一类随机库存/运输联合优化问题求解过程分析

研究了由一个仓库和n个客户(如零售商、批发商等,而非产品最终的消费者)组成的物流配送系统,中央仓库的库存如何经济合理地分配给每个客户,使这个系统整体的性能最优的随机库存/运输联合优化问题。这个分配过程需要同时考虑每个客户的货物量以及最佳的配送路线,库存/运输联合优化问题比单纯的库存问题或单纯的运输问题要复杂得多。研究在随机条件下如何基于FPP思想来求解ITIO问题更具有实用价值。描述了所研究问题的特点,讨论了对随机需求量的近似确定化处理过程,建立了刻画问题特征的数学模型。同时重点论述如何将研究的问题转化为CCLP问题及相应的求解过程,并给出具体的算法步骤。     

VMI模式下的随机库存路径问题

设计了一套求解随机库存路径问题的启发式算法,该算法首先对随机顾客需求进行确定化处理,将问题转化为确定需求的库存路径问题,然后利用修正的经济订货批量公式计算各顾客的配送周期,最后通过求解周期车辆路径问题得到随机库存路径问题的近似解。     

考虑超重超远客户的卡车无人机协同配送研究

卡车与无人机配送的母船模式是指卡车搭载无人机至离客户较近的地点后,由无人机起飞配送多个客户点,再与卡车汇合的协同配送方法,是交通工程领域中具有潜力的重要发展方向之一。考虑到现实中存在部分客户点需求量超出无人机最大载重,或所处位置超过无人机最大航程覆盖范围的情况,在母船模式基础上,提出考虑超重超远客户的卡车与无人机协同配送模式(Truck-Drone Joint Delivery with Consideration of Customers with Great Demands and at Great Distances, TDJD-CGDGD)。该模式允许卡车服务超重超远客户,并允许无人机起降于不同地点。该模式下待求解的问题为含无人机的旅行商问题。以最小化总配送成本为目标,构建了混合整数线性规划模型。为高效求解大规模算例,提出了一种融合贪婪随机自适应搜索(GRASP)与自适应大邻域搜索(ALNS)的混合算法。算法首先在附加约束条件下,生成车机共同配送路径,该约束可简化车机路径优化过程。随后放松附加约束,针对性地调整一部分无人机路径,进一步降低总成本。试验结果表明：所提算法具有较好的...     

可获知偶发拥堵持续时间的动态车辆路径问题

考虑真实交通路网,探讨了可获知偶发拥堵持续时间的动态车辆路径问题.在利用改进的Dijksta算法将路段行驶时间转化为客户点间最短行驶时间的基础上,根据常发拥堵信息,通过遗传算法安排车辆初始配送路径,根据实时获知的偶发拥堵因素影响下的路段行驶时间和其持续时间,以2-opt和insertion方法更新车辆配送路径,通过车载导航系统实时指导车辆行驶路线.数值试验表明,该方法可根据偶发拥堵信息更新车辆配送路线,以避开偶发拥堵影响路段,缩短总配送时间0.65~13.18 min;获知偶发拥堵持续时间帮助多节省了配送时间 -0.16~4.17 min.节省的时间随偶发拥堵因素对路网影响的加剧而更显著.      

基于遗传算法的冷链物流配送路径优化研究

针对冷链配送时效性强的特性,对于不能满足客户特定时间窗的问题,选用带软时间窗的惩罚成本来约束配送企业,结合生鲜产品在途的冷藏费用随时间延长而上升的实际,建立冷链配送路径多目标优化模型,运用遗传算法对模型进行求解,研究满足客户时间窗条件下总配送成本最小的最优配送方案,并通过算例对模型及算法的有效性进行验证。     

一对多配送网络中ITIO问题的建模与算法研究

ITIO问题是现代物流配送系统中重要的问题,一对多配送网络中ITIO问题是以一对多配送网络为研究对象,是解决ITIO问题的一个基础。解决这一问题,应该用双层规划法建立具有随机需求的、多产品的库存与运输整合优化数学模型,并针对问题的复杂性和庞大的计算量而难以得到模型最优解的情况采用改进启发式算法,从一个初始可行解开始,通过反复迭代,协调供需库存之间的影响,不断寻求改进的解,进而求得优化策略。同时也应该考虑VMI模式下的供需双方库存与运输的全面整合优化,从而实现更贴近于大规模现代物流配送实践的数学描述与求解研究。     

