基于共同配送的农村快递车辆调度问题

为降低农村物流成本,助力"快递下乡"工程的实施,在考虑重量、体积、订单、路径等约束条件下,以总利润最大化为目标构建基于共同配送模式的农村快递车辆调度模型;并提出采用基于随机修复非可行解策略的遗传算法求解该模型,同时在算法中引入多种群机制以提高求解的效率和效果。最后,结合实际算例对模型进行验证;设计不同订单规模的仿真算例对算法性能进行分析。研究结果表明:共同配送策略能从全局优化的角度合理配置区域内物流资源,与独立配送模式相比可降低30%的配送成本。仿真实验表明:相较于标准遗传算法,改进遗传算法能快速地搜索到更优的满意解,可以有效求解共同配送模式下的农村快递车辆调度问题。     

不确定环境下的多车型物流配送路径优化

为实现在路段通行时间不确定背景下,配送企业对多种车型车辆的组合优化,使车辆资源利用、配送路径最优.通过建立总成本和配送时间最小的多目标模型、并考虑时间窗约束,设计提出多目标进化遗传算法求解该问题.本算法结合链表思想,同时为解决产生不可行解问题,在解编码时采用多染色体;并在算法中针对子染色体和母染色体分别设计交叉算子,运用擂台赛法则和改进精英保留策略构造非支配解集和加快算法的收敛速度.结果表明:相比单车型,多车型组合优化具有更高的经济效益,且随着不确定参数的变化,运输成本上升,多车型配送满载率受影响较小.     

多跑道着陆飞机协同调度多目标优化

综合考虑空中交通管制、航空公司和机场因素,研究了多跑道降落航班的协同调度问题,以实现安全、公平和高效的空中交通管理战术决策．提出了采用协同航班调度策略和多目标优化调度模型．模型以安全性为约束,以总延误成本和空中交通管制员管制负荷最小、航空公司之间尽量公平为优化目标,用多目标遗传算法求解．算例仿真结果表明,用本文算法得出的最优方案与FCFS算法结果相比,因延误造成的总成本损失减少了61．4％,并使延误损失在各航空公司间的分配更加均衡．     

基于遗传算法的供应链联盟伙伴选择

在建立供应链联盟伙伴选择多目标决策模型的基础上，提出了一种求解供应链联盟伙伴选择优化问题的自适应遗传算法，并给出了算例．该算法设计了自适应交叉概率和变异概率，使每个个体在遗传过程中对环境变化具有自适应调节能力．算例结果表明，用该方法能以较快的速度收敛于全局最优解．     

基于多智能体局部寻优的粒子群优化算法

为了提高粒子群算法的收敛速度和全局寻优能力,用多智能体遗传算法对粒子群算法当前搜索到的全局极值进行局部寻优．用搜索到的更好的解在下一次迭代中引导粒子进行搜索从而获得更快的收敛速度和更好的全局收敛性。对函数优化和神经网络训练的仿真实验表明．此算法能更快的收敛到全局最优解。     

多中心共同配送与收集网络联盟优化问题研究

针对多中心共同配送与收集网络中物流合作联盟构建和收益分配机制设计方面存在的不足,提出了多中心共同配送与收集网络联盟优化策略.首先,建立了网络运营总成本最小和配送与收集车辆使用数量最少的双目标优化模型.其次,提出了结合k-means聚类算法和Im-NSGA-Ⅱ算法的混合启发式算法求解模型,该混合算法通过引入贪婪求解思想和精英保留策略,提高了算法的全局收敛性能和局部寻优能力,并与NSGA-Ⅱ和MOGA算法进行对比分析,验证了所提算法的有效性.然后,运用最小费用剩余节约方法(MCRS)研究多中心共同配送与收集网络联盟的收益分配问题,并讨论合作联盟序列选择和联盟稳定性.最后,通过实例对提出的优化模型和算法进行验证.结果 表明,该方法能够优化多中心共同配送与收集网络资源配置,降低网络运营成本,为多级共同配送与收集网络优化提供参考和方法借鉴,并为可持续的城市物流网络规划和共享物流合作联盟构建提供决策支持.     

基于多目标优化的应急设施选址-配送模型

针对频发的突发事件,应急设施选址与配送路径规划对快速开展救援活动、减少事件损失具有重要意义。通过构建基于多目标优化的应急设施选址配送模型,同步解决应急设施选址和配送路径规划问题。模型目标函数包括3个方面:最小化总物资运输时间成本、最大化应急设施设置容量和最小化应急设施设置数量。在此基础上,设计了一种多目标遗传算法,结合快速非支配排序对模型进行求解,以获取最优应急设施选址配送方案。此外,基于苏尔福斯网络进行了案例研究,证实了所提出模型和算法相比于传统方法的有效性与优越性。     

基于大数据平台下的物流配送车辆路径问题研究

利用大数据平台对多源大量数据进行实时计算处理的优势,考虑具有载重限制、运输路径限制且带时间窗限制的路网中物流配送车辆路径问题,建立以配送时间最短和配送成本最低为目标的数学模型.构建大数据下的多源信息分析处理平台构架图以获取实时交通信息,根据实时路况环境,对配送车辆的路径进行优化.通过利用大数据平台Hadoop中的MapReduce编程模型进行遗传算法并行化设计并求解.结果表明:利用大数据平台进行遗传算法并行化设计能有效求解多目标配送车辆路径问题,创新性地对车辆路径问题进行研究,具有解决实际问题的积极意义.     

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。     

配气凸轮优化设计的单纯形法和遗传算法

采用高次方五项式构造凸轮型线的优化设计数学模型，使用Matlab数学工具。用单纯形法和遗传算法对其分别进行了最优化设计．数值计算实例表明：单纯形法容易陷入局部最优，而遗传算法则具有较好的全局搜索性，能获得全局的最优点．