不确定条件下公铁水多式联运多目标路径优化研究

多式联运运输的时效性和成本在现代物流的发展中是不可忽视的因素。针对公铁水多式联运的运输目标，主要研究了当运输时间、中转时间双重不确定因素服从随机分布时的绿色多式联运路径优化问题。构建以运输时间、碳排放、运输成本为目标函数，碳排放量为约束，建立运输时间、中转时间双重不确定条件下绿色多式联运路径多目标优化模型。并据此采用模糊自适应遗传算法（FAGA）和快速非支配排序遗传算法（NSGA-Ⅱ）设计多式联运路径优化策略；最后采用从南昌到柏林的路径数据仿真验证所提方法的有效性并对结果进行对比分析。研究发现基于NSGA-Ⅱ算法的多目标优化结果较优，可以引导多式联运经营人调整运输方案，减少二氧化碳的排放量，为物流企业开展多式联运运输提供可供参考的依据。     

考虑多因素的中欧集装箱货物运输方案研究

中欧贸易日趋频繁,物流需求多样,为设计各类货物的最佳运输方案,站在联运经营人角度,综合考虑运输时间、运输成本、运输安全、气体排放和货物时间价值等因素,以运输总成本最小、时间成本最小和事故成本最小为目标,建立多目标0-1规划模型.设计基于遗传算法和Dijkstra寻优法的混合算法得到Pareto最优解,并对苏州至伦敦的四类货物运输方案进行实例研究.研究表明:该模型可行,算法有效,可为联运经营人提供科学决策的工具.     

带时间窗的多式联运路径优化模型及算法研究

多式联运是我国现代交通运输体系的重要组成部分,其中运输方式和运输路径的选择直接影响到托运人和承运人的利益。根据多式联运相关的概念与网络构建方法,考虑了运输费用、时间价值成本,引入时间窗约束,以总成本最小为主要目标建立多式联运路径优化模型,并根据时间窗要求建立了惩罚机制。根据模型特点,设计了基于floyd的K短路-GA混合算法,求解得到总成本最少的联运方案。最后将该混合算法和传统遗传算法同时应用于多式联运算例求解,分析对比,验证了混合算法的有效性。     

低碳背景下的多式联运路径规划

低碳运输一直是世界各国关注的焦点,多式联运作为一种主要的运输组织形式,国内外的文献中却少有关于多式联运碳排放研究的文章.本文提出了运输总成本最小和运输碳排放总量最小的多目标0-1规划模型,构建运输总成本时不仅考虑了运输弧段上的运输成本、运输节点的换装成本、铁路车站及水运码头的存储成本还考虑了运输弧段与代理商的匹配关系.运输碳排放量则由运输过程碳排放和换装过程的碳排放构成.采用改进的带精英策略的非支配排序遗传算法(NSGA-II)对模型进行求解,算法能有效保存优秀个体和降低计算的复杂度.最后通过算例验证了模型和算法有效性.     

基于组合算法的易腐货物多式联运路径优化

为解决易腐货物多式联运路径优化问题,考虑时间窗约束,建立一种总成本最低的易腐货物多式联运路径优化模型.因遗传算法全局搜索能力强,禁忌搜索算法依赖初始解与领域结构的特点,设计了遗传-禁忌搜索组合算法,来求解最佳运输方式下的低成本最优路径.为验证多式联运的优势,特举实例将多式联运与单一运输方式进行对比;实例可知,组合算法有...     

混合不确定条件下绿色多式联运路径优化

主要研究了当运输时间、中转时间、客户需求和中转集拼货运量四重混合不确定因素服从随机分布时的绿色多式联运路径优化问题，运用随机优化理论，以运输成本、碳排放成本和时间惩罚成本为目标，建立混合不确定条件下绿色多式联运路径优化模型.通过对各子目标函数权重进行赋值，得出考虑不同成本因素的多式联运路径优化方案.探讨时间、需求和网络服务能力对多式联运路径优化结果的灵敏度分析，发现各成本随时间变动而变化的规律和边际运输成本最小时的服务时间；当货运量形成规模效应后可降低边际运输成本；不同网络服务规模的运输路径优化结果，以及满足客户不确定需求的最小网络配置.     