包含禁行路线路网的最优路径HNN算法

为了解决包含禁行路线路网的最优路径快速求解问题,研究了不含禁行路线路网和包含禁行路线路网的特点,建立了相应的路网数学模型。通过路网转化法把包含禁行路线的路网转化为不含禁行路线的路网,降低了最优路径求解的难度。研究了霍普费尔特神经网络(Hopfield Neural Network,HNN)的特点,设计了适合求解路网最优路径的HNN算法,在算法中采用动态邻接矩阵,节省了计算机内存,减少了运算时间。将所研究的路网转化方法和设计的HNN算法应用于所研发的车辆诱导系统中,并进行了实际路网测试,结果表明应用该方法能够在包含禁行路线路网中求解最优路径,且比经典算法的运算效率高。     

A Multi-product Location-inventory Model Based on Coordinated Replenishment Policy

产品多样化已经成为很多制造企业普遍采用的竞争策略,然而,现有的选址-库存模型大多只考虑了单产品的情况,不能满足实际的需要.基于协调补货的多产品库存控制策略,建立了一种多产品环境下的选址库存联合决策模型.模型以选址成本、运输成本和库存成本之和最小为目标,同时对配送中心的位置、数量、服务范围和库存控制参数进行决策.模型属于典型的NP-困难问题,因此,采用粒子群智能优化算法求解.算例的测算结果表明:模型最优解对零售商的需求、配送中心的资源总量和单位产品资源消耗量的变化较为敏感,而对固定遗址成本和次订货成本的变化不敏感;模型是可行的,可用于解决部分多产品分销网络设计问题;粒子群优化算法可以很好地求解所建立的模型.     

基于遗传算法的3L-CVRP优化问题研究

为提高物流配送效率,降低配送成本,探讨了三维装箱约束下的车辆路径优化问题.在装箱问题与车辆路径优化问题研究现状的基础上,将三维装箱与车辆路径优化进行整合,考虑客户需求、货物装载顺序、车辆尺寸、车辆重心等约束,建立以路径最短、车辆装载容积利用率和载重率最大的多目标组合优化模型,引入权重系数体现决策者偏好并归一化目标函数.设计适用的染色体编码规则,确定遗传操作中选择、交叉、变异方法,选取目标函数为适应度函数,引入最优个体保存策略防止算法的过早收敛,提高算法的准确性,通过Matlab编程实现该优化模型的求解.案例数值试验表明,该模型与算法能够实现装箱与车辆路径的组合优化,算法运行时间为17s左右,相较于引导式局部搜索遗传算法减少了5 s,车辆总行驶里程缩短了7 km.      

多对一配送网络中的库存与运输整合问题

通过运用双层规划法,为物流配送系统中典型的多对一配送网络建立具有随机需求的、多产品的库存与运输整合优化数学模型,同时做出库存控制与运输组织两方面的决策.提出了把整合问题分成库存与运输两个问题的改进启发式方法,前者将成本针对不同产品加以分配,后者针对不同周期寻求成本的优化,通过二者之间的反复迭代,解决库存与运输的整合优化问题.最后,运用算例验证模型与算法的有效性,从而实现更贴近于大规模现代物流配送实践的数学描述与求解研究.     

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。     

随机交通网络中依赖信息的路径优化问题研究

针对交通网络中路径通行时间具有与时间相关的随机分布特性，将研究在此类交通网络上依赖信息的路径选择问题。在路径选择过程中引入交通信息，在随机交通网络上最优路径选择原则为下一节点的选择将依赖于已实现的路段时间及当前节点的出发时间，通过期望最小值方法，按照路径通行时间期望值最小原则，建立一种通过所获得交通信息来进行路径选择的优化模型，给出了模型的求解算法。并在简单交通网络上对模型进行实现。     

考虑车辆限行和装箱约束的车辆路径优化方法

在实际配送过程中,考虑到部分城市道路存在限制大型配送车辆通行的现状,以及运输途中车厢内物品满足后进先出等装载约束能有效提高装卸效率的特点,将车辆限行和二维装箱约束加入到需求可拆分车辆路径问题中.同时考虑到车辆的使用成本和行驶成本,以车辆总配送成本最小为目标构建考虑车辆限行和二维装箱约束的需求可拆分车辆路径问题数学模型,...     

