考虑碳排放的两阶段选址-路径问题及其算法

为减少物流车辆的碳排放，基于以排放因子为主要参数的碳排放计算方法，建立以碳排放最小化为目标的两阶段选址-路线问题（2E-LRP）模型，并设计了一种可用于快速求解大规模问题的两阶段混合算法（TSHA）.算法第一阶段将2E-LRP转化成不考虑车辆路径的两阶段设施选址问题，调用Cplex直接求解得到配送中心选址和客户分配方案；在此基础上，算法第二阶段中，物流园区到被选用的配送中心以及配送中心到所分配客户的车辆路径问题被进一步转化成若干个独立的VRP (vehicle routing problem)问题，再运用改进的蚁群算法进行求解；最后，对Prodhon标准算例集中全部6个最大规模的算例进行测试.研究结果表明：与TSHA具有相同算法思想的TSHA-Ⅱ算法能够在求解质量下降2.3%的情况下将计算时长大大缩短至25 s左右；TSHA算法在求解考虑碳排放的2E-LRP算例时表现非常稳定，可以作为一种求解考虑碳排放2E-LRP的有效算法.     

高强度快递需求区域移动仓库选址算法

研究了高强度快递需求区域移动仓库选址问题的特点,以移动仓库总建设规模最小为目标函数,以区域需求量和仓库服务能力为约束条件,提出了基于多粒度集合覆盖问题的相遇蚁群算法。将需求点虚拟成粒子,利用K-means算法对粒子聚类,在划分好的粒子群里得到移动仓库备选点,分别应用传统的蚁群算法和相遇蚁群算法进行实例验证。计算结果表明:运用传统的蚁群算法,运算时间为12.714 4s,最优解个数为13,最差解个数为15,平均解个数为13,解的正确率为79%;运用相遇蚁群算法,运算时间为3.806 4s,最优解个数为12,最差解个数为13,平均解个数为12,解的正确率为98%,移动仓库选址方案的建设数量为12,有10个备选移动仓库是多余的。     

第Ⅰ类双边装配线平衡问题的改进蚁群算法

为克服传统算法求解大规模双边装配线平衡问题计算时间长、性能不稳定的缺陷,针对第Ⅰ类双边装配线平衡问题,应用综合信息素搜索规则与全局信息素更新规则,提出了一种先产生任务排列序列、后按启发式分配规则产生可行解的蚁群算法,可有效脱离陷入局部最优解.用改进蚁群算法对30个不同规模的问题进行求解,并与标准蚁群算法和禁忌搜索算法进行了对比.结果表明:改进蚁群算法求出29个最优解,比普通蚁群算法、禁忌搜索算法分别能多求得6个和3个最优解;应用于汽车双边装配线算例,在保持平衡效率的条件下,改进蚁群算法计算时间为21.01 s,比普通蚁群算法减少了9.14 s,计算效率提高了30.3%.      

易腐物品物流配送中心选址的遗传算法

在分析流物配送中心的作用及其现存选址方法的基础上，建立了一种求解易腐物品配选址问题的算法，虎算法为和ＡＬＡ法相结合而成的遗传算法。     

一类有竞争的物流配送中心选址模型

对已有多个配送中心存在的前提出，新增配送中心为获取最大市场占有量如何进行有效的选址决策问题进行了研究，建立了一个选址决策模型，把求解的问题归结为无约束的非线性规划问题，并给出了迭代算法，最后对如何解决考虑多种选址影响因素及多个新增配送中心的复杂情况进行了讨论。     

基于粒子群算法的多配送中心选址研究

配送系统设计时,除了使系统的总费用最小外,还要满足各个需求点对时间的要求.综合考虑选址的物流成本和服务水平,在说明了建模的假设条件后,以经济性为决策目标,以时效性为约束条件,建立了带时效性约束的单个产品混合整数非线性规划模型.根据模型的特殊结构和粒子群算法解决复杂问题的优势,运用粒子群算法进行了求解.将多配送中心选址模型及算法应用于某一快递企业的选址问题,用实际调研的数据得出了一个最优选址方案.     

