O2O模式下物流协作策略研究

针对网络消费单多、量小、分散且服务需求快捷导致物流成本高昂的问题,提出了一种O2O模式下将库存前移的物流协作策略,建立将库存前移的物流协作式配送策略成本模型,并设计了模型求解的遗传算法。通过算例比较,发现协作式配送策略相较于传统的基于订单响应式的配送方式可节约13.15%的成本,表明该协作策略的有效性。     

带订单选择车辆路径问题的模型与算法

共同配送能够有效提高物流资源利用率,降低物流成本,在此环境下,本文提出了一种带订单选择的车辆路径问题.运输企业可以将运输订单委托给合作企业或者接受合作企业发布的订单,需要同时进行订单选择和车辆路径优化.针对该问题,以最大化企业经济效益为优化目标,建立混合整数规划模型.针对此NP-Hard问题设计了遗传算法进行求解,提出了对该问题染色体编码的一种精确分割算法以得到可行解的结构.本文构造了不同规模的算例,使用Matlab进行数值实验.结果表明,运输企业通过订单的双向委托,能够有效减小车辆行驶距离的同时提高企业的经济效益,为共同配送系统中的个体行为分析提供了理论基础.     

集送一体化电动物流车辆动态调度研究

由于传统燃油物流车辆消耗不可再生能源,并造成大气污染问题,电动物流车辆(electric logistics vehicle,ELV)日益受到政府和物流企业关注。为了降低ELV的集货和配送成本,提高电动物流车辆工作效率,提出了一种基于遗传算法的集送一体化ELV动态调度模型。在集货位置随机出现,配送位置和充电位置固定的情况下,考虑服务时间、时间窗、电池续航能力和载货重量约束,设计以总物流成本最优为目标的ELV车辆调度模型,采用遗传算法对模型进行求解,进而规划出ELV出车数量、集送路径和充电导航路径。仿真结果表明:考虑集送一体化的ELV动态调度方案能有效减小物流成本,并提高ELV工作效率。     

单配送中心快递企业共同配送车辆鲁棒调度研究

考虑到不确定因素在快递企业共同配送车辆鲁棒调度问题中广泛存在，为了改善快递企业的服务水平，并缓解快递派送中由于不确定因素带来的客户满意度低的现状，采用鲁棒离散理论的相关知识，建立了车辆路段等待时间不确定情形下的单配送中心快递企业共同配送车辆调度的多目标鲁棒优化模型，然后根据转化规则，将鲁棒优化模型转化为确定型优化模型，并采用改进的遗传算法对其进行求解。结果表明，快递企业采用共同配送模式可以有效降低成本，节约时间，而且企业决策者可以根据所考虑的不确定性值G 的大小，选择自己偏好的车辆调度方案。     

混合下单模式下在线餐饮订单配送优化模型

针对在线餐饮订单量激增及订单到达非均匀分布导致的调度不合理与资源浪费等问题，提出顾客提前下单与动态实时下单相结合的下单模式，研究此模式下订单配送优化. 考虑在线餐饮订单配送优化具有的动态VRP和多回程VRP属性，以最小化配送成本为目标，建立带有软时间窗的整数规划模型. 设计基于插入算法和2-opt 邻域搜索的混合启发式算法求解模型. 通过算例，分析提前下单顾客比例、提前下单时长等因素的影响. 结果表明，单个因素的增加会降低配送成本，当两者同时增加，因系统达到饱和使配送成本不升反降，因此要调整措施使顾客下单情况与系统配送能力相适应.     

混合下单模式下在线餐饮订单配送优化模型

针对在线餐饮订单量激增及订单到达非均匀分布导致的调度不合理与资源浪费等问题，提出顾客提前下单与动态实时下单相结合的下单模式，研究此模式下订单配送优化. 考虑在线餐饮订单配送优化具有的动态VRP和多回程VRP属性，以最小化配送成本为目标，建立带有软时间窗的整数规划模型. 设计基于插入算法和2-opt 邻域搜索的混合启发式算法求解模型. 通过算例，分析提前下单顾客比例、提前下单时长等因素的影响. 结果表明，单个因素的增加会降低配送成本，当两者同时增加，因系统达到饱和使配送成本不升反降，因此要调整措施使顾客下单情况与系统配送能力相适应.     

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。     

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%。     

基于蚁群算法的共享快递盒配送回收网络优化研究

为解决共享快递盒配送与回收分离的模式所带来的成本高昂、快递员工作量大且分配不均的问题,本文构建了带时间窗的、配送量与回收量不确定的、同时配送与回收的多目标路径优化模型,并设计改进的蚁群算法进行算例求解.算例结果表明,同时配送与回收的总成本较分离模式下降45.9％,且在保证快递员合理工作量的前提下,尽量选择较大载重量的汽车与较小的单位惩罚成本,可以有效降低网络运行的总成本,验证了模型和算法的有效性和可行性.     

�������·�������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。     

基于蚁群算法的冷链物流路径优化研究

在实际生活中,如何选择最优的物流配送路线是物流车辆调度系统中的重要问题之一.针对物流配送路径优化问题,依据冷链物流配送基础理论,考虑成本、货物损失及制冷时长等因素,构建基于多配送中心的最小配送成本模型,建立由运输成本、制冷成本、损坏成本及绿色低碳成本组成的复合目标模型.利用蚁群算法求解,以某类冷链物流企业为例,通过MATLAB软件进行仿真实验,验证模型和算法的科学性及有效性,得出最短运输距离为39.06 km、成本为1437.48元的结论.相对于搜索禁忌算法和遗传算法,蚁群算法在多配送中心冷链物流路径优化方面,能够平均减少1.11 km的运输距离和51.21元成本,更好地解决物流路径优化问题,提高物流服务质量.     

