“货车+无人机”配送模式下订单拣选与配送联合优化研究

电子商务环境下订单特有的特征要求企业必须进行拣选与配送的联合决策,而"货车+无人机"的配送模式结合了货车运量大和无人机配送速度快的特点,可以有效的提高配送效率。本文以拣选和配送总成本最低,综合考虑"货车+无人机"配送模式、多拣选批次、多配送批次、带时间窗等因素,研究"货车+无人机"配送路径、拣选分批、拣选路径等联合决策问题,并设计了PVRPTW-D遗传算法和"S"型拣选策略进行求解,通过算例验证了本文所提出的模型和算法的有效性。     

考虑双向延迟策略的整车配送发运时间与运输路径联合优化

直销模式下新兴新能源车企对整车物流发运时效的高要求导致运输成本居高不下，通过引入双向延迟策略对发运时间与运输路径联合优化，有助于降本增效。针对新兴新能源车企整车配送特点，提出考虑双向延迟发运策略的整车物流发运时间与运输路径联合优化问题并建立优化模型，设计禁忌遗传算法求解。使用某车企案例对模型和算法进行求解和验证，在连续7日的配送场景中，在完成相同配送任务条件下，相较于正向延迟发运策略，可节约总成本2.63%，提高轿运车装载率5.95%。     

考虑配送路径的铁路集装箱二维装载问题

针对铁路集装箱运输零担货物的二维装载问题，建立考虑货物配送路径的空间利用优化模型，提出一种基于货物面积块的混合模拟退火算法，该算法包含用于求解可行装载方案的引导搜索算法和用于优化装载方案的模拟退火算法，并通过算例对优化模型和混合模拟退火算法在求解集装箱二维装载问题的有效性进行验证。结果表明：采用混合模拟退火算法对初始装载方案进行优化后，集装箱空间利用率提高了6.77%。研究成果对于提高零担货物的二维装箱空间利用率和配送效率具有一定参考意义。     

订单生成时间不确定的货物配送路径优化

针对各个配送点订单生成时间不确定，且未来生成订单现阶段配送方案制定有影响，本文提出了动态订单匹配策略，将已生成和未生成的订单信息综合考虑，提高匹配效果。然后，本文建立了以最小化运能浪费和订单等待处理时间为目标的二阶段随机规划模型来编制当前和下一阶段的配送方案，并设计了自适应遗传算法进行求解。最后，本文利用某地25个配送点数据信息进行二阶段配送路径规划。与蚁群算法相比，本文算法对两个阶段的运能浪费成本和时间浪费成本求解过程收敛时间分别为：112.3s、102.4s、98.5s、114.7s，均小于蚁群算法收敛时间：117.3s、115.4s、109.6s、118.2s。且本文算法求得的两个阶段总运能浪费成本和时间浪费成本分别为62000t.km、644t.h，远小于传统启发式算法的72400t.km、816t.h。     

电商环境下城市配送环状网络模型研究

电子商务环境下的物流城市配送具有小批量、多频次、进城难、客户位置分散等特点。为节约配送成本,本文基于先集货后配送的理念,以双层配送网络为基础设计了环状配送网络结构,并建立车辆路径问题模型。模型以城市配送网络总费用最小化为目标,建立了混合整数规划模型。为了验证模型的可行性,使用MATLAB调用CPLEX软件进行求解。并进行了算例计算,求解满足车辆容量,车距限制和配送中心处理能力的配送中心选用情况,环形网络上的流量,环内配送的线路以及车辆的使用情况。得到了正确有效的结果,验证了模型的可行性,为城市配送网络的建设及优化提供了理论基础。     

无人配送：解锁应急救援“新姿势”

新冠肺炎疫情之下,无人配送车和无人机等科技优势凸显,京东无疑是其中的佼佼者。今年2月6日,在湖北武汉市青山区吉林街上,一辆由京东物流自主研发的智能配送车从京东物流仁和站出发,以15公里/小时的速度,将医疗物资送到了当地收治确诊患者的武汉第九医院,完成了疫情爆发后武汉智能配送的第一单。京东物流武汉仁和站距离武汉第九医院这个疫区核心只有600米。疫情爆发后,这个站点几乎支撑起了第九医院医疗物资的配送工作,其中,无人车配送约占70%。除了无人车,无人机也应急救灾中发挥着不可小觑的作用。早在2018年7月,北京的密云区西湾子桥和怀柔区琉璃庙镇的受灾地区上空便出现了京东无人机的身影。这两架Y3货运无人机和两架侦查无人机前往灾区,一方面为断路的灾区运送面包、方便面等急需物资,另一方面可即时掌握各村庄受灾及道路桥梁损坏情况,为进一步的救援和物资输送做准备。从精准救灾的无人机到战"疫"无人车,随着京东更多无人配送科技产品的广泛应用,进一步确立了其国内无人配送的领先地位。京东表示,希望通过实际验证,推进无人配送商业化,进而带动相关产业的发展。未来还将依托科技优势开发救灾无人机,探索区块链、AI等高新技术在救灾及公益领域的应用。本期专题,特邀京东X事业部无人系统研究院院长孙勇就无人配送在应急运输中的重要作用和发展趋势做一深入探讨,以飨读者。     

