Models for Location Inventory Routing Problem of Cold Chain Logistics with NSGA-Ⅱ Algorithm

In this paper,a novel location inventory routing(LIR)model is proposed to solve cold chain logistics network problem under uncertain demand environment. The goal of the developed model is to optimize costs of location,inventory and transportation.Due to the complex of LIR problem( LIRP), a multi-objective genetic algorithm(GA), non-dominated sorting in genetic algorithm Ⅱ( NSGA-Ⅱ) has been introduced. Its performance is tested over a real case for the proposed problems. Results indicate that NSGA-Ⅱ provides a competitive performance than GA,which demonstrates that the proposed model and multi-objective GA are considerably efficient to solve the problem.

周期可变下考虑多车型的库存路径优化研究

目的 研究基于供应商管理库存模式下,由一个供应商和多个零售商组成的二级供应链配送系统的库存路径优化问题,确定计划期内各配送周期的长度、数量,对供应链中库存策略与配送方案问题进行协调优化,使系统总成本最低。方法 考虑的成本包括库存持有成本、缺货成本和配送成本。为降低供应链系统的总成本,提出全新的周期可变策略。结果 采用遗传算法求解得出最佳方案。将不同策略的算例结果进行对比分析,结果表明周期可变策略与周期固定策略相比,系统总成本最低节约比例为1.7%,最高节约比例为42.3%。结论 通过对计划期内各配送周期的长度及数量进行划分调整可以有效地节约系统总成本,同时,采用多车型的配送方案明显优于采用同车型的配送方案。

不确定条件下多周期应急物资配送优化研究

针对应急物资配送的多周期性与不确定性,建立不确定条件下多周期车辆路径问题的多目标优化模型,并提出三步式求解方法:基于三角模糊数对不确定性进行消解;基于层次分析法将多目标函数转化为单目标函数;设计改进蚁群算法对优化问题进行启发式求解。采用经典算例验证了该优化方法在解决应急物资配送问题时的时间有效性,算法对比分析证明了改进蚁群算法在收敛速度上的优势,仿真结果分析证明该算法能够有效保证应急物资配送的总体满意度与公平性。

基于混合遗传算法的成品油二次配送优化

成品油公路运输多周期规划问题是成品油供应链的核心研究课题,属于多周期库存路径问题。该研究使用松弛下届模型加快求解速度,形成合法解的集合,将数学规划模型与改进的启发式算法相结合,在集合中快速迭代,在求解配送量时使用贪心机制得到最大收益方案。最终,在多周期循环配送算例集上测试,结果表明,可以在多数小、中规模算例中获得理论最优解,在大规模算例中平均运输成本降低12.3%。

改进蚁群算法优化周期性车辆路径问题

周期性车辆路径问题(PVRP)是标准车辆路径问题(VRP)的扩展,PVRP将配送期由单一配送期延伸到T(T>1)期,因此,PVRP需要优化每个配送期的顾客组合和配送路径。由于PVRP是一个内嵌VRP的问题,其比标准VRP问题更加复杂,难于求解。本文采用蚁群算法对PVRP进行求解,并提出采用两种改进措施——多维信息素的运用和基于扫描法的局部优化方法来提高算法的性能。最后,通过9个经典PVRP算例对该算法进行了数据实验,结果表明本文提出的改进蚁群算法求解PVRP问题是可行有效的,同时也表明两种改进措施可以显著提高算法的性能。

多阶段动态车辆路径问题实时优化策略

针对多阶段动态车辆路径单决策和多决策问题,分别提出了平均距离策略和分区分批旅行商策略.前者优先安排不能延迟的顾客,然后根据路径的平均顾客距离选择可延迟顾客;后者根据阶段内决策的时间界限只在最后一次决策才考虑拒绝和延迟.实例仿真结果表明,新策略都具有较好的优化效果.

