基于群体智能的船艇货物配送路径图解优化模型构建

由于蚁群算法路径优化模型容易出现局部最优的问题,导致最终的船艇货物配送成本过高,为此构建一种基于群体智能的船艇货物配送路径图解优化模型。以配送路径的难易度系数为标准,对配送路径的当量长度进行计算,引用群体智能算法,确定货物配送路径的动态调整规则,运用图解法计算最短配送路径,完成路径图解优化模型的构建。通过实例论证分析的方式,确定该模型的有效性。结果表明,基于群体智能的路径优化模型较基于蚁群算法的路径优化模型具备优越性,货物配送总成本降低328.5元/天,且大大缩短了配送时长,提高了船艇货物配送效率。     

基于大数据分析的船舶海上物流配送链优化模型

传统的船舶海上物流配送链优化模型无法对物流资源数据进行特征共享分析,导致优化后的配送路径过长,极大地增加了运输成本与时间。为了解决这一问题,提出基于大数据分析的船舶海上物流配送链优化模型设计。通过大数据分析技术,首先对物流配送链信息进行物流源的分组优化。以收件人为中心将货物与数据资源一一对应分组,清晰物流配送数据的配送关系,对数据进行内部整合计算,精简数据流提升模型计算速度;最后对配送路径进行输出优化计算,通过大数据分析对遗传算法进行实时分析,得到最佳的配送路径。为验证提出优化模型的有效性,通过设计仿真对比实验的方式,模拟配送链数据对提出模型与传统模型进行配送时间的对比,通过对比数据证明提出的优化模型具有配送用时短,节约运输成本的特点。     

物流小辞典（16）

共同配送(Cemmon Delivery) 是指为提高物流效率对某一地区的用户进行配送时,由许多个配送企业联合在一起进行的配送.它是在配送中心的统一计划、统一调度下展开的.有两种运作形式:①由一个配送企业对多家用户进行配送.即由一个配送企业综合某一地区内多个用户的要求,统筹安排配送时间、次数、路线和货物数量,全面进行配送;②仅在送货环节上将多家用户待运送的货物混载于同一辆车上,然后按照用户的要求分别将货物运送到各个接货点,或者运到多家用户联合设立的配送货物接收点上.这种配送有利于节省运力和提高运输车辆的货物满载率.     

电子商务环境下舰船供应链物流配送最优路径规划方法

传统舰船供应链物流配送最优路径规划方法,普遍采用一种最优计算算法来完成最优量的计算。当计算出的最优量同实际路径发生冲突时,算法无法快速给出当下最优路径解决方案,严重影响物流配送时效。因此,提出电子商务环境下舰船供应链物流配送最优路径规划方法。根据舰船配送货物特征,通过迪杰斯特拉算法对货物配送路径进行多路径规划模型建立,使其模型中的路径能够符合全局配送过程的需要;通过实时优化蚁群算法对模型中的规划路径进行实时最优计算,保证舰船任意状态下的航行路径均为最优路径。对传统路径规划方法所规划的路径与提出方法所规划的路径进行最优路径的二次规划测试,通过二次最优规划所用时间,证明提出方法在路径实时最优规划上优于传统路径规划方法。     

集装箱货物始发港配送

<正>一、集装箱货物始发港配送的概念与优势1.集装箱货物始发港配送的概念集装箱货物始发港配送,是指在出口地将货物按照最终客户的需求顺序装入集装箱,运抵目的地码头后直接提离,并送至各个最终客户处拆箱交付。显然,在始发港配送模式下,省去了目的港货运站的拆箱环节,而改成从码头提箱后按客户需     

随机需求下冷链物流配送路径优化问题研究

为探讨随机需求下冷链物流配送路径优化问题,本文以固定成本、运输成本、货损成本、制冷成本、惩罚成本和缺货成本总和最小为目标函数,并在约束中考虑客户软时间窗,从而构建了随机需求模型;选择遗传算法求解问题,通过算例比较了考虑顾客的随机需求与使用给定的需求期望值之间成本差异,验证客户的随机需求会对企业的配送成本产生影响。     

