有交通条件约束与软时间窗约束的配送配载模型算法研究

由于配送中客户的时间窗限制和车辆在运行过程中的交通条件约束，给配送中心的运营调度工作增加了新的难题，为此建立了在该约束条件下的车辆配送配载模型。通过在路径选择时考虑交通条件约束、在建立目标函数时以阈值的形式引入时间窗约束，对原始模型进行了拓展，并构造了该问题的遗传算法。     

多资源约束下车辆配送路径优化模型

本文研究了在车载能源量、车辆载货能力等多资源约束下的车辆配送路线优化问题,建立了多资源约束下配送路径优化的静态模型和动态模型。在静态配送路径优化模型中,通过修改网络结构,增加虚拟资源点,解决了含有子回路的配送路线优化问题;在动态模型中,采用时空网络模型来避免子回路的产生,对车辆配送路线规划问题的描述更加直观准确,该模型以扩大模型规模为代价丰富了车辆配送路径选择方案,并能求解车辆到达、离开客户点的时刻。以商业优化软件CPLEX12.6.2为工具对上述两个模型进行验证和数值计算实验。     

�������·�������ģ�ͼ����㷨

在物流活动的商品配送运输中，由于受不确定因素的干扰，对配送车辆调度的适时性造成了很大影响，从而增加了配送成本和降低了配送的服务质量。本文考虑客户对配送时间的要求和车辆行驶时间的不确定性，建立了以车辆配送总行驶距离最小化为目标的机会约束规划模型，并构造了求解该模型的单亲遗传算法，通过实例对模型求解，结果表明，该算法是很有效的。     

带软时间窗的集货与送货多车辆路径问题节约算法

研究了物流配送中多车运输的集货与送货车辆路径规划问题,以增加时间惩罚费用的方式插入软时间窗约束,将租车费用、货车运输费用和时间惩罚费用三者之和最小作为优化目标,建立数学模型。采用启发式节约算法求解该模型,考虑时间惩罚费用和运输费用,比较每一配送节点上直接送货和间接送货的节约费用关系,求出最优配送路径。试验结果表明:当配送次数达到50次时,货车平均装载率仍能达到80%以上,该节约算法能减少货车空程行驶和租车次数,优化了全局费用。     

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.     

时效约束的高强度快递需求区域车辆调度模型

为提升高强度快递需求区域的车辆配送效率,在刻画移动仓库动态需求与点部收派件优先度的基础上,建立高强度快递需求区域的快递车辆调度模型.在满足收派件时效性约束的前提下,求解快递车辆配送路线,并对车辆调度模型进行优化,以符合点部与移动仓库收派快件实际需要.     

车辆-货物-约束系统侧翻失效力学特性的研究

建立了车辆-货物-约束系统的力学模型,采用侧向加速度作为车辆-货物-约束系统的侧翻指标,分析计算得到载货车辆的侧翻临界值.在该翻临界值的基础上,建立货物-约束器模型,分析货物不发生倾翻和滑移时所需约束器的数量.     

动态交通下车辆路径选择模型及算法

为优化动态交通下物流配送成本及服务水平,依据交通流量将运输时间分为不同时段的不同分布,建立了具有时间窗约束与物流成本最小的车辆路径混合整数非线性模型,设计了自然数插值编码的遗传算法对模型进行求解,对不同交通状况下配送方案选择进行了仿真比较。仿真结果显示遗传算法是收敛的,依据交通状况选择相应的配送方案,不仅物流成本降低了2%,而且服务水平也提高了5%。     

时间窗约束下需求可拆分的拣选与配送联合优化问题研究

针对企业急需解决的订单履行效率低问题,基于需求可拆分的思想,综合考虑时间窗和组合拣选策略特征,建立时间窗约束下需求可拆分的拣选与配送联合优化模型。通过拣选成本、拆分需求成本、配送成本、时间惩罚成本反映订单履行效率,指出拆分需求、组合策略以及算法对于模型的优化。利用两阶段算法对模型求解,通过算例验证了模型和算法的有效性。最后以不拆分需求、S-Shape策略和顺序决策算法为对比方案,发现总成本分别下降了33.43%、12.3%和28.17%,证明本文建立的模型和算法可以有效提高订单响应速度,降低订单履行成本。     

托盘装载约束下带时间窗的配送车辆路径优化研究

针对快递码放混乱等问题，本文引入可调节支撑结构高度的托盘作为装卸载体进行配送服务。首先，设计基于“砌墙”理论的托盘装载模式，提出托盘三维装载约束下配送车辆路径优化方案；其次，将装卸效率代入配送时间成本，构建平均车辆装载率最高和总成本最低的双目标优化模型；然后，结合托盘三维装载约束下配送车辆路径优化方案，设计托盘装载路径算法(Three-Dimensional Routing with Pallet, 3DRP)，并利用LN(LOH&NEE)三维装载算例进行验证，得到68.2%的装载率，验证了其在快递配送问题中的有效性；最后，本文对重庆市某快递公司的配送数据进行实例验证，方案最终结果显示，本文方法可以做到平均车辆装载率83.02%，且部分路径可以做到0时间惩罚成本。通过本文方案与传统三维装载方案的对比分析可知，将托盘作为载体进行快递三维装箱的优化可以兼顾车辆高装载率，并节约97.5%的时间惩罚成本，提高车辆利用率。     