多式联运网络中的托盘共用调度方法

为解决多式联运网络中的托盘共用调度决策难题，采用非线性规划、混合整数规划和改进粒子群算法（particle swarm optimization，PSO）等方法优化了托盘共用系统，研究了在管理者可以选择水路、公路和铁路3种运输模式运输托盘时，管理者应采取的调度方法. 首先分析了多式联运网络中的托盘共用调度流程；其次构建了多式联运网络中的托盘共用调度混合整数非线性规划模型，模型中考虑了转运时间、转运成本、作业批量、托盘毁坏率、时间约束等因素；然后设计了带惯性因子的粒子群算法 （PSO with inertia weigh，IPSO） 和带压缩因子的粒子群算法 （PSO with constriction factor，CPSO）；最后通过实验分析验证了模型和算法的有效性. 研究结果表明:较单一的公路运输，采用多式联运网络中的托盘共用调度模型总成本降低了69.1%；与CPSO相比，IPSO得到的调度总成本降低了1.82%；客户的期望满足时间越宽松时，采用多式联运的方式调度托盘越能节约调度成本；多式联运所耗费的转运时间和转运成本直接影响托盘共用调度决策.      

基于衔接组合的集装箱多式联运服务分段采购优化

为解决集装箱多式联运服务分段采购中的运输费用和运输时间优化难题,从多 式联运经营人的视角出发,提出了集装箱多式联运总费用最小化和总运输时间最小化的 双层优化目标.基于运输路径选择和时、空、量的衔接组合,结合托运人运单、集装箱多式 联运组织形式、集装箱交接地点、运输路段及方式、运输时间、运费率等要素约束,建立了 集装箱多式联运服务分段采购优化模型.运用自然约束语言设计搜索算法程序并求解.数 值实验分析结果表明,该模型及搜索算法不仅易于实施求解,而且应用效果良好,达到了 集装箱多式联运一体化无缝运输的目的.     

考虑随机需求和时间约束LIRP联合协同优化

针对多节点多层次多功能的供应链管理中整体效益亟待提高的问题，结合某连锁超市的单一供应商、多分销中心、多零售店所构成二级分销网络，建立以系统总成本和供货时间为目标的多目标选址-库存-路径问题（location-inventory-routing?problem，LIRP）集成规划模型. 利用线性加权法将其转化为单目标规划模型，提出遗传算法和节约里程法相结合的两阶段启发式算法并求解模型，第1阶段用遗传算法求解选址-库存问题，第2阶段用节约里程算法求解车辆路径规划问题. 并结合某连锁超市实例，对不同总成本权重下的不同决策方案的分销网络进行LIRP集成优化，优化后的系统方案比原文献的总里程减少了3 606.9 km，系统总成本减小了6 526.2 元，缺货成本降低了124.6 元，只有19.7元，验证了模型和算法的有效性.      

基于改进遗传算法并考虑尾气排放的公交组合调度

为在提升公交运行效率和服务水平的同时减小其对环境的负面影响,针对公交单线路单向客流差异较大以及双向客流不均衡的现象,建立以乘客时间总成本、公交车运行总成本与尾气排放成本之和最小为目标的跳站与区间车组合调度模型。考虑公交停靠方案与发车频率在优化过程中的重要性差异,提出一种概率随迭代次数变化的动态概率遗传算法,对最佳停靠方案与发车频率进行求解。通过算例分析得出:该公交组合调度方案的总成本比单一全程车调度方案节省4.49%,虽然乘客时间总成本上升了5.04%,但公交运行总成本下降了7.12%,尾气排放成本下降了8.22%;提出的动态概率遗传算法的求解时间小于2min,表明此算法适用于求解有明显主次影响关系的多要素优化问题。     

