基于人工鱼群算法的港口物流配送路径规划研究

针对原有港口物流路径规划方法在使用无法设定最优路线、造成运输成本较高的问题,引用人工鱼群算法,设计基于人工鱼群算法的港口物流配送路径规划方法。根据港口物流配送路径规划框架,设计港口需求点节点表现形式,并设定路径规划约束条件。根据约束条件结合VPR数学模型,完成配送路径规划模型的构建。引用人工鱼群算法将配送过程模拟为鱼群觅食过程,选定最优行进方向与距离,对上述设定路径规划模型展开优化。至此,基于人工鱼群算法的港口物流配送路径规划方法设计完成。构建实验环节,通过与原有方法规划结果对比可知,此方法规划结果路程缩短于原有方法,有效降低运输成本。综上可知,此方法路径规划能力优化原有方法。     

基于物联网的海上应急物资运输路径优化仿真

针对海上应急物资运输的特点,综合考虑物联网技术优势与海上应急物资运输的要求,引入模糊时间窗函数,结合最优适应度函数等主要约束条件,构建以配送距离最短、花费时间最少、配送成本最低、客户满意度最大的物联网的海上应急物资运输路径优化模型,在Matlab 2017a平台上进行仿真。结果表明,改进后的遗传算法能够找到最优配送路径,达到了智能化海上应急物资运输配送的要求。     

基于大数据分析的船舶海上物流配送链优化模型

传统的船舶海上物流配送链优化模型无法对物流资源数据进行特征共享分析,导致优化后的配送路径过长,极大地增加了运输成本与时间。为了解决这一问题,提出基于大数据分析的船舶海上物流配送链优化模型设计。通过大数据分析技术,首先对物流配送链信息进行物流源的分组优化。以收件人为中心将货物与数据资源一一对应分组,清晰物流配送数据的配送关系,对数据进行内部整合计算,精简数据流提升模型计算速度;最后对配送路径进行输出优化计算,通过大数据分析对遗传算法进行实时分析,得到最佳的配送路径。为验证提出优化模型的有效性,通过设计仿真对比实验的方式,模拟配送链数据对提出模型与传统模型进行配送时间的对比,通过对比数据证明提出的优化模型具有配送用时短,节约运输成本的特点。     

电子商务环境下舰船供应链物流配送最优路径规划方法

传统舰船供应链物流配送最优路径规划方法,普遍采用一种最优计算算法来完成最优量的计算。当计算出的最优量同实际路径发生冲突时,算法无法快速给出当下最优路径解决方案,严重影响物流配送时效。因此,提出电子商务环境下舰船供应链物流配送最优路径规划方法。根据舰船配送货物特征,通过迪杰斯特拉算法对货物配送路径进行多路径规划模型建立,使其模型中的路径能够符合全局配送过程的需要;通过实时优化蚁群算法对模型中的规划路径进行实时最优计算,保证舰船任意状态下的航行路径均为最优路径。对传统路径规划方法所规划的路径与提出方法所规划的路径进行最优路径的二次规划测试,通过二次最优规划所用时间,证明提出方法在路径实时最优规划上优于传统路径规划方法。     

随机需求下冷链物流配送路径优化问题研究

为探讨随机需求下冷链物流配送路径优化问题,本文以固定成本、运输成本、货损成本、制冷成本、惩罚成本和缺货成本总和最小为目标函数,并在约束中考虑客户软时间窗,从而构建了随机需求模型;选择遗传算法求解问题,通过算例比较了考虑顾客的随机需求与使用给定的需求期望值之间成本差异,验证客户的随机需求会对企业的配送成本产生影响。     

基于群体智能的船艇货物配送路径图解优化模型构建

由于蚁群算法路径优化模型容易出现局部最优的问题,导致最终的船艇货物配送成本过高,为此构建一种基于群体智能的船艇货物配送路径图解优化模型。以配送路径的难易度系数为标准,对配送路径的当量长度进行计算,引用群体智能算法,确定货物配送路径的动态调整规则,运用图解法计算最短配送路径,完成路径图解优化模型的构建。通过实例论证分析的方式,确定该模型的有效性。结果表明,基于群体智能的路径优化模型较基于蚁群算法的路径优化模型具备优越性,货物配送总成本降低328.5元/天,且大大缩短了配送时长,提高了船艇货物配送效率。     

结合免疫算法的船舶运输路径优化方法研究

为选取出港口船舶运输的最优路径,相关研究者将近几年兴起的智能算法,如禁忌搜索算法、遗传算法应用其中,但是这些算法均视最短路径为最佳路径,未从多个角度进行选取,导致选取出的路径虽然最短,但安全性较低、成本相对较高,整体运输路线质量不高。针对上述问题,研究一种基于免疫算法的船舶运输路径优化方法。该方法先需要对船舶运输路径优化问题进行描述,从多个角度进行约束,后利用免疫算法求取路径优化问题的最优解,完成最优路径搜索。结果表明,与基于禁忌搜索算法、遗传算法的港口船舶运输路径优化方法相比,本算法运行下,选取出的路径距离虽然并不是最短的,但是在时间、安全性以及成本方面均最佳,因此通过综合评估得出本方法选出的运输路径最优,证明了本方法的性能。     

大数据背景下船舶现代物流配送系统的设计与实现

现代物流管理系统可以帮助企业及时了解船舶物流相关信息,是物流配送最为关键的一个环节。当前物流配送系统没有考虑现代船舶物流量大、实时性要求高等特点,使得船舶物流配送效率低、配送成本高。为了减少船舶物流配送时间,缩短船舶物流配送距离,提出一种大数据背景下的船舶现代物流配送系统。首先对船舶现代物流配送系统的总体功能进行分析,并重点对船舶现代物流配送路径问题进行研究,然后采用粒子群算法对船舶现代物流配送路径进行求解,从而实现船舶现代物流配送系统设计,最后对船舶现代物流配送系统性能进行了测试。本文系统解决了当前船舶现代物流配送系统存在的缺陷,提高了搜索最优船舶现代物流配送路径的效率,减少了船舶现代物流配送时间和距离,有利于提高船舶物流配送企业的经济效益。     

基于粒子群算法的船舶物流智能配送系统

当前船舶物流智能配送系统存在配送路径并非最优,配送效率低,导致船舶物流智能配送成本存在居高不下的缺陷。为了节约船舶物流智能配送成本,找到理想的船舶物流智能配送路径,设计了基于粒子群算法的船舶物流智能配送系统。首先对船舶物流智能配送系统的工作流程进行描述,并重点描述船舶物流智能配送路径优化问题,然后设计了一种改进粒子群算法,并采用它实现船舶物流智能配送路径的优化。最后的测试结果表明,本文船舶物流智能配送系统可以在用户规定时间内将需求的产品送到目的地,降低了船舶配送成本,不仅可以帮助船舶物流配送企业提高管理,而且船舶物流配送结果优于其他的系统。     

基于人工智能算法的港口物流船舶运输路径优化研究

传统的港口物流船舶运输路径优化后,船舶运输成本很高,运输时间过长。针对上述问题,引用人工智能算法研究了一种新的港口船舶运输路径优化方法,通过船舶配送和客户管理两阶段解决优化问题,通过线性优化区分港口路径组成的种群,形成若干个子种群,分析种群之间的密度,根据密度分析结果得到协同进化方案,同时使用提升操作和协同操作解决路径优化问题,利用"径—环切割"理论对客户进行分组优化,通过时间窗解决运行时间问题。设定对比实验验证方法效果,结果表明,基于人工智能算法的港口物流船舶运输路径优化方法可以有效降低运输成本,缩短运输时间。