基于多代理系统方法的存贮路径问题研究

在分析现有研究成果的基础上,运用智能化的多代理技术建模方法,将问题抽象映射成为4类自治的Agent,构造存贮路径问题(Inventory Routing Problem,IRP)的多代理模型,通过Agent间的通信与协作完成问题的求解,为该问题的处理探索一条新的途径。

时变路网条件下车辆路径问题的自适应蚁群算法

考虑实际生活中道路路况影响运输成本及油耗率与运载量相关的因素、处理跨多时段的问题,建立时变路网条件下的车辆路径问题数学模型。通过聚类算法和节约算法构造初始解,提高求解速度;自适应地改变启发式因子和期望启发式因子,提高算法全局收敛能力;结合油耗率,将油耗率转换成信息素挥发因子,自适应更新信息素,保证其收敛速度;通过3-opt策略,提高算法的局部搜索能力。基于以上方法构造自适应蚁群算法,对八个客户规模的实例进行仿真表明,提出的算法在收敛速度和寻优结果两方面略优于自适应遗传算法和蚁群算法,并且因为考虑了不同运载量的油耗,为准确估计运输成本提供了方法。

基于分解协调法解决多库房库存-路径问题

建立一个组合经常性库存费用、安全库存费用和随机路径费用模型后,首先,设计一种基于Monte-Carlo抽样求解路径期望费用方法。其次,针对解决此问题,使用传统分解协调法(DCM)的协调参数收敛性差的问题,应用遗传算法(GA)设计了协调参数。此外,对解决子系统随机需求车辆路径问题,为提高交叉熵法的性能,根据分位值改变大小,对用于更新Markov转移矩阵的路径,设计了自适应调整方法。仿真结果验证了该算法的有效性。

基于顾客低碳行为偏好的选址-路径-库存集成优化模型与算法

针对自愿减排驱动下的顾客低碳行为偏好对选址-路径-库存决策的影响进行研究。首先推导了顾客低碳行为偏好下的市场需求函数和价格函数,并构建了考虑单位产品碳排放量和经济成本的多目标选址-路径-库存优化模型,通过对多目标优化模型的求解可得碳排放量和经济成本间的Pareto解集。在此基础上,定义了碳配额税的概念,可得顾客低碳行为偏好和碳配额税下的总收益函数。最后通过数值分析给出了自愿减排和监管减排两种机制共同作用下的企业减排方案和灵敏度分析。

带运费多阶段易腐品库存问题的竞争性订购策略

供货商在订购量达到一定水平时,一般会为订购者提供免运费服务,以达到促销商品的目的.结合这一实际情况,在多阶段易腐品库存问题中引入运费因素,应用集成专家意见的在线序列预测算法研究该问题的竞争性订购策略.基于静态专家意见构建在线订购策略;并证明该策略能够实现与最优专家意见相当的累积收益.数值算例进一步说明策略具有较强的竞争性能及免运费的最小订购量对策略竞争性能的影响.

基于遗传算法的多周期随机需求IRP问题研究

存贮路径问题针对当前供应链条件下库存控制与运输调度问题分别研究的现状,将二者整合系统加以分析;在分析现有问题求解方法的基础上,针对多周期随机需求IRP问题提出了基于遗传算法的求解思路,利用二进制编码处理零售商的库存策略。正交试验验证了算法的有效性,得到客户需求、运输车辆等相关因素不同程度的影响最优补货策略,从而有效求解多周期IRP问题。

论区域金融生态环境及其优化对策

在市场经济条件下,良好的区域金融生态环境不仅能促进区域金融的可持续发展,并且通过金融核心作用的发挥能够推动区域经济的快速发展,而区域经济的快速发展反过来又会推动对区域金融的发展。因此,应该采取切实措施,不断优化区域金融生态环境,以实现区域金融与区域经济发展的良性互动。

