物流网络选址与路径优化问题的模型与启发式解法

以商品从供应商,经过物流中心(或配送中心),配送到最终用户的整个过程中所产生的费用最小化为目标函数,提出了求解供应商的最佳位置与数量、配送中心的最佳位置与数量以及从配送中心到最终用户的最佳配送路径优化问题,建立了问题的数学模型,利用传统启发式算法与模拟退火法开发了问题求解的混合启发式解法,并利用人工生成数据和实例进行了计算验证。对于小规模问题,通过与数理规划软件所求得的最优解进行比较可以看出,所提出的数学模型可以准确地描述此类问题,所提出的混合启发式解法能够在短时间内求解问题,并得到非常接近于最优解的近似解;对于大规模问题,虽然无法求得最优解进行比较,但从实例计算结果来看,所求解也是较好的,因此可以认为所提出的解法是有效和良好的,具有较高的实用价值。     

��������������ɢ�¼������VRP�����о�

针对车辆路径问题（VRP）研究的复杂性,提出了一种新的解决方案. 首先对客户货物的配送过程建立离散事件仿真模型,在模型中,配送过程事件、资源等利用面向对象的方法进行描述,VRP问题涉及的各种约束条件在仿真流程中予以处理,所以该模型可以真实模拟复杂的车辆配送过程. 然后利用遗传算法对离散事件的仿真结果进行优化,得到了车辆路径问题的最优解. 这种将离散事件仿真和遗传算法相结合的方法可以有效克服精确算法和智能启发式算法较难解决多约束车辆路径问题的弊端. 实验结果验证了新方法的有效性和可行性,由于仿真结果详细记载了配送的全过程,因此该方法对车辆路径问题的实际应用具有一定的指导意义.     

配送中心选址与车辆路径一体优化模型与算法

在配送系统中,配送中心选址问题与在此基础上的车辆路径问题相互影响.为了反映两者之间的相互关系,建立了配送系统优化的双层规划模型.模型上层为配送中心选址问题,下层为车辆路径优化问题.由上层模型给出初始配送中心选址方案;在此基础上由下层模型进行配送车辆路径优化;然后计算上层模型中的供应商到配送中心的运输费用,从而得到上层模型的目标函数;再对上层模型方案进行调整.设计了基于遗传算法与粒子群算法的求解方法.算例分析表明,与两者分别优化相比,双层规划模型可以降低配送系统的总成本,提高配送系统的整体效率.     

带时间窗的多行程交换箱甩挂路径优化

针对市区-近郊的同城物流配送系统，为尽可能降低物流运输成本的同时提高客户满意度，研究带时间窗的具有多行程的交换箱甩挂运输问题. 在配送系统中，配送车辆从配送中心出发将货物运往各个客户点，由于道路条件的限制，客户点分为只允许小型卡车配送的限制点客户和卡车或带交换箱拖车的整车都可为其配送的灵活点客户. 在客户时间窗和多行程的约束条件下，建立以成本最小为优化目标的基于交换箱甩挂的路径优化模型，提出装箱算法与遗传算法混合的启发式求解算法. 算例验证了所提出算法的有效性，为带交换箱的甩挂车进行物流配送提供一定的决策指导和参考意见.     

基于停车场限制的物流中心选址模型及算法

针对停车场限制的物流中心选址问题,建立了双层规划模型．上层规划以物流中心费用最小来确定物流中心的位置,下层规划建立了配送／采购车辆与城市道路交通组合分配模型,最后,采用遗传模拟退火算法对模型进行求解．     

城市轨道交通网络单程票卡调配模型

城市轨道交通单程票卡调配是票务组织中的重要组成部分.针对路网票务中心与线路票务中心间票卡调配问题,将其转化为载重能力约束条件下的车辆路径优化问题(Vehicle Routing Problem,VRP),构建以配送成本最小化为目标,以配送车辆路径为决策变量的优化模型,并采用遗传算法求解.以北京市轨道交通网络为对象进行实证分析,结果显示:所构建方法相比单次配送过程,成本平均降低约49.6%;相比既有装卸混合条件下的配送过程,成本降低约18.7%,验证了模型的准确性与有效性.所构建方法能够有效解决轨道交通路网层票卡调配问题,为票务组织提供理论和方法支持.     