基于时间窗的铁路空箱调运问题分析

首先介绍机会成本与重箱的经济效益。其次,从不考虑时间窗约束、软时间窗、只有硬时间窗、同时含有软时间窗和硬时间窗4个方面建立模型并加以约束,从而对空箱调运进行详细分析。最后得出想要提高整个铁路企业的经济效益,应将客户进行系统的划分,并区分其价值大小,然后将客户价值与调运成本相结合。     

带软时间窗车辆路径问题及禁忌搜索算法

考虑不同容量和运输成本的多车型车辆,建立容量限制和软时间约束,并以最小化车辆在路段上的运输量和该路段的长度乘积为目标的数学模型,给出求解该问题的禁忌搜索算法。在算法中考虑使用车辆最少的插入算法生成初始解。最后,通过仿真算例,检验模型和算法的有效性。     

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.     

浮动车数据在车辆路径问题中的应用

利用浮动车信息采集系统预测路段行程时间,实现对带时间窗的混合车辆配送路径选择的优化.提出了带时间窗的混合车辆路径选择优化问题的求解模型;设计了浮动车地图匹配和路段行程时间预测算法,以实现对路段行程时间的预测,并通过给出的成都市浮动车数据证明了所提出的算法比同类算法更有效——地图匹配率提高6%,路段行程时间预测值与实测值的拟合度更高,运输总费用节约24%.     

求解带硬时间窗车辆路径问题的改进UMDA 算法

针对带硬时间窗的车辆路径问题(VRPHTW)求解,提出了一种混合单变量边 缘分布算法(hybrid UDMA,hUDMA),改进了基本UMDA的概率模型.统计节点按路径分 布的概率,使其能够在解空间上找到节点-路径的分布关系,提高了UMDA的全局搜索 能力.采用两阶段插入法进行最佳节点搜索和路径分配完成UMDA采样操作,通过种群 进化来获取最优解.计算Solomon 100 客户的6 类问题56 个算例的实验结果表明：在最优 解的取得方面,C类算例能够全部取得最优解,R、RC类算例能以50%左右概率取得最优 解;在平均误差方面,C类算例计算结果与已知最优解一致,R、RC类算例计算误差率与 已知最优解比较接近,平均误差率为1.03%.     

基于网约车数据的城市区域出行时空特征识别与预测研究

针对交通需求特征识别和需求预测问题，构建改进的LDA(Latent Dirichlet Allocation)城市区域内出行需求识别与预测组合模型，快速识别城市区域内出行需求特征并对需求做出预测. 构建城市交通小区尺度内的空间和时间维度下的主要出行需求特征分布挖掘辨识方法，以及数据集在不同时间尺度下时间维度出行特征构建及预测方法. 利用北京市三环内网约车出行订单数据，验证模型的有效性和准确性. 结果表明，模型能够对不同时间窗口下的区域出行需求特征进行辨识和预测，取得较好的结果.     

基于层次蝙蝠算法的应急车辆调度与交通疏散协同决策

城市路网多事故应急救援中，因交通拥堵造成应急车辆滞留现象时常发生，严重影响道路交通事故救援效率.提出通过交通疏散提高救援路径的可靠性，构建双层规划模型对应急车辆调度和交通疏散进行协同决策. 设计一种双层蝙蝠算法，上层算法在应急车辆需求、事故时间窗和可用车辆约束下求解响应时间最短的调度方案，下层算法在路段容量和疏散需求约束下求解多条最短路径的交通疏散策略，从中选取最短时间路径. 算例结果表明，本文模型通过缩短应急车辆在途时间有效提升了应急救援效率，算法具有优秀的寻优能力和运行速度.     

考虑运行图约束的有轨电车干线信号协调优化模型

为了保证有轨电车在交叉口享有信号优先的同时,使其按照运行图行车,在有轨电车干线信号协调模型BAM-TRAMBAND的基础上,增加运行图对行车的约束,包括发车间隔、停站时分、站间运行时分和干线旅行时间,提出2类不同约束的有轨电车干线信号协调优化模型,严格运行图约束的优化模型(HT-TRAM)和宽松运行图约束的优化模型(ST-TRAM). 经算例验证和仿真结果表明,改进的模型能够得到在运行图约束下的有轨电车上下行绿波带,且在算例条件下,两者的路段平均绿波带宽与没有运行图约束的带宽结果相比,相差在1s以内.     

���ڽ�ͨԼ���ĸ�Ч·���滮�㷨

分析了路径规划问题及其在交通约束条件下的特点。从算法改进和模型改进两方面对路径规划算法进行了研究,在详细分析Dijkstra算法步骤和对偶法的基础上,给出了交通约束的数学模型及道路网络的相关定理。基于传统Dijkstra算法,对搜索过程中的节点和边的标记方式和规则进行了改进,提出了一种在交通约束条件下的高效路径规划算法。该算法通过减少搜索节点和标记边的次数而减少搜索过程中的运算量。仿真结果表明,该算法对偶法1/3～1/4的运算量。