资源共享模式下的整车物流路径优化

在对资源共享模式下的整车物流路径优化问题进行分析的基础之上,提出了共享车辆和共享车辆分拨中心两种资源共享模式下的整车物流路径优化网络,构建了以整车运输总成本最小为目标的数学优化模型,并设计了基于遗传算法的启发式算法用于求解该问题。结合华晨宝马、上海通用及广州本田的整车物流运输实例求解,认为文中所提出的资源共享模式可以节约总成本30%,能有效降低运营成本。对不同公路重载单位运输成本下最优成本的变化情况进行了比较分析。结果表明:单位运输成本越大,采用传统单独运输的成本越大,越应采用共享运输模式;但若公路重载运输单位成本与铁路和水路运输的成本越接近,则共享模式的优势越弱,成本节省率也就越低。     

基于中心分拨模式的多车场集送货一体化车辆优化调度方法

基于中心分拨理论的运输模式被很多大型物流企业所采用。因此研究其优化调度方法以确定各发车城市及车辆行驶路径。针对该优化问题建立数学模型及其求解框架,并利用改进的节约法求解,对得到的结果采用2-opt搜索算法进行修正。通过计算实例,说明了数学模型和求解方案的有效性。     

公路路政管理站点规划和巡视路线优化研究

采用遗传算法建立了公路路政管理站点规划选址优化模型,研究了路网中规划选址优化的多变量算法不易收敛问题,应用受限P 中心问题以减少管理站的备择点数目,从而减少遗传算法中染色体的基因长度,并按不同策略进行初始群体和种群的选择,加快收敛速度,从而提高算法的运算效率。针对高速公路巡视路线优化中最大巡路长度问题,采用贪婪算法和邻域搜索算法的结合求解最佳巡视路线,给出了问题的多目标函数优化模型和算法。     

集装箱多式联运组织优化模型及算法研究

在对集装箱多式联运网络进行具体描述的基础上,从实现广义运输总费用最小化的原则出发, 建立了一种集装箱多式联运组织优化模型,并运用模拟退火遗传算法从理论上探讨该模型的求解,并列举了一个可提供6个中转地和3种运输方式的算例进行分析说明,确定合理的最佳运输路线和最佳运输方式选择的联运方案,使广义运输总费用最小.     

随机运输时间下集装箱海铁联运箱流径路优化方法

集装箱在海铁联运过程中容易受到各种不确定因素的影响, 导致运输时间波动, 进而影响货物的送达准点率。为有效降低不确定运输时间的影响, 兼顾运输过程的经济性和绿色可持续性优化集装箱海铁联运箱流径路。采用随机机会约束规划构建运输总费用最少和碳排放量最低的多目标模型。在约束条件中引入铁路和海洋期望运到时间, 并对超过期望运到时间的径路进行惩罚处理, 保证运输径路的优越性。考虑一站直达和中转换装这2种运输组织模式, 克服现有研究未考虑货源是否充足的缺陷。运用不确定及概率论相关理论知识将不确定约束转化为线性约束。以西安至洛杉矶的集装箱货物出口径路优化为案例背景, 采用NSGA-Ⅱ算法求解, 并通过贪心算法改进初始化种群以及基于logistics分布的概率选择算子改进精英选择算子。通过对比分析得到以下结果: ①算法优化后运输总费用减少23.15万美元, 碳排放减少6.69 t, 同时算法求解速度提高了75.36%;②将本文模型选用的随机规划和模糊规划进行对比, 发现随机规划解集数量多于模糊规划, 且二者在相同输送径路中的运输总费用和碳排放量均优化了10.65%。因此本文模型和算法具有良好的优化效果。进行灵敏度分析, 观察置信水平以及时间影响系数对目标函数和货物送达准点率的影响。结果表明: ①较高的铁路和海洋运输置信水平会提高货物的运输总费用。②时间影响系数和货物送达准点率呈负相关, 影响系数越大货物送达准点率越低。      

公交站点网络规划多目标优化模型

为解决公交系统对路网交通流造成的延误积累问题。分析了公交站点对路段和路网交通流的影响因素和方式,采用多目标优化方法建立了求解设站策略最优解的数学模型,并通过统计分析和遗传算法建立了模型求解算法。研究结果表明:考虑区域路网公交站点服务水平的限制,通过求解公交站点网络规划多目标优化模型确定公交站点设置策略,可有效降低路网交通流平均延误时间。     

Multi-objective Location-routing Problem in Emergency Logistics as Time Varies

应急物流系统的多目标选址-路径问题主要旨在解决应急物流中心的选址问题、物流中心处理能力的设定问题和各类应急物资车辆运输路径的选择问题.基于既有研究成果,主要考虑时变条件下物资需求的多样性特点,兼顾应急物资类型的多样性特点和物流中心最小处理量要求,以运输路线能力和含有富余度系数的物流中心能力为约束条件,以时间和费用最小化为优化目标,建立了更为完善的多目标0-1混合整数线性规划模型.采用百分比无量纲化技术消除优化目标的量纲,并设计了基于目标规划的模型求解算法.通过算例试验,对比分析了0-1混合整数线性规划模型与既有模型的时间和费用.结果表明,相较于既有模型,该模型所得的选址-路径方案在费用和时间的消耗上都有所下降,更符合应急物流管理的实践工作.     

