考虑环境负效应的智能垃圾桶动态收运路径优化问题

随着智慧城市建设进程的推进，作为智慧城市建设基础配套设施的智能垃圾桶日益普及，其内置的监测传导装置可实时传输待清运垃圾量的相关数据，有助于解决城市生活垃圾产生量随机性导致的环境负效应以及收运系统效率低下的问题。本文基于智能垃圾桶提出一种城市生活垃圾动态收运路径优化策略。首先，考虑收运车辆延迟到达导致垃圾溢出的环境负效应，建立以最小化收运总成本为目标的垃圾收运车辆路径预优化模型和动态优化模型。其次，采用粒子群算法预优化收运路径，得到初始车辆清运方案；而后基于待清运垃圾量实时数据，设计周期性与连续性结合的策略，并构建触发连续性优化的启发式规则以实时优化车辆路径。不同规模的标准算例实验和仿真算例实验结果表明，周期性与连续性结合的优化策略在总成本、惩罚成本和距离指标上均优于周期性优化策略，且在惩罚成本指标上的改进最为显著。研究结果有助于降低由于清运不及时造成的环境负效应，为垃圾收运企业制定合理高效的清运方案提供了理论依据。     

考虑工作量平衡的餐饮垃圾多行程收运路线优化

城市餐饮垃圾的收运成本居高不下，严重阻碍了垃圾分类的推进。本文首先根据餐饮垃圾的产生及收运特点，划分不同的收运时段和频率，以均衡各个时段的收运量。其次，将城市餐饮垃圾的收运问题建模为带有时间窗的多行程车辆路径问题，并考虑驾驶员的工作量平衡约束。对于小规模问题，通过求解所建立的混合整数规划模型得到问题的最优解；对于大规模问题，针对多车多行程的问题特点，设计三维矩阵编码，提出混合自适应大邻域搜索算法。通过不同规模的算例验证了模型的正确性和算法的有效性。算例结果表明，增加不超过2%的收运成本能大幅度提高驾驶员之间的工作量平衡性。最后，采用大连市中山区的实例将本文所提算法与实际应用的优化算法进行比较发现，当使用不同的收运频率并考虑工作量平衡及城市路网的交通拥堵情况时，采用本文所提出的算法能降低14.3%的收运成本，减少12.7%的碳排放量，同时，将驾驶员之间的工作平衡性提升57.3%。     

基于混合整数规划模型的垃圾收运线路优化

针对不合理的生活垃圾收运线路,造成车辆的油耗增加,而燃料的不充分燃烧直接造成尾气排放量的升高,影响居民的生活环境。依据垃圾收集点位置,绘制网络拓扑图,以车辆行走距离最小为目标,将垃圾收运问题抽象为VRP问题,构建混合整数规划模型,并结合案例,采用最优化计算软件Lingo11.0进行编程求解,并对比节约算法,给出多中转站与单一处理场问题的解析。结果表明:Lingo求解与节约算法得出的垃圾收运线路相一致,且随着智能城市的发展,可结合实时垃圾容量扫描分区,组合成多圈问题逐个求解,为提高垃圾收运效率提供可行的线路方法。     

考虑三方利益的车货匹配优化

为研究平台模式下考虑车主、货主及平台三方异质化需求的车货匹配问题，在既往研究考虑车货双方利益的基础上，引入了平台方需求. 首先，在分析车货匹配活动参与方需求的基础上，构建了最大化送达时效满意度、最小化货运成本和最大化平台收益的多目标优化模型；其次，在模型求解方面，改进了带精英保留策略的快速非支配排序遗传算法（non-dominated sorting genetic algorithm Ⅱ，NSGA Ⅱ），一方面在子代种群更新过程中引入精英选择系数，提升种群的多样性，另一方面结合自适应的思想，在算法迭代过程中调整交叉变异的概率；最后，利用成渝区域间的车源和货源数据进行仿真实验. 结果表明:改进的NSGAⅡ在中小型算例上的准确率均超过91%，与传统的NSGAⅡ相比，平均收敛速度提升了45%左右；在算法稳定性方面，所提出的算法受随机初始化影响较低，多次实验的相对标准偏差值小于1%.      