半开放式的多配送中心纯电动车辆路径优化问题

电子商务促使越来越多的物流企业采用多配送中心模式优化车辆的配送路径,纯电动汽车逐渐替代了传统的燃油配送车辆,以改善生态环境. 结合多配送中心联合服务模式的特点和纯电动物流车辆的行驶特征,构建带时间窗的半开放式多配送中心纯电动车辆路径优化模型,设计蚁群算法对其求解. 算例对比分析结果表明：半开放式的多配送中心联合服务,能合理利用相关物流资源,改善车辆路径,降低物流费用,但需要寻找合适数量和位置的配送中心进行联合,才能达到节约成本的最佳效果;相比单配送中心,多配送中心联合服务提供了更多潜在的较低价格的充电点,在配送中心补充电量可在一定程度上节约物流成本.     

半开放式的多配送中心纯电动车辆路径优化问题

电子商务促使越来越多的物流企业采用多配送中心模式优化车辆的配送路径,纯电动汽车逐渐替代了传统的燃油配送车辆,以改善生态环境. 结合多配送中心联合服务模式的特点和纯电动物流车辆的行驶特征,构建带时间窗的半开放式多配送中心纯电动车辆路径优化模型,设计蚁群算法对其求解. 算例对比分析结果表明：半开放式的多配送中心联合服务,能合理利用相关物流资源,改善车辆路径,降低物流费用,但需要寻找合适数量和位置的配送中心进行联合,才能达到节约成本的最佳效果;相比单配送中心,多配送中心联合服务提供了更多潜在的较低价格的充电点,在配送中心补充电量可在一定程度上节约物流成本.     

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。     

混合运输需求的车队车辆路线规划模型及算法

研究在物流中心车队投递货物到客户，且有货物回投物流中心、每一客户可被访问2次的车队路线规划问题．建立了车队车辆分配客户子集模型和车辆在分配后的客户子集中路线成本优化的索套启发式的解法．算例表明，该算法求出的路线计划方案的成本，比用邻近搜索法得出的成本低．     

��ȷ����������������ѡַ³���Ż�ģ�ͼ����㷨

研究了不确定环境下物流中心的选址优化问题,在随机优化模型的基础上,采用遗憾模型的形式构建了相关问题的鲁棒优化模型。分析了鲁棒优化模型与确定性优化模型、随机优化模型的关系,并在此基础上给出了求解鲁棒优化模型的两种方法——枚举法和遗传算法。以Visual Studio6.0为平台,以Visual C++为开发语言编写了两种算法的代码,代码中通过调用Lingo9.0来求解确定性优化模型和两阶段随机优化模型。利用上述两种算法对若干算例进行了测试,结果表明,本文给出的算法能够满足问题求解需要,与随机优化模型最优解相比,鲁棒优化模型的最优解对各情景下参数扰动的现象敏感程度更低,因此具有更低的风险。     

基于多中心车辆路径问题的收益分配优化研究

针对多中心车辆路径优化过程中配送中心间合作收益分配不均衡的问题,引进物流服务提供商作为协调者促成配送中心间形成合作联盟.首先,以多中心共同配送总成本最少为目标建立数学模型;其次,应用客户点聚类方法形成初始线路,并设计了GA-PSO混合算法进行线路优化;然后,运用MCRS(Minimum Cost-Remaining Saving)法、Shapley法、比例最小核心法、弱最小核心法和最小核心法分别求解多中心收益分配模型,并应用联盟稳定性方法选择最优收益分配策略;最后,应用严格单调路径方法,以物流服务提供商收益最大化为目标,研究联盟合作序列形成过程和多个联盟的存在形式,并进行了实例验证.结果表明,本文方法有利于促进配送中心间形成联盟,并可应用到以多中心车辆路径优化为基础的物流运输网络合作联盟形成、拆分及网络优化的过程中.     