液化天然气库存路径问题建模与算法

考虑液化天然气（LNG）的在途挥发、转移挥发与库存挥发对配送成本与风险的影响，根据LNG风险特性采用蒸汽爆炸模型量化库存和运输风险，并针对传统单因素风险评估方法的不足，结合多源数据（兴趣点密度、土地生产总值产出率和人口密度）构建多因素复合风险评估指标反映事故严重程度的空间异质性，建立库存路径问题双目标优化模型，实现多周期LNG库存和配送方案的联合优化。根据问题的特征，设计基于贪婪策略预优化并结合变邻域搜索（VNS）的多目标粒子群（MOPSO）混合优化算法，且通过标准测试函数对改进前后的MOPSO算法和非支配遗传算法（NSGA-Ⅱ）进行比较；与NSGA-Ⅱ相比，MOPSO在结合VNS前后分别具有32%和42%的收敛性优势，结合VNS混合优化相比原始MOPSO有15%的收敛性优势。最后，以广州地区LNG加气站供应体系进行案例分析。研究结果表明：库存与运输成本存在利益背反关系，且在短暂缺货时总成本较低；忽略挥发的影响会导致小批量频繁补货，从而增加不必要的运输成本；LNG挥发成本占总成本的10%~20%，库存挥发率对成本影响较大，但对风险影响很小，当库存挥发率低于2%时投资降低挥发率带来的经济效益较大，当超过2%时，投入产出比迅速降低；风险限值约束对路径选择和成本影响较大，20%风险限值的降低带来了10%总成本的提高，但20%风险限值的提高仅降低5%的总成本，说明总成本在逐步接近不考虑风险时的最低值，存在优化上限。     

OD估计的多步双层规划模型新算法研究

建立了一个OD估计模型.将OD估计分为固定的步数,每一步都是一个双层规划,上层为广义最小二乘估计,下层为随机用户均衡分配模型,即以广义最小二乘估计和随机用户均衡分配模型为基础,通过更新估计模型中目标矩阵和实测路段上的流量来估计OD矩阵.最后用一个简单的路网验证了该算法的有效性.     

基于波及延误的飞机路径随机优化模型

为了对航班延误进行有效的事前控制,挖掘后继航班独立延误对飞机路径整体延误的影响,建立了更加精确的独立延误和波及延误算法流程,侧重研究与航班计划变更无关的独立延误的统计分布.在拟合出航班独立延误服从对数正态分布的基础上,建立了以波及延误最小为目标函数的飞机路径随机优化模型.求解过程中通过已知分布将随机模型转化为确定性模型,降低了模型的求解难度.最后将该模型应用于国内某一航空公司运行数据,优化后的波及延误降低了28%,成本降低17.37%.结果表明,基于统计分析基础上的飞机路径优化模型可以提高航班计划的先行鲁棒性.      

A Novel Optimal Routing for Navigation Systems/Services Based on Global Navigation Satellite System Quality of Service

The positioning quality of global navigation satellite system (GNSS), or GNSS quality of service (QoS), is a major factor impacting real-time navigation performance. Commonly requested routes (i.e., shortest or fastest) may include areas with poor GNSS QoS, which can subsequently degrade navigation performance. To provide alternative routes with high or acceptable GNSS QoS along a route, a novel optimal routing for navigation systems/services based on GNSS QoS by utilizing integrated GNSS (iGNSS) QoS prediction is presented in this article. New routing criteria based on GNSS QoS are maximum availability, maximum accuracy, maximum continuity, and maximum reliability. Two experiments were conducted to compare GNSS QoS-based routes against shortest routes. In one experiment, routes were simulated, and in another, generated routes based on GNSS QoS were evaluated against GPS-based trajectories as ground truths. The results show that GNSS QoS-based routes provide routes with higher QoS, more than 50%, and longer, about 50%, than shortest routes.     

具有同时配送和回收需求的车辆路径问题的混合遗传算法

介绍了具有同时配送和回收需求的车辆路径问题(VRPSDP),并对其进行了描述,建立了该问题的数学规划模型。结合2-opt法和等级替换策略等设计了求解VRPSDP的一种混合遗传算法,给出了该算法初始种群的两种生成规则———随机生成和构造初始种群,设计了相应的交叉和变异算子,并详细阐述了违反约束条件的处理方法。通过随机模拟试验以及与其他方法的对比分析表明:该算法可有效缩短车辆行驶距离,而构造初始种群则在一定条件下可显著提高混合遗传算法的收敛速度并改善其运行结果。     

多用户多准则固定需求随机交通均衡变分模型

运用变分不等式理论,针对非对称费用函数下准则权重与出行者类别相关的多准则路径选择问题,建立了具有固定需求量的多用户多准则随机交通均衡配流模型,分析了均衡流量的存在性和唯一性条件,由于广义路段出行成本受到路段之间流量的相互影响,可将相继平均法进行推广来求解该交通均衡的变分问题。给出了相继平均法的执行步骤和计算实例。     

交通网络中多路径优化选择算法的研究

指出了传统的多路径问题及其算法存在的缺陷,给出了多路径优化算法的几个定义,在此基础上,提出基于重叠惩罚的多路径选择算法,设计出了重叠惩罚函数数学模型结构以及路径相似性评价函数定义,对惩罚函数中的协调因数敏感性进行分析,给出了合适的协调因数。该算法能有效地解决候选路径重叠相似性问题,而平均总旅行时间比率基本不变,从而更适合驾驶人员的实际选路需求。与传统k最短路径算法进行了试验比较,结果表明该算法明显优于传统k最短路径算法。