电商集中消费模式下物流超网络优化研究

在电子商务企业及商家促销期间,由于集中消费行为导致物流快递行业的业务急剧增加,以致引发爆仓、延迟等问题。文章以快递配送为研究对象,通过客户对时间要求的不同,在基于时间和成本的快递配送模型基础上构建应对集中消费状态的商品配送模型——基于时间阈值的商品配送模型,找到满意的配送路径,并进行算例分析,验证所求配送方案的可行性和有效性。文章的研究对集中消费模式下的快递网络优化具有现实意义。     

基于GIS和MDVRP的成都市城乡配送网络仿真

本文应用ArcGIS构建了包含4个物流中心和151个乡镇需求点的成都市二级城乡配送网络,并利用ArcMap分析工具得到了155×155的最短距离对称矩阵;以配送总距离最小化为目标函数,考虑车容量限制、车辆数限制、车流量限制等约束条件,建立了多车场车辆路径问题(MDVRP)的0-1整数规划模型;采用基于客户编码方式,应用稳态繁殖选择策略,设计了遗传算法进行求解。在不同需求分布和不同车容量的条件下对算法收敛效果、配送行驶总距离、配送使用车辆数、平均车辆满载率进行了对比分析。结果表明:配送距离、配送车辆数与需求规模成正比;平均车辆满载率差异较大,20t车型满载率较稳定,适合小批量需求配送;建议成都市城乡配送以20t和25t车辆为主力车型,并重点关注崇州物流中心的建设。     

路段通行时间不确定下取送货车辆路径优化研究

城市高峰期交通拥堵呈常态化趋势,各运输路段的通行时间很难用精确值表达,而配送车辆的路径仍需具体指定,亟需研究路段通行时间不确定情况下的物流配送车辆的具体运输路径。文章统筹考虑配送时间与环境成本,结合Bertsimas鲁棒离散优化理论,以总行程时间和碳排放量最小为优化目标,构建了路段时间阻抗不确定情况下的同时取送货多配送中心多车路径鲁棒优化模型,采用遗传算法进行求解,并以呼和浩特市部分路网为例进行实证研究。研究结果表明:车辆路径鲁棒优化模型及其改进的遗传算法能快速生成鲁棒性能较好的车辆行驶路径,而且得到的是一条条具体的运输路径,而非配送顺序。该模型与算法能为物流配送车辆路径导航系统提供技术支撑。     

基于Kriging-NSGA-Ⅱ的大跨度斜拉桥多目标索力优化研究

文章针对大跨度斜拉桥的索力优化问题,提出了一种基于Kriging-NSGA-Ⅱ的多目标索力优化方法。以Kriging回归算法为基本模型建立了大跨度斜拉桥的结构代理模型,采用基于强度的非支配排序和动态交叉变异算子改进NASA-Ⅱ算法,求解考虑主梁弯曲应变和挠度双目标控制下的索力优化问题,并以某大跨度斜拉桥为工程背景验证了该方法的可行性。研究结果表明:Kriging模型对结构响应面的拟合良好;改进NSGA-Ⅱ算法可以实现对双目标索力优化问题的求解:优化后主梁弯曲应力和挠度得到明显改善。     

左转过饱和考虑相位均衡的信号配时优化研究

提出在保障交叉口总体效益最优和考虑驾驶员对红灯时长容忍度的前提下，设置逆向可变车道达到降低交叉口延误和提升通行能力。以各相位有效绿灯时长为优化变量，建立交叉口信号配时优化模型，并采取MOEA/D算法进行求解，结合设计案例，利用VISSIM7.0仿真软件在单位时长下对比优化前后各相位车均延误、车均排队长度和通行能力。求解的有效绿灯时长为19s、16s、15s、16s，有效验证了均衡相位绿灯时长的假设；仿真结果表明，车均延误平均下降26.15%；车均排队长度平均下降76.84%；通行能力平均提升约11.39%。提出的方法在降低交叉口延误，提升通行能力同时，能够均衡分配各相位有效绿灯时长，进而降低驾驶员等待红灯的焦虑感。     

基于列生成的城市轨道交通乘务排班计划优化

乘务排班计划是城市轨道交通运输计划的重要组成部分，高效的排班计划可以有效降低城市轨道交通运营成本。本文基于列生成算法，构建以班次数最小为目标的乘务排班模型。列生成算法的限制主问题采用集合覆盖模型，通过建立网络图模型，将定价子问题转化为带资源约束的最短路问题。提出了考虑复杂约束的改进的邻接矩阵构建方法，采用Floyed算法求得最短路径集合。在求解具有最小检验数的新班次时，提出了基于工作效率和工作时长综合惩罚的优化规则，以提高新班次集合的质量。最后求解0-1整数规划问题，即从可行班次集合中找到满足乘务片段全覆盖约束的最优子集，构成最终的排班方案。案例结果表明本文模型能够显著地减少乘务班次数，同时各项指标均有所改善。     

