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.     

甩箱模式下考虑多箱型任务组合的集卡调度优化

针对甩箱模式下港口堆场与内陆腹地间多箱型任务组合的集卡调度问题,本文根据运输过程中集卡剩余箱位随集卡执行任务动态变化的特点,考虑不同箱型任务需求与集卡当前状态的匹配,以集卡的启用、行驶及等待过程的成本最小化为目标,建立混合整数规划模型。并根据模型特点设计基于不可行弧过滤策略的蚁群算法,以提升算法性能。利用Solomon标准数据集随机生成任务类型比例和规模大小不同的算例进行数值试验,试验结果证明了模型的正确性与算法的稳定性和有效性,进而对比了甩箱模式与传统模式下的总成本。结果表明：相较于传统模式,甩箱模式下集卡的运输总成本平均减少了45.10%;当任务规模越大时,两种模式之间的成本差距越大,显示了甩箱模式与港口多箱型集疏运任务运输作业结合的显著优势。     

时效要求下的甩挂牵引车调度问题与求解

针对时效要求下的甩挂牵引车调度问题, 以整车运输和多对多运输需求为基本特征, 以货运吨公里CO_2排放量为目标函数, 构建了混合整数规划模型, 设计了基于节约算法和邻域搜索算法的两阶段启发式算法, 进行了带有时间窗的既有算例的求解。计算结果表明: 启发式算法所得满意解对基准算例1~12初始解的优化率分别为4.21%、2.06%、2.70%、3.87%、2.03%、3.54%、2.23%、3.35%、1.54%、2.11%、1.58%、0.81%, 平均水平为2.50%;最优解分别为101.22、107.05、106.21、103.94、116.23、103.16、102.61、102.14、101.05、103.38、103.69、100.54g·(t·km)-1, 平均值为104.27g·(t·km)^-1, 因此, 本文所构建的混合整数规划模型与启发式算法是可行和有效的, 时效要求下的甩挂牵引车调度优化可产生良好的节能减排效果。     

混合模式下的多车型交叉甩挂调度优化

多车型是甩挂运输发展的新趋势,载重大的牵引车拖带不超过吨位限制的多 种挂车称之为交叉甩挂.为分析多车型交叉甩挂的优势和客户点分布规律的影响,本文建 立了轴辐式与网络型相结合的混合模式下的多车型交叉甩挂调度模型,针对该模型的特 点设计了混合模拟退火算法进行求解,并将其与其他3 种牵引车-挂车匹配策略进行对 比,验证了模型和算法的有效性,同时体现了多车型交叉甩挂在成本节约方面较之于其 他3 种甩挂匹配策略的优势.最后运用4 种策略求解改进的Solomon 经典算例,分析了客 户点分布对目标函数的影响,可为甩挂运输车辆调度提供决策支持.     

带时间窗车辆路径问题的启发式遗传算法

为了在运输生产中按时间要求合理安排车辆路径, 建立了带时间窗车辆路径问题数学模型, 用启发式遗传算法进行求解。先构造染色体, 产生初始群, 再对其进行优化, 根据个体生存能力的体现进行性能估计, 并计算优化值。运用VisualBasic编写相应计算程序, 设定迭代代数为100, 运算次数为10次, 对有时间窗限制的有1个中心仓库与8个分仓库的实际问题进行求解。模拟结果显示需要3辆车按照3条运输线路进行物流配送服务, 总运行距离为483km, 总运行时间为15.55h, 车辆未出现闲置时间, 且全部仓库得到及时服务。可见启发式遗传算法有效、可行。     

带时间窗的车辆路径混合遗传算法

基于标准遗传算法, 将每一个染色体与分组信息相结合, 使染色体结构包含有更多信息, 辅以λ-交换局部搜索技术, 构造了一种新的混合遗传算法, 对带时间窗约束的车辆路径问题进行了求解, 并与标准遗传算法的求解结果进行了对比研究, 发现使用混合遗传算法, 总行驶里程为162km, 而使用标准遗传算法, 总行驶里程为182 km。结果表明混合遗传算法的求解结果比标准遗传算法更加接近最优解, 所需的行驶里程缩短, 有效降低运输企业的车辆运行成本。     

基于地铁的带时间窗地下物流路径优化研究

随着电子商务的快速发展,城市物流配送量日益增长,加剧了城市交通拥堵状况。相对应的,城市交通拥堵也严重影响着物流配送的准点率和服务水平。为了缓解物流导致的交通拥堵,文中将地面物流转移至地下,提出基于地铁的地下物流配送模式,并且考虑地下物流与地面物流的转运时间协同,引入货物在地面转运点堆积的时间成本惩罚函数,以总成本最低为目标函数,建立基于地铁的带时间窗地下物流路径优化模型。利用遗传算法进行路径优化并用MATLAB实现算法。最后,以南京市为例,利用模型得出最优路径以及总成本最优的调度方案。     

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.     