时变单车路径问题建模及算法设计

讨论了一类时变单车配送路径优化问题。综合考虑车辆行驶速度随时间、路段不同而变化的特点,及车辆为多条路线上的客户提供服务时对车辆路径优化的影响,建立了以配送完成时间最早为优化目标的时变单车配送路径优化模型。在行驶时间满足FIFO规则下,设计了基于Inver-over操作的PSO启发式算法及满足贪婪配送策略下的动态规划精确求解算法,并讨论了增加贪婪补货策略的单车配送路径问题解与原问题解的关系。最后分别用两种算法对算例进行求解,并通过对求解优化结果及计算时间的对比分析验证了IOPSO算法的有效性。     

时变单车路径问题建模及算法设计

讨论了一类时变单车配送路径优化问题。综合考虑车辆行驶速度随时间、路段不同而变化的特点,及车辆为多条路线上的客户提供服务时对车辆路径优化的影响,建立了以配送完成时间最早为优化目标的时变单车配送路径优化模型。在行驶时间满足FIFO规则下,设计了基于Inver-over操作的PSO启发式算法及满足贪婪配送策略下的动态规划精确求解算法,并讨论了增加贪婪补货策略的单车配送路径问题解与原问题解的关系。最后分别用两种算法对算例进行求解,并通过对求解优化结果及计算时间的对比分析验证了IOPSO算法的有效性。     

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.     

多中心共同配送与收集网络联盟优化问题研究

针对多中心共同配送与收集网络中物流合作联盟构建和收益分配机制设计方面存在的不足,提出了多中心共同配送与收集网络联盟优化策略.首先,建立了网络运营总成本最小和配送与收集车辆使用数量最少的双目标优化模型.其次,提出了结合k-means聚类算法和Im-NSGA-Ⅱ算法的混合启发式算法求解模型,该混合算法通过引入贪婪求解思想和精英保留策略,提高了算法的全局收敛性能和局部寻优能力,并与NSGA-Ⅱ和MOGA算法进行对比分析,验证了所提算法的有效性.然后,运用最小费用剩余节约方法(MCRS)研究多中心共同配送与收集网络联盟的收益分配问题,并讨论合作联盟序列选择和联盟稳定性.最后,通过实例对提出的优化模型和算法进行验证.结果 表明,该方法能够优化多中心共同配送与收集网络资源配置,降低网络运营成本,为多级共同配送与收集网络优化提供参考和方法借鉴,并为可持续的城市物流网络规划和共享物流合作联盟构建提供决策支持.     

一种基于云计算环境的动态车辆路径问题解决策略

针对动态环境下车辆路径问题,以最小化车辆数和配送里程、最大化载货率为目标,建立动态车辆路径问题的数学模型,提出了云自适应遗传算法。针对车辆路径问题的特点,提出车辆分配链和配送货物顺序链的双链量子编码方法;针对遗传算法交叉和变异操作可能导致早熟收敛和后期多样性丢失的问题,利用云计算方法设计了云交叉算子和云变异算子,并进行操作,还提出改进的云自适应遗传算法。仿真调度算例验证了与其他算法相比较,所提算法能降低早熟概率和提高迭代搜索效率。     

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.     

基于混合修正策略的随机时间车辆路径优化方法

针对带有随机旅行时间、随机服务时间及时间窗约束的车辆路径问题,建立了带修正策略的随机规划模型,并给出了两阶段求解方法.第一阶段运用改进遗传算法获取先验路径,第二阶段采用两种混合修正策略(分别记为A、B)调整"失败"的先验路径.混合修正策略A(B)通过随机模拟实验判断对当前顾客的延迟服务(对下一顾客的服务)是否会对该路径后续顾客造成大规模延迟服务,并采取相应的调整措施.基于Solomon算例进行了仿真实验,对小规模算例将仿真结果同CPLEX求解结果作对比;对大规模算例将仿真结果同已知最优解作对比.结果 表明:所给算法可获得小规模算例的精确解,大规模算例的近似最优解.同时,对比不同策略下的仿真结果表明两种混合修正策略具有优越性,研究结果对随机车辆路径问题的求解具有一定的参考意义.     

基于改进遗传算法的车辆路径问题

为了研究物流中心的服务效率和车辆的合理调度方案,以汽车载重量作为影响车辆路线安 排的主要因素,以经典的车载容量约束条件下的车辆路径问题为原型建立数学模型,通过求解该 数学模型的最优解来获得车辆最优路径。由初始状态随机生成的可行解作为初始的车辆路径方 案,通过改进的遗传算法不断地调整染色体的交叉和变异概率进行优化,最终得到物流中心车辆 安排的合理方案。通过多次求解算例,都能够得到满意的车辆路径方案,不仅验证了该数学模型 的有效性和实践性,而且也验证了改进后遗传算法的收敛性和鲁棒性,同时得到了改进遗传算法 交叉和变异概率的调整范围。该模型和算法不仅可以提高物流中心的服务效率,而且可以为物流 中心的车辆调度方案提供支持和帮助。