考虑发车时刻与旅行时间的高铁优化定价

高铁定价直接影响旅客的出行选择与铁路部门的整体收益。本文基于差异化定价的思想，通过分析发车时刻、旅行时间与高铁票价及客流量的关系，建立目标为铁路收益最大化和旅客出行费用最小化的双层规划模型，采用Frank-Wolfe算法求解下层规划并对客流量进行弹性需求下的均衡配流，在遗传算法中结合爬山算法求解上层规划，并将上下层规划进行嵌套计算，得到最优票价。最后以京沪高铁为例，对模型验证分析。结果表明，考虑发车时刻与旅行时间的高铁定价策略可在旅客出行费用较低的情况下明显提高铁路部门的客票收益。该研究对提升高铁经济效益以及满足旅客出行需求有着一定的借鉴意义。     

基于遗传算法的铁路技术站取送车计划研究

为了研究更切合实际的铁路技术站取送车计划的合理编制方案,文章在考虑调机牵引能力、装卸线容车限制的约束下,以取送照顾编组为前提,在取送控制时间窗内,对站存车组及陆续到达车组的取送优化建立了以调机取送成本最小为目标的概念模型,并采用改进的遗传算法求解。通过算例求解,验证了该模型的正确性和算法的有效性。     

“无人机是无人驾驶的排头兵”

<正>"如果无人机的发动机能够实现国产,那么用其运输货物的 成本会急剧降低。届时,无人机或可大规模用于货物运输。" "若想以电能作为载重型无人机的动力来源,那么无人机电池的续航能力最少要在现有基础上,提高20倍以上。""从国内环境来看,无人机的技术难题基本已经破解,亟待解决的是法律法规问题。"     

基于稳定风场下的无人机电力巡检路径规划研究

为研究多旋翼无人机在稳定风场下电力巡检遇障时的路径规划问题，本文构建稳定风场和多个静态障碍区双重影响的无人机电力巡检路径规划模型，运用强化学习的思想改进遗传算法更新种群，提高种群的收敛速度，实现在短时间内规划出巡检时间代价最小的路径。仿真结果表明：在稳定风场下进行电力巡检任务，多旋翼无人机会优先选择顺风方向巡检临近的杆塔点，减少逆风巡检的路径，从而规划出完成任务的最小巡检时间代价的路径。除顺风方向外，风速越大，无人机矢量合成的地速越小，无人机完成巡检任务所需的时间代价越大。无人机在不同障碍区下避障巡检时，障碍区的半径大小会影响无人机绕开障碍区的概率。     

城市轨道交通网络早班列车组时刻表衔接优化

为尽可能提高城市轨道网络中各线路方向列车在换乘站的衔接效率,缩短旅客换乘等待时间,提出了早班列车组的概念,分析了早班车时段换乘客流的时变特性,构建了以最小化乘客换乘等待时间为目标的整数规划模型。针对模型特点,设计了初始解的生成算法,并采用改进的遗传算法求解模型。通过含有6个列车运行方向,3个换乘站的小型城轨网络,验证了模型和算法的有效性。     

预售期多阶段多层次高铁网络客流需求模型

铁路运输企业编制运输计划时，不仅需要尽可能满足起讫点间的客流需求，同时要充分考虑客流需求在时间和空间上的波动性。根据问卷调查数据，采用分类统计和交叉分析的方法，分析不同出行目的、收入水平和出行距离的旅客在预售期内对购票时间阶段的偏好，用于研究高铁客流需求特征。根据多项式逼近拟合方法，基于客流需求特征，构造了预售期多阶段多层次高铁网络客流需求模型。以京沪高铁实际购票数据为例验证模型的有效性，结果表明提出的模型能够很好地模拟实际精细化的客流需求特征，应用该模型有助于提升高铁运输资源利用率、合理制定票价增加运营收益。     

带时间窗约束的集装箱接驳运输问题模型研究

集装箱接驳运输是集装箱运输过程中的重要环节。针对带有时间窗约束的集装箱接驳运输问题,本文首先考虑四种集装箱接驳运输任务(进口重箱,出口重箱,进口空箱,出口空箱)的实际运输要求,确定其时间窗约束,其次,基于图论知识,采用一种确定的活动在顶点上的图的描述方法,将集装箱接驳运输问题转化为一个混合0-1线性规划模型,考虑其计算复杂度,设计了一种改进的遗传算法对该问题进行求解。最后给出算例,运用本文的求解方法进行计算,结果与其他方法相比较,本文所提出的算法比目前已知的最优解差了2.1%,但是计算速度提高了51.4%。总体上在目标函数值和计算时间上都较优。     

网联环境下混合交通分配模型

为了提高混合交通环境的路网通行效率，对存在城市CAV专用区域的情况下的混合交通分配进行了研究。本文在混合交通环境的背景下，考虑混合交通具有不同的路由准则，因此构建了相应的混合交通分配模型，通过设置CAV专用区域提升系统通行效率和CAV车辆使用率，采用SRA算法求解。最后进行了算例分析，通过结果可以看出，设置CAV专用区域可以将系统通行效率提升26%，当CAV车辆系统服从率为1，相比于系统服从率为0.8时，系统通行效率提升6%。