高铁参与下考虑时间窗的生鲜品多式联运路径选择

针对生鲜品小批量、高时效的运输需求,提出将高铁作为一种运输方式参与到生鲜品多式联运中.考虑中间节点混合时间窗以及目的地收货软时间窗约束,以运输成本、中转成本、时间惩罚成本、蓄冷成本和质量损耗成本构成的总成本最小为目标,构建多式联运路径选择与运输方式组合模型.以"哈尔滨-昆明"区间多式联运为例进行算例分析,采用混合田口遗传算法求解,算例结果表明:考虑节点时间窗时选择"高铁+公路"路径运输组合方式更优;节点时间窗的存在虽然会在一定程度上造成时间价值成本的增加,但具有较强的现实合理性,说明模型能够有效地为生鲜品快速多式联运提供实用性的路径参考.     

双重不确定下应急物资多式联运可靠路径优化

为按时、可靠地将应急物资运达目的地，综合考虑需求和运输环境的双重不确定性、节点疫情感染风险、成本约束、班期限制和转运能力限制等，构建以可靠度最大为目标的应急物资多式联运可靠路径优化模型。同时针对所求问题的NP-难特点，设计蒙特卡洛自适应遗传算法和模拟退火遗传算法进行求解，并引入优劣解距离法对算例的运行结果进行分析。研究结果表明：蒙特卡洛自适应遗传算法较模拟退火遗传算法在求解质量和求解时间方面更优，在交叉概率为0.80，变异概率为0.08，种群大小为50的最佳参数组合下，得到的优化路径最大可靠度为85%，且求解出来的最优路线均未经过存在疫情感染风险的节点，求解结果较好。参数分析表明：在交叉概率相同的条件下，两种算法的平均运行时间均随着变异概率的降低而减少，随着变异概率的增加而增加；多式联运路径优化的决策会受水铁班期的影响。     

绿色多式联运随机优化策略

针对速度服从随机分布时绿色多式联运路径特点,探索路径优化策略问题,使用随机优化方法,建立绿色多式联运随机路径优化模型,设计了一种将样本平均近似法和基于优先权的粒子群算法相结合的混合算法求解该模型.结合多式联运实际情况设计数值算例验证模型的有效性,对模型中速度的正态分布与均匀分布和碳排放因子进行较为完整的情景分析,结合实际情况得出当样本规模为600,速度服从均匀分布时,情景3-2运输成本为501.11、碳排放成本为649.07是稳定性较高的理想决策,碳排放因子增为0.8有利于成本的降低.实验结果表明,本文建立的随机优化模型能够较好解决速度服从随机分布时多式联运路径优化问题,为实际多式联运运营提供决策支持.     

混合不确定条件下绿色多式联运路径优化

主要研究了当运输时间、中转时间、客户需求和中转集拼货运量四重混合不确定因素服从随机分布时的绿色多式联运路径优化问题,运用随机优化理论,以运输成本、碳排放成本和时间惩罚成本为目标,建立混合不确定条件下绿色多式联运路径优化模型.通过对各子目标函数权重进行赋值,得出考虑不同成本因素的多式联运路径优化方案.探讨时间、需求和网络服务能力对多式联运路径优化结果的灵敏度分析,发现各成本随时间变动而变化的规律和边际运输成本最小时的服务时间;当货运量形成规模效应后可降低边际运输成本;不同网络服务规模的运输路径优化结果,以及满足客户不确定需求的最小网络配置.     