城市生活垃圾收运路线优化模型及算法研究

针对城市垃圾收运的现状,以垃圾收运的约束条件建立了单目标的垃圾收运路线优化模型,进而提出了相应的遗传算法,最后通过案例验证表明遗传算法求解垃圾收运问题能得出良好的近似解并具有较高的收敛速度,由此说明遗传算法在求解收运路线问题上具有较高的效率和较强的可行性。     

基于Pareto蚁群算法的船舶风险规避路径优化

船舶在海上航行时,一直面临着海上运输风险的威胁,为了降低海上运输风险同时考虑船舶经济效益,本文建立了以运输风险最小和航行成本最小的双目标路径优化模型,实现船舶风险规避.运用栅格法构建环境模型,为相应的栅格路径赋予航行成本和运输风险,并设计了一种基于Pareto最优解集和NSGA小生境方法的多目标蚁群算法.以印度洋海域的2条航线为案例,以经典单目标蚁群算法为对比,验证了模型和算法的有效性.结果表明,该模型和算法在解决船舶风险规避路径优化问题上具有良好的效果,能为决策者制定船舶海上运输风险规避路径提供决策参考.     

基于随机游走的分类垃圾回收最优路径规划

分类垃圾回收是逆向物流的重要研究内容,物流路径越短意味着回收成本越少。在垃圾分类回收过程中,通过对垃圾的回收路径进行合并可以共享运输资源从而达到节约成本的作用,故本文将垃圾分类回收的路径规划问题假设为多源多目标的路径规划问题,并给出了路径集合中不含重复边的总长度优化模型。当网络规模增长到一定程度时,通过精确计算方法得到模型的最优值几乎是不可能的,为此提出了一种基于随机游走的最优路径集合选取算法。模拟实验验证了该方法的有效性和高效性,与基于Dijkstra算法的最短路径求和算法相比不仅准确性高,而且具有很高的执行效率。     

带中转设施的垃圾收集VRP的改进蚁群算法

为减少城市垃圾的收运成本和各车辆路径之间的重叠区域,设计了一种具有聚类策略、改进全局信息素更新规则和交叉算子的多重蚁群算法.用该算法求解2个标准算例,一个达到目前已知的最优解,另一个偏离度为2.13%.此外,还对含有不同规则的蚁群算法进行了比较.结果表明:与不带聚类策略的蚁群算法相比,该算法求解的路径最佳,其长度缩短4.90%,紧凑度降低83.33%;不同转移更新规则的贡献程度从大到小依次是:带块可见度的聚类策略、全局信息素更新规则和交叉算子.     

考虑客户满意度的生鲜电商前置仓选址-路径优化

针对生鲜电商前置仓选址-路径问题中成本与客户满意度之间存在的效益背反现象，在仅考虑成本目标的传统选址-路径模型基础上，以生鲜产品送达时间和新鲜度量化客户满意度构建总成本最低和平均客户满意度最高的多目标优化模型。设计带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ),运用精英选择策略、快速非支配排序及拥挤度计算保留优质解和加快算法收敛速度等方法，对Solomon标准算例RC105数据集加入时间窗约束后进行仿真实验，得出最小成本为10 961.87、最高平均客户满意度为0.68的结果。实验结果表明：在不大幅度增加成本投入的情况下，考虑客户满意度的生鲜电商前置仓选址-路径优化模型相较于传统模型，平均客户满意度最高提升19.64%,验证了模型的有效性。同时，该模型还可以为决策者提供不同情景下的前置仓选址-路径方案，满足生鲜电商企业不同发展阶段的决策需求。     

基于遗传算法的定制公交路线多目标优化

常规公交乘客乘坐舒适度低,消耗时间长,推行定制公交在一定程度上能够缓解此问题.首先,以最小化乘客的出行时间、最小化车辆的油耗为目标函数,考虑车辆容量限制、出行时间约束、出行费用约束等,建立定制公交路线多目标优化模型.其次,采用改进的NSGA?Ⅱ算法(Nondominated Sorting Genetic AlgorithmⅡ)求解,采用基于未到达交通节点顺序的自然数编码方法进行编码,采取锦标赛选择策略进行选择操作,采用均匀变异方式进行变异操作.最后以兰州市局部路网进行模拟研究.研究结果表明:运用建立的定制公交路线多目标优化模型及算法,能够快速得到优化路径,并且该路径能同时满足乘客出行时间短及车辆油耗低的要求.