交通网络最优路径搜索的蚁群算法

针对交通网络中最优路径搜索问题,本文提出一种基于蚁群算法的新的求解方法。首先从剖析最优路径问题的求解要求出发,探讨蚁群算法求解的优势,由于其并行性、正反馈、协作性等特点,能在较短的时间内发现较优解。然后,根据交通网络的特性,在基本蚁群算法的基础上,引入信息素限定规则,采用平滑机制进行局部更新,改进了全局更新模型等,使该算法更能满足交通系统最优路径的求解要求,降低了路径选择的复杂性,从而提高计算效率。对改进的模型进行的模拟实验和比较分析表明,该模型与算法的效果良好。该研究为交通系统最优路径问题开创了一条新的途径,同时显示出蚁群算法在交通分配中的良好使用前景。     

基于蚁群算法的铁路空车调整优化模型设计

针对铁路空车调整问题,采用蚁群算法解决此问题,建立以空车走行公里数最小为目标的优化模型,并给出求解算法。算例分析表明模型的正确性和算法的合理性,将蚁群算法的时间复杂度与其他一些解决空车调整问题的算法的时间复杂度进行比较,充分体现蚁群算法解决大规模路网空车调整问题的优越性。     

物流配送中心选址模型及其启发式算法

在考虑了产品运输成本和配送中心运营可变成本的基础上，建立了一个有关多个配送中心的选址模型。模型的求解主要分两部分，对于线性函数部分，用运输问题的“表上作业法”予以求解；对于非线性部分，用“启发式”算法对其进行了优化求解。两种方法结合使用，得到了较为满意的选址结果，并与解决此问题的其它算法进了简单的比较论述。     

ACO算法及其收敛策略研究进展

蚁群优化算法是一种新型的进化优化算法,其特点是通过仿生自适应个体的局部最优性共同确定问题的整体最优解,该算法具有自学习功能和解的强搜索能力.通过研究蚁群算法的基本原理和实践应用,分析了蚁群优化算法的求解理论思想,并综合分析了算法的收敛性问题,为蚁群算法的发展提供较好的研究参考.     

应急服务设施选址优化研究

从提高应急服务水平的角度出发,构建应急服务设施选址优化模型.所建立的模型以最大化应急服务设施覆盖总权重和最小化投资建设费用为目标.先采用定性方法找到候选点,然后在规划设施点数目、土地投资费用及服务能力限制下,使用定量方法建立多目标0-1整数规划模型,并使用线性加权和法将多目标问题转化为单目标问题进行求解.使用MATLAB中的BINTPROG函数与遗传算法两种方法对模型进行求解.以泗洪县消防站的选址规划为例,通过两种方法求解结果的对比验证了遗传算法的合理性,并确定准确的消防选址点.研究结果表明采用所提出的优化模型与求解算法能够得到准确的选址点,进而提高应急服务水平.     

基于新鲜度损耗的社区团购电商配送中心选址研究

社区团购电商S2B2C供应链模式带来了新环境下的选址问题,进行选址决策能够有效降低社区团购平台的运营成本并保障企业利益。为了使选址决策更符合社区团购运营实际,作者调研了社区团购供应链模式并建立了考虑新鲜度损耗的混合整数选址模型,借助蚁群算法设计两阶段求解模型,用于优化选址过程中的成本求解,最后通过算例进行比较分析。结果表明选址策略能够有效降低企业的运营成本,局部最优解会在特定配送中心数量约束条件下出现。     

基于最大最小蚁群算法求解最小点覆盖问题

最小点覆盖问题是组合优化中经典的NP完全问题.最大最小蚁群算法通过对信息素浓度的限定使其不会在好的顶点上变得更强,也不会使过弱的点被忽略从而避免了局部最优现象的出现.针对最小点覆盖问题使用最大最小蚁群算法进行求解,避免了蚁群算法求解最小点覆盖问题时出现的早期停滞现象,通过实验表明算法对最小点覆盖问题的可行性.     