考虑碳排放的混合轴辐式多式联运网络枢纽扩增选址-路径问题

针对现有多式联运网络枢纽饱和度高、枢纽到城市直达运输成本高且效率低等不足,提出采用混合轴辐式多式联运网络研究扩增枢纽选址,同时优化运输线路;基于允许枢纽间转运和需求城市间巡回运输的运输网络,考虑低碳因素构建了最小化总运输成本、二级枢纽开放建设成本、枢纽处转运成本和总碳排放成本的数学模型,将问题分解为选址-分配与路径优化2个阶段,并针对两阶段特点分别采用0-1编码和数字编码设计了两阶段遗传算法;针对现有实际案例采用设计的算法进行求解,并将求得的最优运输方案与现实方案进行对比。研究结果表明:采用提出的算法进行10次运行获得的最优解与其平均值的差值百分比仅为4.7%,且平均求解时间仅为90.6 s;优化后网络扩增了2个枢纽,弃用了1个不合理枢纽,网络转运能力提高了11.3%,枢纽的平均饱和度降低了15.7%,不同枢纽的饱和度比原网络更均衡,不仅缓解了饱和枢纽的压力,还提高了空闲枢纽的周转率,从而提高了转运效率;优化后运输方案对应的总成本、运输成本、中转成本和碳排放成本分别降低了68.41%、68.14%、56.55%和86.76%,且碳排放减少最为突出。由此可见,提出的模型和算法对扩张轴辐式网络选址和混合轴辐式多式联运网络运输方案的组合优化具有较好的性能。      

考虑环境税的邮政快递企业多式联运路径优化问题

为减缓运输过程中碳排放较多带来的环境问题,研究在考虑环境税条件下,邮政快递企业在货物运输过程中利用多式联运进行路径优化的问题。基于轴辐式运输网络构建运输费用模型,通过调整目标函数中的环境税税率,改变环境税在运输总费用中的占比。采用改进的A*算法并通过实际算例验证模型,得到不同时间成本及环境税税率下的路径规划结果,并提供对应决策。算例分析显示,时间成本系数为5 000,环境税占比分别为低于32%, 32%~78%以及78%以上时,最优方案分别为仅公路运输、公水联运及公铁联运。这表明单一运输方式适用于时效性要求较低的运输作业,对于时效性要求较高的运输作业,多式联运不仅可提高运输效率,且能降低运输成本。     

基于地铁-货车联运的物流配送路径优化

为应对配送车辆引起道路拥堵和环境污染问题，提出地铁与货车联合运输. 在不改变地铁运行方案的前提下，利用地铁非高峰时段开展货物配送；考虑地铁剩余运能、货车容量、最大行驶距离、客户服务时间窗等限制条件，以配送距离最短为优化目标，构建基于地铁-货车联运的物流配送路径优化模型. 通过地铁配送路径设计不规则二维矩阵编码结构，使用改进自适应遗传算法求解. 以某市地铁货物运输为例，验证模型和算法的实用性、有效性. 结果表明，地铁-货车联合配送距离短，在客户时间窗范围内送达比例高，有效提高客户满意度.     

基于地铁的地上地下闭环物流配送路径优化

面对闭环物流需求增长与道路资源紧缺的不平衡问题,设计了基于地铁的地上地下配送模式,以运输成本,时间窗惩罚成本,碳排放成本,转运成本,固定成本和地铁货运运营成本的总成本最小为目标函数,构建基于地铁的地上地下闭环物流配送路径优化模型.基于半初始化子路径扰动策略改进了自适应遗传算法,并以南京市秦淮区为例进行分析.结果表明:相...     

考虑碳排放的多式联运货运枢纽选址

为进行多式联运货运枢纽的合理选址,在考虑碳排放的前提下,引入运营收入、建成成本、运输成本、中转成本、碳排放等价成本,以利润最大化为目标建立货运枢纽选址模型。提出基于P-中值模型思想的求解算法,结合具体算例进行求解,分析各因素单独变化时对运输总收入的影响,结果与实际相符。该研究能促进多式联运降低成本、提高效益,并为货运枢纽规划选址提供参考。     

不确定环境下多式联运路径多目标优化

针对不确定环境下的多式联运网络,考虑转运成本、时间及运输方式班期等影响因素,构建运输总成本最小和运输总时间最小的双目标优化模型.通过蒙特卡洛方法处理网络中的不确定性,设计结合非支配排序的多目标蚁群算法求解Pareto解.为解决基本蚁群算法收敛过慢、过早收敛带来的求解质量低等问题,在状态转移策略中加入方向启发因子,在信息素更新策略引入"最大-最小蚂蚁系统",从而提高解的质量.最后通过算例检验改进蚁群算法的优化效率,并为决策人提供5个充分满足其对不同目标要求的决策路径.