大数据背景下社区物流配送优化措施研究

大数据时代,电子商务、网络销售、直播带货等新型行业得以飞速发展,与物流行业关系紧密,其中,社区物流配送是物流整体链条的末端。虽然近些年物流行业依托于新消费产业得到了高速发展,但是社区物流在配送效率、货物安全、以及配送便捷度等方面均没有达到理想水平。基于此,本文针对大数据下的社区物流基本特征、配送现状,以及配送优化提出改进措施。     

考虑时间窗的多货类多目标集装箱运输方案优化

为研究小型内陆城市的集装箱运输方案,在考虑时间窗的约束下,构建运输成本最小、运输时间最短及运输碳排放最少的多目标运输方案优化模型,并结合NSGA-Ⅱ算法和Matlab软件,以丹阳市集装箱运输方案优化为例展开实证研究。研究表明：时间窗的不同对于集装箱运输方案的选择起到关键作用,同时运输成本及运输碳排放量也随之产生变化,为此可通过采用新能源运输设备减少碳排放量来降低运输成本;对于时效性较强的集装箱货物,选用公铁联运较为经济,对于一般性集装箱货物,选用公水联运更为经济。     

GWO-Elman模型在港口货物吞吐量预测中的应用

港口作为国内国际贸易的重要枢纽,在新时代区域经济发展中具有重要的战略地位。为提高港口货物吞吐量的预测精度,使用差分法、灰狼优化（GWO）算法和Elman神经网络模型对2010―2019年青岛港货物吞吐量进行了训练与预测。基于所收集到的时间序列数据,将其作为样本数据输入Elman神经网络模型进行训练与测试;在训练过程中,引入灰狼优化（GWO）算法来优化Elman神经网络的权重（w）和神经元阈值（b）;将GWO-Elman组合模型应用于青岛港货物吞吐量预测的实证研究中。结果证明：GWO-Elman算法模型相较于传统Elman神经网络模型,在预测货物吞吐量时有着更高的收敛速度与预测精度,这为港口货物吞吐量的预测提供了一种新的计算方法。     

基于物联网的海上应急物资运输路径优化仿真

针对海上应急物资运输的特点,综合考虑物联网技术优势与海上应急物资运输的要求,引入模糊时间窗函数,结合最优适应度函数等主要约束条件,构建以配送距离最短、花费时间最少、配送成本最低、客户满意度最大的物联网的海上应急物资运输路径优化模型,在Matlab 2017a平台上进行仿真。结果表明,改进后的遗传算法能够找到最优配送路径,达到了智能化海上应急物资运输配送的要求。     

船上重件货物固定过程效率控制方法优化

传统的船舶重件货物固定效率优化方法难以准确计算竖直风压对货物的影响,导致货物固定过程效率低下,为得到更快的货物固定方法,设计船上重件货物固定过程效率控制优化方法。获取重件货物冲击特性参数,建立货物在风浪影响下力学动态模型,设计重件货物固定过程效率优化算法。在24 h对比实验中,只有10 h时该方法用时大于可视化建模方法,其他时间均为同等条件下的最小值。因此可知,该方法优于其他2种方法,重件货物固定效率更高。     

海上应急物资配送路径规划模型的构建

为了提高海上应急物资配送和调度能力,提出基于蚁群智能优化的海上应急物资配送路径全局规划算法。根据海上应急物资配送物资规划路径进行运动学模型构造,构建海上应急物资配送路径规划的控制约束参量,以海上应急物资配送的中转节点作为聚类中心,采用蚁群优化算法进行海上应急物资配送路径的自适应寻优,以蚁群个体信息素作为导引参量,构建海上通信网络下的海上应急物资配送路径规划模型,采用蚁群算法进行海上应急物资配送路径规划过程中的寻优迭代,根据自适应寻优控制结果,实现海上应急物资配送路径规划优化。仿真结果表明,采用该方法进行海上应急物资配送路径规划的自适应性较好,规划调度能力,提高了应急物资的配送效率。     

结合经济指标修正的GA-BP模型港口货物吞吐量预测

为有效预测港口货物吞吐量,基于遗传算法(Genetic Algorithm,GA)优化的BP神经网络模型(GA-BP模型),结合经济指标影响,对港口货物吞吐量进行预测研究。选取2012―2020年上海港货物吞吐量月度数据,运用GA-BP模型得到准预测值,通过主成分分析法对经济指标降维,得出经济综合影响指数,并对准预测结果进行修正。试验证明,考虑经济指标影响的GA-BP模型比传统时间序列模型和BP神经网络模型的预测效果更优。     

