需求不确定的故障共享单车回收PVRP研究

为了及时有效地回收城市道路网络中的故障共享单车,本文考虑单车停放站点上回收需求呈现的不确定特征,建立以行驶总距离最小为目标的回收周期性车辆路径选择模型。采用基约束鲁棒优化方法,利用有界区间对不确定的回收量进行描述,并引入扰动系数和控制系数调节模型的鲁棒性和适应性。针对模型设计近似算法进行求解,分析算法近似比的上下界,通过实例分析验证了算法和模型的有效性。

考虑交通拥堵和有限制时段的冷链物流车辆路径问题

针对生鲜农产品冷链配送环节中存在的成本高、货损严重等问题,考虑到日益严重的交通拥堵,通过分析时变路网下的动态行驶速度和受温度影响的货物腐败情况,在配送车辆容量等限制条件下,构建了以配送总成本最低为目标的冷链物流路径优化模型。在此基础上,通过设计全天候和有限制时段的车辆通行模式进行比对分析,利用遗传算法进行求解。通过不同规模的企业案例进行分析,验证了模型与算法的有效性。计算结果表明:冷链企业采用有限制时段的车辆通行模式可以降低配送成本,提高货物到货质量。

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。

考虑环境负效应的智能垃圾桶动态收运路径优化问题

随着智慧城市建设进程的推进,作为智慧城市建设基础配套设施的智能垃圾桶日益普及,其内置的监测传导装置可实时传输待清运垃圾量的相关数据,有助于解决城市生活垃圾产生量随机性导致的环境负效应以及收运系统效率低下的问题。本文基于智能垃圾桶提出一种城市生活垃圾动态收运路径优化策略。首先,考虑收运车辆延迟到达导致垃圾溢出的环境负效应,建立以最小化收运总成本为目标的垃圾收运车辆路径预优化模型和动态优化模型。其次,采用粒子群算法预优化收运路径,得到初始车辆清运方案;而后基于待清运垃圾量实时数据,设计周期性与连续性结合的策略,并构建触发连续性优化的启发式规则以实时优化车辆路径。不同规模的标准算例实验和仿真算例实验结果表明,周期性与连续性结合的优化策略在总成本、惩罚成本和距离指标上均优于周期性优化策略,且在惩罚成本指标上的改进最为显著。研究结果有助于降低由于清运不及时造成的环境负效应,为垃圾收运企业制定合理高效的清运方案提供了理论依据。

考虑病人时间窗偏好的周期性家庭医护人员调度优化问题

针对周期性家庭医护人员调度问题,研究了病人接受医疗服务的频次固定,但对不同接受服务的时间窗有不同偏好的情形。以最小化运营成本、最大化病人偏好满意度为目标建立了混合整数规划线性模型,设计了混合禁忌搜索算法进行求解。数值实验表明:医护人员的最大降级数越大,路径成本和目标函数值越小;病人对时间窗偏好的权重和医患匹配偏好权重越大,路径成本越大但目标函数值越小;混合禁忌搜索算法能有效求解各种规模的算例。

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.

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。

改进的引导式邻域搜索算法求解周期性车辆路径问题

在引导式邻域搜索算法静态惩罚策略的基础上,提出动态惩罚策略,设计改进的引导式邻域搜索算法,将其用于求解周期性车辆路径问题,采用标准算例进行数据实验,对动态与静态的惩罚策略进行对比.结果表明,采用改进的引导式邻域搜索算法求解周期性车辆路径问题可行有效.

改进蚁群算法求解绿色周期性车辆路径问题

针对带时间窗的绿色周期性车辆路径问题(GPVRPTW),同时以最小化运输时间和总能耗为优化目标,提出一种改进蚁群算法(IACO)进行求解。首先,IACO采用三维概率矩阵记录不同配送日期的车辆路径子问题的优质解信息,并设计基于信息熵的信息素更新机制进行合理地学习和积累,从而增强算法全局搜索的引导性;其次,引入基于5种邻域操作的变邻域搜索以提高算法的局部搜索能力;最后,在不同规模问题上进行仿真实验与算法对比,结果验证了IACO的有效性。

带退货的周期车辆路径问题的C-W节约算法

文章用MATLAB代码给出了一个改进的C-W节约算法来求解带退货的周期车辆路径问题,目标是最小化周期内总的行驶费用和总的启动费用之和,并举例对算法进行了说明。

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。

不确定需求下故障共享单车回收周期性车辆路径问题研究

为了及时有效地回收城市道路网络中的故障共享单车,对分散于路网边上的故障单车进行聚类形成收集点,考虑聚类收集点上回收需求呈现的不确定性特征,建立以行驶总距离最小为目标的回收周期性车辆路径选择模型.采用基约束鲁棒优化方法,利用有界区间对不确定的回收量进行描述,引入扰动系数和控制系数调节模型的鲁棒性和适应性.针对模型设计近似算法求解,证明近似算法的时间复杂性,分析算法近似比的上下界,用实例验证算法的近似比,结果表明算法性能较好.最后,通过分析回收量发生波动时,即扰动系数和控制系数对目标函数和算法近似比的影响,进一步验证了算法和模型的有效性.

动态需求下车辆路径问题的周期性优化模型及求解

针对客户点不断更新的动态需求车辆路径问题,依据滚动时域对配送中心工作时间进行划分,提出基于延迟服务的周期性客户点实时重置策略,策略中延迟服务机制能结合车辆启动延迟系数对照当前时域的时间进行检验,满足所有客户点的服务需求,保证车辆满足中心时间窗约束。设计多阶段求解的混合变邻域人工蜂群算法对各时间片内子问题进行连续迭代优化,算法中子路径动态转变的设计能较好平衡原有客户点和新客户点对路径更新和车辆实时信息匹配的要求。算例验证及对比分析表明本文策略和算法在求解动态问题时的有效性和可行性。

基于承运人横向合作的运输企业联盟绩效

为提高资源利用率,降低运输企业运营成本,实现集约化运输,分析了运输企业横向联盟绩效问题。基于周期性车辆路径问题(PVRP),提出联盟绩效评估模型,通过联盟利润P和联盟利润占独立运营成本的百分比S来描述。在改进迭代局部算法(ILS)的基础上,通过实例分析运输企业的不同伙伴特征(订单数量、平均订单规模、最多延迟天数)对联盟绩效的影响,研究拓展了原有仅考虑相似特征企业的联盟问题,设计了不同企业特征联盟的3种试验情景:考虑主效应的回归模型、考虑主效应和交互作用的回归模型、不同伙伴具有相同特征的交互作用。研究表明:运输企业通过组建联盟、横向合作,可以获得更大的利润。利润大小取决于形成联盟的合作伙伴交付的订单数量,订单的平均规模,以及允许延期的最长天数。其中,平均订单规模是联盟利润中最具影响力的特征,最有成效的联盟是由具有平均订单规模互补的企业组成,企业的订单数量也对联盟利润产生了很大的影响。该研究评估了不同特征的企业横向联盟的绩效问题,为运输企业寻找潜在的合作伙伴提供了建议。