不确定状态下的一种整合的工厂选址模型与求解方法

把传统的工厂选址问题延伸到不确定环境下的工厂选址和工厂的规模等级决策问题，并假设单位生产成本与工厂的规模等级反向变动，固定成本投入与工厂的规模等级同向变动，建立了该问题的确定型模型和不确定状态下的数学模型，设计了求解该NP困难问题的一般Benders分解算法和修正Benders分解算法，用随机产生的一组数据进行实验，并对2种算法进行比较．     

带同时取送货的选址-多车型路径问题研究

考虑配送具有多车型、同时取货和送货等情形,研究带同时取送货的选址-多车型路径问题,建立相应的数学模型,并设计了求解该模型的改进遗传算法。为了对所构建模型及算法进行验证,设计了相应的算例进行仿真分析。算例测试结果表明这是求解带同时取送货的选址-多车型路径优化问题的一种有效方法。     

基于粒子群和蚁群算法的边界层微分方程求解

沿竖壁自然对流边界层微分方程组速度和温度均耦合,在打靶法中应用Newton求根的方法解对应的相似性微分方程组时对初值选择要求较高,在根值附近收敛变慢.将微分方程边值问题转化为初值问题求解的打靶过程可看作优化设计问题,用优化设计算法求解.将基于生物群信息传递规则和觅食规则提出的粒子群算法和蚁群算法应用到打靶法的求解过程中,并与其它优化算法计算结果进行了比较.结果表明,粒子群算法和蚁群算法用于沿变壁温竖壁自然对流层流边界层微分方程求解是可行的,计算过程稳定,对初值选择不敏感.     

农村公路治超站选址与治超车路径优化研究

为了降低超载运输车辆对农村公路的损坏,保证农村公路的服务质量和减少农村公路因超载产生的额外养护费用,以治超站为基地对农村公路实施移动治超.为了以最小成本实现所有超载路段的监控和超载治理,构建了同时确定治超站数量、治超站选址以及以治超站为基地治超车的巡游路径优化模型;针对具有大规模候选点集和最大可设置设施数不确定的选址-路径问题,设计了二级嵌套的蚁群算法对模型求解;利用实际数据进行案例分析.结果表明:治超站被选在矿产资源丰富、施工场地密集的地区,周边矿运货车和渣土车的超载运输现象明显;治超车的巡游路线包含多条货车流量大的省县干道.     

高速公路物流网络规划LRP模型及算法研究

从高速公路网与物流网络同构相似的关系出发,将高速公路网纳入物流网络体系并构建高速公路物流网络．结合选址-路径问题（LRP）模型来探讨高速公路物流网络规划的方法,把高速公路物流网络规划分解为高速公路服务区作为物流节点的选址布局问题和高速公路作为物流通道的路径安排问题;使用遗传算法对该模型进行求解,并对遗传算法的要素进行设计和改进,提高了求解的精度和效率;最后,通过算例分析验证了模型的实用性和算法的有效性．     

蚁群算法在西餐连锁店配送路径中应用

西餐连锁店的路径优化是各连锁店食品配送路线的优化,要求满足各连锁店时间窗的约束,可抽象为带时间窗的车辆路径问题（VRPTW）.文中采用启发式算法对VRPTW求解.为正确衡量信息素和期望值浓度在进化的不同阶段对算法的贡献,引入了一种自适应转移策略来提高算法的求解效率,并通过综合考虑全局和局部信息的更新策略——蚁权策略进行信息素更新,加快算法的收敛速度.最后,通过11个经典VRPTW对该算法的性能进行了检验.并以大连市西餐连锁店为研究对象,运用本文所提出的蚁群算法求解大连市西餐连锁店的配送路线.     

基于竞争的半潜维修船最佳配备数量及选址

为解决在竞争条件下半潜船维修船的最佳配备数量及选址问题,分析明确了半潜维修船的功能特点.针对岸基维修的竞争,建立了基于时间和经济影响的半潜维修船到达故障点的最迟时间约束式.在构建的k-中值选址模型基础上,增加了对军舰维修区的重点覆盖的条件约束,并设计了求解该模型的贪婪启发式算法.结合实例,运用局部搜索替换的改进贪婪取走启发式算法求解该模型,得出了我国半潜船维修船的最佳配备数量及选址.