基于多目标优化设计的客车发动机悬置NVH分析

基于发动机悬置结构的动力学模型,合理选择设计变量、约束条件及优化目标,建立多目标优化模型,采用多岛遗传算法对其进行求解。根据优化结果进行悬置软垫试制及装车测试,结果表明,优化后的悬置系统在振动、噪声方面都有明显的改善。     

Selection of Container Types and Transport Modes for Container Multi-modal Transport with Fuzzy Demand

在集装箱多式联运中,集装箱箱型和运输方式的组合优化直接关系到货物运输的时间、费用和质量.考虑运输需求量为模糊情况下,建立集装箱多式联运箱型和运输方式的优化模型,实现集装箱多式联运总成本最优化,并提出模型求解的改进型粒子蚁群算法.最后结合算例对模型进行应用分析,并分析箱型替代和运输交货期限的变化对多式联运总成本的影响.结果表明:承运人可根据不同运输需要实现集装箱运输规模效益,提高集装箱利用率;时间限制对承运人选择集装箱箱型和运输方式的影响较大;改进型粒子蚁群算法优于蚁群算法.     

城市群内综合运输通道客运结构协调模型

为协调城市群区域运输通道客运结构,避免通道内各出行方式间的恶性竞争,以运输通道内供给与需求相适应和效益最大为目标,基于出行者对交通运输方式选择遵守效用极大化原理,构建了城市群客运通道不同交通方式合理分工非线性多目标模型,并对其进行求解。以算例验证建立的协调模型,在总效益和需求与供给相适应方面优于传统的Logit模型。     

基于改进蚁群算法的多物流中转站选址规划

根据多物流中转站选址问题的特点,应用遗传算法和分配算法将大规模客户点划分为不同的配送单元,建立了包含配送中心和中转站的运营成本以及配送中心和中转站的大小车维护费用的数学模型,其中,运营成本包括车辆的运输成本和中转站的建造成本.提出了一种解决多物流中转站选址问题的改进蚁群算法,由于该算法在评价函数中隐含加入了约束条件,并...     

基于自适应网格粒子群算法的多目标配送优化模型

对配送方案的选择提出多目标优化,在满足客户需求的前提下,力求成本最低和各配送中心负荷均衡,建立多目标规划模型。运用粒子群算法对解空间粒子进行局部和全局的搜索,再运用自适应网格算法对非劣解外部集进行更新和维护,保持其规模。实证表明,采用基于自适应网格的多目标粒子群算法对该模型进行求解能够得到均匀分布于解空间的Pareto前沿。结果表明两目标具有一定的悖反关系,据此选择满意解。     

考虑车辆限行和装箱约束的车辆路径优化方法

在实际配送过程中，考虑到部分城市道路存在限制大型配送车辆通行的现状，以及运输途中车厢内物品满足后进先出等装载约束能有效提高装卸效率的特点，将车辆限行和二维装箱约束加入到需求可拆分车辆路径问题中。同时考虑到车辆的使用成本和行驶成本，以车辆总配送成本最小为目标构建考虑车辆限行和二维装箱约束的需求可拆分车辆路径问题数学模型，设计了启发式算法来求解该模型，其中模拟退火算法确定需求拆分下的车辆配送路径，且在当前最优解判断时调用BLF算法检验物品的二维装箱约束，来减少频繁调用BLF算法的时间。数值案例验证了模型和算法的实用性，且所提出的算法的求解结果波动不大于0.8%，能在合理的时间范围内求解得到较好的配送方案，在车辆限行区域内采用双车型配送能节省15.17%~31.27%的总配送成本。      

物流中心选址的动态评价方法研究

针对物流中心的选址问题,在分析传统评价方法的基础上,综合主观评价与客观评价,提出一种主客观评价相结合、模糊技术与决策方法相结合的组合赋权动态评价方法。该方法首先建立评价指标体系。然后,对费用指标通过成本模型的启发式算法进行求解,同时结合专家组的定性评价;而在权重的确定上,以G1法确定主观权重,熵值法确定客观权重,并将主、客观方法得到的权重进行集成。从而,既可避免人为的主观能动性,又能对专家意见给予足够的认识。接着,在此基础上,借助指标满意度对定性和定量指标进行综合得到某一阶段的评价结果,最后对各阶段评价结果进行线性叠加来来解决物流中心选址这类多阶段多指标决策问题。     

