量比人工蜂群算法分别平均提高了2.04%和14.95%,且与已知最优解相比,在车辆数量的求解质量上平均提高了14.53%,验证了所提算法的有效性。

求解双目标VRPTW的改进混合蚁群算法

为了解决基本混合蚁群算法在求解大规模带时间窗车辆路径问题(VRPTW)时存在的问题,提出一种改进的双目标混合蚁群算法。首先在节点选择上使用周边选择策略提升选择效率,并提出一种首节点选择策略来加速算法收敛;其次在信息素叠加公式上增加了与车辆数有关的惩罚函数,使算法能够同时优化距离与车辆数两个目标;最后提出一种新的局部优化算法,通过将节点数较少的线路中的节点插入到其他线路来提升车辆利用率。通过该算法在Solomon标准数据集上的实验和对比,说明了改进的算法具有搜索能力强、收敛速度快、鲁棒性强等优点。

考虑工作量均衡的成品油二次配送车辆路径问题

为避免工作量分配不均,研究了考虑工作量均衡的成品油二次配送车辆路径问题。以总配送成本极小化和不同车辆路径长度之差极小化为目标,建立了双目标混合整数规划模型;并设计了变邻域禁忌搜索启发式算法。利用改进的Solomon_I1插入算法求出使总配送成本尽量小的初始解;再利用变邻域禁忌搜索算法改进初始解,得到近似最优解。模拟计算结果显示,通过变邻域禁忌搜索算法改进后的解,总配送成本仅增加6.2%,车辆路径长度差值降低了45%,验证了算法的有效性。

考虑个体客户满意度的多车程生鲜品配送路径优化

随着生鲜电商的兴起,生鲜品的道路运输量越来越大,其配送任务越来越复杂,提升客户满意度是生鲜品配送的重要目标组成。文章以一个具有配送自主权的生鲜品供应商为研究对象,以整个计划周期内生鲜品配送的车辆运输成本最小及客户满意度最大为双目标,且客户满意度从顾客的个体视角考虑,构建双目标多车程带时间窗及考虑订单打包时间的车辆路径优化模型。基于ε-约束方法,设计了两阶段变邻域搜索(VNS)和模拟退火(SA)相结合的元启发式算法,基于车辆构造初始路线,并针对性地提出了3点改进措施,包括通过数学性质推导下界、减少求解过程中不必要的搜索空间以及规避求解过程中被支配解的后优化处理。最后,以Solomon标准算例为基础构造算例对所设计的算法进行了计算实验,其求解结果表明:其设计的算法具有有效性,并通过敏感性分析得出相关管理启示。

基于改进遗传算法的货箱机器人拣选路径规划

针对智能仓库中新型“货箱到人”拣选模式下多个货箱机器人拣选路径规划问题,给出了一种新的优化模型和改进遗传算法。基于货箱机器人的拣选方式及特点,将其转化为非对称车辆路径问题,以机器人总拣选路径最短和完成时间最少为双目标建立混合整数规划模型,设计改进的混合遗传算法对模型进行求解,并通过大规模算例验证了算法的有效性与稳定性。算例计算结果表明:所建模型及算法提高了货箱机器人的拣选效率,降低了运行成本。

不确定车辆数的车辆路径问题模型和混合算法

提出用遗传算法 ( Genetic Algorithms,GA)和禁忌搜索算法 ( Tabu Search Algorithm,TSA)结合求解不确定车辆数的车辆路径问题。首先描述了带有能力约束的 VRP的数学模型 ,由于车辆数不确定 ,因此提出另一目标函数 ,即最小化车辆数 ,与最小化距离同为目标函数建立了双目标数学规划模型。在车辆数不确定的情况下 ,把聚类和排序有机地结合起来 ,并用 GA和 TSA相结合的混合算法对问题进行求解 ,即以 GA为主 ,把 TSA用在 GA的变异操作中 ,增强算法的爬山能力。实验结果表明 ,混合算法获得的最好解。