战时舰载导弹配送路径规划模型构建研究

针对战时舰载导弹配送路径规划问题,考虑到战时舰载导弹配送时涉及到的多个因素,从动态规划、图与网络角度进行分析,建立了单参数、多参数和多始点、多终点的配送路径规划问题的数学模型,有效地对战时舰载导弹配送路径进行了优化.同时,运用MATLAB和LINGO对有关的实例模型进行求解验证,对战时舰载导弹配送中缩短配送时间、降低配送需要投入的保障力量、确保高效、快速、准确、及时完成配送任务有一定的理论参考价值.     

集装箱装载货物的优化研究

在集装箱运输中,为了充分发挥集装箱运输的效益,降低运输费用,不仅要充分利用集装箱的有效载重量,而且还要充分利用集装箱的容积,这就对货物在集装箱内积载提出了很高的要求。因此,必须加强对集装箱装载货物的优化技术研究。 为加快货物装卸速度,缩短周转时间,有时候货物先装载在托盘上,然后再装入集装箱内。本文仅以这一情况为例进行研究,提出装载优化模型。     

完善物流配送功能 加速配送中心建设

综合物流涉及社会生产和生活的各个领域，维持着社会生产与生活的正常运转，是国民经济的命脉。而无论多么庞大复杂的物流过程，最终与顾客“见面”的就是那一小段配送。顾客满意与否，只有通过配送才能直观感受；也只有通过配送，顾客才会认同整个综合物流过程。固此配送是综合物流的一个十分重要的环节。     

基于智能交通系统的物流配送路径规划研究

随着智能交通系统的发展，物流配送路径规划可以利用智能交通系统提供的实时交通数据、优化配送模型和提高配送可靠性等优势，实现更高效、更经济、更可靠的配送方案。本文就此进行研究。     

基于粒子群算法的船舶物流智能配送系统

当前船舶物流智能配送系统存在配送路径并非最优,配送效率低,导致船舶物流智能配送成本存在居高不下的缺陷。为了节约船舶物流智能配送成本,找到理想的船舶物流智能配送路径,设计了基于粒子群算法的船舶物流智能配送系统。首先对船舶物流智能配送系统的工作流程进行描述,并重点描述船舶物流智能配送路径优化问题,然后设计了一种改进粒子群算法,并采用它实现船舶物流智能配送路径的优化。最后的测试结果表明,本文船舶物流智能配送系统可以在用户规定时间内将需求的产品送到目的地,降低了船舶配送成本,不仅可以帮助船舶物流配送企业提高管理,而且船舶物流配送结果优于其他的系统。     

基于改进非支配排序遗传算法Ⅱ的驳船调载方案多目标优化研究

随着货物的大型化,装船的难度和时间消耗增加,驳船各项安全参数易达到极限。为提高驳船压载效率,控制滚装作业过程中船体的总纵弯矩,以驳船最大总纵弯矩和调载时间为优化目标,以驳船与码头的高度差、纵倾角为约束条件,构建驳船调载方案的优化模型。针对该模型特点,采用NSGA-Ⅱ进行求解,并通过贪婪初始化种群改进算法,有针对性地提高算法初始种群的质量,实现算法的快速收敛。最后,以不同重量的货物滚装装船进行仿真试验。试验结果表明,采用改进NSGA-Ⅱ优化求解调载方案,可有效缩短调载时间,减小船体总纵弯矩,具有一定的工程应用价值。     

关于海上风电的车辆路径问题研究

具有时间窗的车辆路径问题(VRPTW)是一种模拟交通网中运载工具配送的优化问题。在实践中,经典模型(vrp模型)往往是不充分的,因为恒定的旅行时间之间的地点假定,交通状况、天气等时变因素对实际出行时间有显著影响。因此,两地之间的旅行时间取决于具体的出发时间。为了表示这些外部影响,将VRPTW扩展到具有时间窗的车辆路径问题(TD VRP)。在这种情况下,建立一个时间相关的车辆路径模型。