时变交通下生鲜配送电动车辆路径优化方法

依据时变交通路网特点设计基于路段划分策略的行驶时间计算方法,综合考虑客户对生鲜产品最低新鲜度约束,车载限制和电动车电量约束,设计三约束决策因子方法.以配送总成本最小为目标,构建时变交通下电动车城市生鲜配送路径优化模型,根据模型特点设计自适应改进的蚁群算法.实验结果表明,本文方法能够根据客户生鲜新鲜度要求,客户属性和路网特性,合理安排发车时间,科学规划配送路径,有效避免交通拥堵;通过算法对比,本文模型和算法能够明显降低配送成本,提高企业经济效益.     

时变交通下生鲜配送电动车辆路径优化方法

依据时变交通路网特点设计基于路段划分策略的行驶时间计算方法,综合考虑客户对生鲜产品最低新鲜度约束,车载限制和电动车电量约束,设计三约束决策因子方法.以配送总成本最小为目标,构建时变交通下电动车城市生鲜配送路径优化模型,根据模型特点设计自适应改进的蚁群算法.实验结果表明,本文方法能够根据客户生鲜新鲜度要求,客户属性和路网特性,合理安排发车时间,科学规划配送路径,有效避免交通拥堵;通过算法对比,本文模型和算法能够明显降低配送成本,提高企业经济效益.     

基于大数据平台下的物流配送车辆路径问题研究

利用大数据平台对多源大量数据进行实时计算处理的优势,考虑具有载重限制、运输路径限制且带时间窗限制的路网中物流配送车辆路径问题,建立以配送时间最短和配送成本最低为目标的数学模型.构建大数据下的多源信息分析处理平台构架图以获取实时交通信息,根据实时路况环境,对配送车辆的路径进行优化.通过利用大数据平台Hadoop中的MapReduce编程模型进行遗传算法并行化设计并求解.结果表明:利用大数据平台进行遗传算法并行化设计能有效求解多目标配送车辆路径问题,创新性地对车辆路径问题进行研究,具有解决实际问题的积极意义.     

公路零担物流企业末端配送路径优化

针对公路零担物流企业末端配送货源的不确定性和广泛性、单位运输成本较高等特点,以及存在的配送网络体系不健全、配送路径规划不当等问题,建立相应的配送路径优化数学模型。将JOPT(配送路径优化和移动资源调度算法包)作为优化具体配送路径的手段,进行仿真流程设计、优化参数设定,并进行仿真求解,获得最优的配送路径。结合具体实例,将JOPT算法优化后的配送路径与原路径进行比较,发现配送里程相对缩短,配送成本相应降低。     

动态行驶时间取送一体化车辆路径问题

为优化真实路网下的车辆配送路径,采用优化 + 调整的两阶段求解方法. 在优化阶段,根据常发拥堵信息,采用遗传算法求解时变取送一体化车辆路径,安排车辆初始配送路径. 在调整阶段,以路段行驶时间为时间间隔,采用滚动更新策略调整车辆配送路线躲避偶发拥堵. 在针对车辆路径调整问题构建了一系列混合整数规划模型的基础上,设计了2-opt + insertion启发式算法求解模型,并结合Dijkstra算法求解到的客户点间最短行驶路线,将车辆配送路径转化成了真实路网中的车辆配送路线. 数值实验测试结果表明:滚动更新策略中,以路段行驶时间为时间间隔比以客户间行驶时间为时间间隔减少车辆行驶时间0.24～11.95 min;以路段行驶时间为时间间隔比以24 min为时间间隔减少车辆行驶时间0.08～8.06 min,比以6 min为时间间隔减少更新次数10.02～34.59次,因此,固定时间滚动更新策略中的最优时间间隔难以确定,其实用性较差. 2-opt + insertion启发式算法求解速度是遗传算法的4倍.      

电子商务条件下城市物流协同配送车辆路径问题研究

电子商务环境下的协同配送具有客户位置分散、订单多、批量小和重复线路多的特点,通过对当前电子商务条件下的城市协同配送车辆路径问题进行研究,构建了多中心协同配送车辆路径问题的优化模型,并运用自适应遗传算法求解.通过具体实例验证,研究方法较好地提高了配送中心之间的协同工作效率、降低了物流配送成本.     

基于地铁-货车联运的物流配送路径优化

为应对配送车辆引起道路拥堵和环境污染问题，提出地铁与货车联合运输. 在不改变地铁运行方案的前提下，利用地铁非高峰时段开展货物配送；考虑地铁剩余运能、货车容量、最大行驶距离、客户服务时间窗等限制条件，以配送距离最短为优化目标，构建基于地铁-货车联运的物流配送路径优化模型. 通过地铁配送路径设计不规则二维矩阵编码结构，使用改进自适应遗传算法求解. 以某市地铁货物运输为例，验证模型和算法的实用性、有效性. 结果表明，地铁-货车联合配送距离短，在客户时间窗范围内送达比例高，有效提高客户满意度.     

��������������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.     

带时间窗的地铁配送网络路径优化问题

为应对人们日益增加的货物需求与货车进城难题,提出整合地铁网和道路交通网,形成以地铁列车和城市配送车辆为载体的地铁配送网络.考虑列车开行时间表、客户服务时间窗、城市配送车辆容量等限制条件,构建带时间窗的地铁配送网络路径优化模型,综合优化地铁列车班次的客户分配、出站点的客户分配及末端配送路径.设计随机变邻域的迭代搜索算法(ILS-RVND)进行求解,以成都市地铁3号线运输货物为例,验证了模型和算法的实用性和有效性.结果表明,地铁配送网络配送成本低,准时性高,配送车辆行驶距离短,能满足比货车单独配送更精准的服务需求.     

多资源约束下车辆配送路径优化模型

本文研究了在车载能源量、车辆载货能力等多资源约束下的车辆配送路线优化问题,建立了多资源约束下配送路径优化的静态模型和动态模型。在静态配送路径优化模型中,通过修改网络结构,增加虚拟资源点,解决了含有子回路的配送路线优化问题;在动态模型中,采用时空网络模型来避免子回路的产生,对车辆配送路线规划问题的描述更加直观准确,该模型以扩大模型规模为代价丰富了车辆配送路径选择方案,并能求解车辆到达、离开客户点的时刻。以商业优化软件CPLEX12.6.2为工具对上述两个模型进行验证和数值计算实验。     

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.     

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.     

客户配送要求变动下的VRPSDP干扰管理优化

为解决客户配送要求变动对VRPSDP方案造成的干扰问题，从成本和服务时间两个方面，就干扰事件对原物流配送车辆路径方案造成的影响进行了干扰辨识分析.构建了VRPSDP干扰管理模型，并设计基于禁忌搜索的调度算法.从Solomon标准测试算例中随机抽取6组算例对模型和算法的有效性进行验证.结果显示，本文的干扰管理方案与传统的增派车辆和全局重调度方案相比较，广义总费用偏离有明显地降低，且本文方法能够在较短的时间内生成满意的物流配送车辆调度调整方案.     

带时间窗的甩挂运输路径优化问题研究

针对带时间窗的甩挂运输路径优化问题,考虑整车和卡车2种运输方式,以及整车、卡车、混合3种行驶路径,以行驶时间为目标函数构建模型,设计基于A、B策略的两阶段混合启发式算法.算例分析结果表明：针对客户规模在100以内的小规模算例,均可在3s内求得结果,策略B的求解时间少于策略A,而策略A的目标函数优于策略B;当客户规模逐步增至900时,选择策略A可获得更高的求解效率.可见,本文所构建的模型与算法是可行和有效的,对实际配送过程中的车辆指派与路径优化具有一定的参考价值.     

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．     

基于VRP模型的两阶段物流网络路径优化模型

以基于VRP模型的两阶段三层次物流网络路径优化问题为研究对象,利用启发式算法中的分解法将问题分为选择物流中心与配送路径优化两个子问题,并与数理规划软件LINGO 8.0相结合给出了基于VRP模型的MSDL-RP问题——多供应商、多配送中心选址与路径优化问题的求解模型。利用所提出的模型可以求出商品从多供应商经过多物流中心到最终客户这一过程中能使费用最小的供应商的最佳位置与数量、物流中心的最佳位置与数量及从物流中心到客户的最佳配送路径,并通过实例进行了验证。对于小规模问题,运用所提出的方法能在很短的时间内求出问题的最优解,具有一定的实用价值。     

求解带硬时间窗车辆路径问题的改进UMDA 算法

针对带硬时间窗的车辆路径问题(VRPHTW)求解,提出了一种混合单变量边 缘分布算法(hybrid UDMA,hUDMA),改进了基本UMDA的概率模型.统计节点按路径分 布的概率,使其能够在解空间上找到节点-路径的分布关系,提高了UMDA的全局搜索 能力.采用两阶段插入法进行最佳节点搜索和路径分配完成UMDA采样操作,通过种群 进化来获取最优解.计算Solomon 100 客户的6 类问题56 个算例的实验结果表明：在最优 解的取得方面,C类算例能够全部取得最优解,R、RC类算例能以50%左右概率取得最优 解;在平均误差方面,C类算例计算结果与已知最优解一致,R、RC类算例计算误差率与 已知最优解比较接近,平均误差率为1.03%.