遗传算法在有竞争的物流配送中心选址中的应用

在分析有竞争的物流配送中心选址特点的基础上,引入了一种有竞争的物流配送中心选址模型。由于该模型是一个组合优化问题,具有NP难的性质,用常规算法对其进行求解时,经常会陷入局部优化解。针对这一情况,提出一种求解该模型的混合遗传算法,该算法主要利用Drezner算法的局部搜索性能来提高遗传算法的寻优能力。研究结果表明该算法能很好地处理有竞争的物流配送中心选址问题。     

基于离散粒子群算法的协同车辆路径问题

考虑车场容量、不同车型车辆行驶最大里程等约束条件,建立以车辆配送总费用最小为目标的一类带时间窗协同车辆路径问题数学规划模型、即属于不同公司的配送中心共享车队、仓储等资源为客户协同配送货物,采用文献[1]中的自适应离散粒子群算法求解该问题并定义了其可能解的粒子的编码方式.最后,通过一个算例得出结论:同普通物流配送情形相比...     

Real-Time Longitudinal Location Estimation of Vehicle Center of Gravity

The longitudinal location of a vehicle’s center of gravity (CG) is used as an important parameter for vehicle safety control systems, and can change considerably according to various driving conditions. Accordingly, for the better performance of vehicle safety control systems, it is essential to obtain the accurate CG location. However, it is generally difficult to acquire the value of this parameter directly through sensors due to cost reasons. In this study, a practical algorithm for estimating vehicle’s longitudinal CG location in real time is proposed. This algorithm is derived based only on longitudinal motion of the vehicle, excluding excessive lateral, yaw and roll movements of the vehicle. Moreover, the proposed algorithm has main differences from previous studies in that it does not require information such as vehicle mass, vehicle moments of inertia, road grade or tire-road surface friction, which are difficult to acquire. In the proposed algorithm, the relationship between the ratio of rear-to-front tire longitudinal force and the corresponding wheel slips are used to determine the CG location. To demonstrate a practical use of the proposed algorithm, the ideal brake force distribution is tested. The proposed CG estimation algorithm and its practical use are verified via simulations and experiments using a test vehicle equipped with electro-mechanical brakes in the rear wheels. It is shown that the estimated CG locations are close to the actual ones, and that the deceleration can be maximized by the ideal brake force distribution.     

克隆选择算法在一类有竞争的物流配送中心选址问题中的应用

根据有竞争的物流配送中心选址问题的特点,以新增物流配送中心获取最大的市场占有量为目标函数,建立了有竞争的物流配送中心选址问题的数学模型。由于建立的数学模型是一个高维、非线性、非凸性,并具有多个局部极值点的复杂函数优化问题,传统确定性优化算法很难求解得到问题的最优解或满意解。为此,提出将一种新型的启发式进化算法——克隆选择算法用于求解建立的数学模型,并详细描述了应用克隆选择算法求解数学模型的方法和步骤。仿真试验表明,克隆选择算法求解有竞争的物流配送中心选址问题是可行而有效的,并且具有收敛速度快、全局搜索能力强和稳定性好的优点。     

液化天然气库存路径问题建模与算法

考虑液化天然气（LNG）的在途挥发、转移挥发与库存挥发对配送成本与风险的影响，根据LNG风险特性采用蒸汽爆炸模型量化库存和运输风险，并针对传统单因素风险评估方法的不足，结合多源数据（兴趣点密度、土地生产总值产出率和人口密度）构建多因素复合风险评估指标反映事故严重程度的空间异质性，建立库存路径问题双目标优化模型，实现多周期LNG库存和配送方案的联合优化。根据问题的特征，设计基于贪婪策略预优化并结合变邻域搜索（VNS）的多目标粒子群（MOPSO）混合优化算法，且通过标准测试函数对改进前后的MOPSO算法和非支配遗传算法（NSGA-Ⅱ）进行比较；与NSGA-Ⅱ相比，MOPSO在结合VNS前后分别具有32%和42%的收敛性优势，结合VNS混合优化相比原始MOPSO有15%的收敛性优势。最后，以广州地区LNG加气站供应体系进行案例分析。研究结果表明：库存与运输成本存在利益背反关系，且在短暂缺货时总成本较低；忽略挥发的影响会导致小批量频繁补货，从而增加不必要的运输成本；LNG挥发成本占总成本的10%~20%，库存挥发率对成本影响较大，但对风险影响很小，当库存挥发率低于2%时投资降低挥发率带来的经济效益较大，当超过2%时，投入产出比迅速降低；风险限值约束对路径选择和成本影响较大，20%风险限值的降低带来了10%总成本的提高，但20%风险限值的提高仅降低5%的总成本，说明总成本在逐步接近不考虑风险时的最低值，存在优化上限。     

考虑路线安排的物流配送中心选址双层规划模型及求解算法

在充分考虑物流规划部门与客户双方利益及选址地点对路线安排影响的基础上 ,采用双层规划模型描述了物流配送中心的选址问题 ,并对模型进行了求解。最后通过一算例来验证模型及其算法的可行性