基于深度强化学习的动态库存路径优化

针对具有周期性波动需求的动态随机库存路径问题,提出了基于深度强化学习进行仿真优化并实现周期平稳策略的新方法。所研究问题构建动态组合优化模型,通过深度强化学习和设置启发规则来综合决定每个时期的补货节点集合和补货批量分配权重。仿真实验结果表明,与现有文献中的两种方法相比,所提出的方法在较低波动需求情况下可分别提高一个周期的平均利润约2.7%和3.9%,在较高波动需求情况下提高约8.2%和7.1%,而周期服务水平在不同需求波动环境下都可以平稳地保持在一个较小的波动范围内。

多点生产布局下的动态物流调度问题

以烟草行业产业重组后出现的多点生产布局下的车辆集货过程为研究对象,为研究在生产点仓储能力限制下的高效率低成本的集货线路,构建了混合整数规划数学模型,针对模型中变量特征引入斑德分解法实现原问题的求解算法设计;并通过AMPL数学建模语言编程,与行业标准Cplex解法器进行对比分析,验证了算法的可行性和有效性,同时考察不同参数对原问题的影响。

IRP问题多Agent模型调度策略研究

针对存贮路径问题的复杂特性,运用多Agent技术构建智能模型框架,利用模型中Agent间的协调机制实现存贮路径问题补货策略的求解,同时阐述了调度流程的任务优先级、冲突消除等问题.与集中式数学方法相比,该求解策略更能体现出问题分布式特性,并以一个实例分析验证方法的有效性.

基于遗传算法的多周期确定性IRP问题研究

本文主要通过在分析多周期确定性条件的基础上建立的数学模型,研究多周期确定性客户需求下的IRP问题,并利用遗传算法对模型进行求解。同时以小群体规模、指定交叉率和变异率为实例,进行数值模拟实例分析。与利用经济批量采购公式求解的客户补货量进行了对比分析,遗传算法可以有效地解决了IRP中最优补货量的问题。

一种多周期易腐品库存路径问题模型及其求解算法

通过分析一个供应商用多个相同车辆向多个客户配送一种易腐品,在随机需求下,满足多个周期中客户的服务水平、决策计划期内的配送路线和配送量,以库存持有成本、货损成本、运输成本最小化为目标,建立随机需求的多周期易腐品库存路径问题模型,将库存控制和运输问题整合优化。还针对该模型设计了一种改进的遗传算法,能够保证初始种群以及变异、交叉后的种群的多样性和优越性,有足够搜索全局最优解的能力。

需求周期循环波动下考虑车辆租赁的库存路径与定价问题

针对产品需求具有周期循环波动特征的库存路径与定价问题,通过分析产品需求波峰期供货商定价与车辆租赁成本、产品需求三者间的相互影响和制约关系,建立了产品需求波峰期各时段供货商的需求定价函数,依此构建了考虑车辆租赁的混合整数非线性规划模型,设计了改进的粒子群算法,并进行了实例数值分析验证。研究表明,优化车辆租赁的库存路径与定价问题能够有效提高供货商利润,在不减少产品需求量和供货商配送量的前提下显著降低零售商的库存水平,供货商最佳的自有车辆数量应为在产品需求波谷期所需要的配送车辆数量。

多品种燃油海运库存路径问题鲁棒优化模型与算法

针对需求不确定下的多品种燃油海运库存路径问题(Maritime Inventory Routing Problem,MIRP),提出非专用舱室和非固定停靠供应港的船舶配送策略,通过设置供货商保守系数给定条件下的累积航次多品种燃油不确定需求预算阈值,构建以供货商燃油库存与配送总成本最小化为目标的MIRP非线性鲁棒优化模型,并设计了改进混合自适应遗传算法求解模型。算例结果表明,非专用舱室和船舶非固定停靠配送能有效降低供货商燃油库存与配送总成本;供货商在各需求港关于各品种燃油的保守系数均存在某个不同的恰当值,当保守系数超过恰当值时,客户服务水平变化趋于平缓。研究结论可为供货商多品种燃油MIRP提供决策参考。