考虑物流服务水平的物流配送规划多目标模型

为了提高顾客对物流服务的满意度,以最小化物流系统总费用和最大化物流服务水平为优化目标,考虑配送中心现有货物周转能力和产品配送时间对物流服务水平的影响,构建了三级供应链模式下物流配送规划的多目标优化模型.针对多目标优化问题不存在单一最优解的特点,利用预先设定的偏好区域和随机生成的权向量构造了适应度函数,提出了基于偏好的多目标进化算法求解模型.算例结果表明:通过求解多目标优化模型,得到10组非劣解,即10种物流配送方案均处于决策者的主观偏好范围内;各方案的物流系统总费用与服务水平成反比关系.      

An Effective Hybrid Optimization Algorithm for Capacitated Vehicle Routing Problem

IntroductionVehicle routing problem(VRP)is a well-known combinatorial optimization problem and isalso a focal problem of distribution managementwithin the area of service operations managementand logistics.Capacitated vehicle routing problem(CVRP)is a very hard vehicle routing problem.The problem is to simultaneously determine theroutes for several vehicles from a central depot to aset of customers,and then return to the depotwithout exceeding the capacity constraints of eachvehicle.In prac…     

Compound Method of Solving Logistics Routes Allocation

The logistics routes allocation discusses optimal routing from origin to destination through distribution center(DC) on condition that both transport and distribution cost should be taken into account.The problem can be solved by the iterative non-linear programming(INLP),in which the transport cost and distribution cost are assumed to be linear and non-linear,respectively.The method works well in most situations.However,when the distribution cost predominates in the total cost,the method fails,and the solu...     

定位-路径问题综述

研究了定位-路径问题(LRP), 总结了国内外LRP模型及其扩展模型, 比较了LRP模型求解算法的适用性, 分析了LRP测试算例的节点分布和数据规模, 提出了LRP研究的主要方向。研究结果表明: LRP模型从基于基础网络的最简化问题(带容量约束的LRP, CLRP) 向多方向模型进行扩展, 包括基于网络复杂化的LRP扩展, 如特定网络系统的多目标LRP (MOLRP)、同时取送货LRP (LRPSPD)、接驳转运中心LRP (CDCLRP)、两阶段LRP (2E-LRP)、选址-弧路径问题(LARP)、卡车和拖车路径问题(TTRP) 与设施地点为二维连续的LRP (PLRP), 基础网络参数不确定化的LRP, 包括带模糊数据的LRP与多计划周期LRP (MPLRP), 且正在向更切合实际的问题如高度集成、不确定与动态LRP发展; LRP算法方面, 精确算法仅可用于求解小规模LRP, 主要LRP求解算法由早期的智能算法逐渐转向元启发式算法、基于邻域搜索优化的算法与混合算法方向发展, 这些改进算法均基于特定LRP设计, 具有更好的求解性能, 尤其是采用基于多种破坏和修复因子的自适应大邻域搜索算法求解大规模LRP取得了较好的解, 且其改造性极强; 常用LRP测试算例的节点呈现均匀分布、堆分布及均匀与堆混合分布, 且逐渐产生了适用于2E-LRP与LRPSPD等扩展LRP的测试算例; 根据物流市场环境变化和需求, 提出LRP未来扩展研究的主要方向, 包括多阶段LRP的扩展(如2E-LRPSPD、考虑库存的2E-LRP等)、节点二维连续的LRP、客户含优先级的带竞争或盈利LRP、混合不确定LRP等切合实际的问题; 提出了LRP求解算法未来方向, 包括设计新型精确算法求解中、大规模LRP, 设计更准确更高效的组合启发式算法与应用近似算法求解LRP及扩展LRP的最优解。