空挂任务不确定情形下的甩挂运输调度优化

在实际路网下建立了空挂任务不确定情形下的甩挂运输调度优化模型, 设计两阶段启发式算法进行求解, 第1阶段分别按照空挂调运距离最小和重挂任务起终(OD)点总顺差最低2种策略确定空挂调运方案, 第2阶段结合任务节点顺差和贪婪思想确定所有任务的执行序列, 采用算例分析算法的性能。分析结果表明: 空挂运输成本与总成本分别为325.5、1 010.5元, 比原有方案分别节约10.44%、3.62%, 且使用的牵引车更少; 基于辽宁省内城市间甩挂运输算例所得空挂调运距离最小和重挂任务OD点总顺差最低2种策略的最优值分别为2 561.3、2 464.6元, 平均求解时间分别为21.5、27.3s, 第2种策略各结果的稳定性较好; 模拟退火算法所得总成本均在3 100元以上, 求解时间均在80s以上。可见, 本文算法的精度和效率较高, 重挂任务OD点总顺差最低策略在求解空挂任务不确定情形下的甩挂运输调度问题方面有着明显的优势。     

带回送和时间窗的车辆路径问题的模型及算法

在分析具有回送运输和时间窗的车辆路径问题特点的基础上，建立了该问题的优化数学模型，并通过设置与发货点距离为零的虚拟集货点使问题简化．在此基础上，构造了求解问题的改进遗传算法．在算法中，结合问题的特点设计了确保个体编码有效性的OX交叉算子，并采用基于Metropolis判别准则的复制算子，确保个体多样性和避免算法过早收敛．算例表明算法有效可行．     

�����Ŵ��㷨�Ĵ�ʱ��Լ���ij���·�������Ż�

基于遗传算法的车辆路径优化问题，虽然已经被提出过多种思想方法，但仍有较大的改进余地．而且具体的车辆路径优化问题，往往在时间和路程两方面都有限制和要求，而在这方面的研究相对较少．针对这种问题，在传统遗传计算基础上，加入了时间约束算法，对算法的实时实现作出保证；同时根据客户点的位置改进初始群，提高了变异率，减少低效计算，极大提高了寻优速度，为多计算点的遗传操作提供有力的支持．计算机仿真实现的结果和物流公司的实际运作都证明了算法的有效性．     

车辆数目未知的带时间窗口的车辆路径混合遗传算法

研究带时间窗口的车辆路径问题(VRPTW),主要考虑车辆容量约束、时间窗口约束、最大距离等约束,且完成配送所需的车辆数目不确定,要求在车辆数目最少的条件下再使总的行驶路径最短.用基于邻域搜索的混合遗传算法求解该问题,该算法既具有遗传算法的全局搜索能力,又具有邻域搜索算法的局部搜索能力.在求解过程中,设计新的前置交叉算子进行遗传操作,然后进行互换和逆转等邻域操作.应用MATLAB语言编程进行模拟计算,结果表明该混合遗传算法明显增强了群体演化的质量,提高了算法收敛速度,较好地解决了早熟收敛问题.     

随机行驶时间车辆路径问题的模型与算法

车辆路径问题是现有物流管理系统中非常重要的一个方面,许多专家学者对此进行了深入研究.到目前为止,所有这些研究都是针对确定环境下的车辆路径问题或不确定车辆路径问题中具有模糊或随机需求的问题,尚未发现有对随机行驶时间的多类型车辆路径问题进行研究.针对随机信息条件下的多类型车辆路径问题进行了分析,运用不确定规划理论建立了该问题的优化模型,并利用遗传算法对问题进行求解.通过实验证明,该模型及算法对于多类型车辆路径问题具有一定的实用价值.     

�������·�������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。     

带回程的车辆运输路径优化及定价模型

本文针对物流企业在定价时存在的问题,研究了带回程车辆的运输路径优化及定价模型,采用改进的遗传算法求解,并给出算例,从而得到承运者的最低运价,以期为物流企业提供科学的决策依据。     

带硬时间窗的航空路径规划模型

针对物流快递行业,以牺牲部分成本来完全满足快递时效的要求,建立了基于硬时间窗的航空路径规划模型,采用并行遗传算法进行了求解.同时建立了相应的软时间窗模型,通过构造满意度函数,与硬时间窗的结果进行了对比分析,算例结果表明硬时间窗的规划路线虽然成本较高,但是更注重时效性的客户的满意度也高,这种规划方法更适于中端物流企业的特点与要求.     

有时间窗车辆路径问题的混合算法

提出了一种基于模拟退火算法（SA）和大规模邻域搜索（LNS）的混合算法,并采用PFIH算法构造较高质量的初始解,同时给出了一种调整客户时间窗的回归迭代策略,从而计算出每辆车的最佳出发时间,并证明这种策略可使每辆车的等待时间均为零。从试验结果可以看出,该算法用于求解VRPTW问题效果显著,计算速度较快;与其他算法相比,显示了其较强的实用性和可操作性,为解决VRPTW提供了一种有效的算法。     

带有能力约束的VRP的一种遗传算法

就商品配送中,带有能力约束的车辆路径问题(VRP),设计了一种新的遗传算法.该算法的核心在于构建一种新的染色体编码,将VRP问题转化为m个TSP问题,并设计出新的杂交算子.算法中染色体表示、评价函数的构造、杂交变异算子的设计经过实例计算的检验被证明较为可靠,算法运算速度快,容易获得有效解.