考虑碳排放的多式联运货运枢纽选址

为进行多式联运货运枢纽的合理选址,在考虑碳排放的前提下,引入运营收入、建成成本、运输成本、中转成本、碳排放等价成本,以利润最大化为目标建立货运枢纽选址模型。提出基于P-中值模型思想的求解算法,结合具体算例进行求解,分析各因素单独变化时对运输总收入的影响,结果与实际相符。该研究能促进多式联运降低成本、提高效益,并为货运枢纽规划选址提供参考。     

考虑环境税的邮政快递企业多式联运路径优化问题

为减缓运输过程中碳排放较多带来的环境问题,研究在考虑环境税条件下,邮政快递企业在货物运输过程中利用多式联运进行路径优化的问题。基于轴辐式运输网络构建运输费用模型,通过调整目标函数中的环境税税率,改变环境税在运输总费用中的占比。采用改进的A*算法并通过实际算例验证模型,得到不同时间成本及环境税税率下的路径规划结果,并提供对应决策。算例分析显示,时间成本系数为5 000,环境税占比分别为低于32%, 32%~78%以及78%以上时,最优方案分别为仅公路运输、公水联运及公铁联运。这表明单一运输方式适用于时效性要求较低的运输作业,对于时效性要求较高的运输作业,多式联运不仅可提高运输效率,且能降低运输成本。     

不确定条件下公铁水多式联运多目标路径优化研究

多式联运运输的时效性和成本在现代物流的发展中是不可忽视的因素。针对公铁水多式联运的运输目标，主要研究了当运输时间、中转时间双重不确定因素服从随机分布时的绿色多式联运路径优化问题。构建以运输时间、碳排放、运输成本为目标函数，碳排放量为约束，建立运输时间、中转时间双重不确定条件下绿色多式联运路径多目标优化模型。并据此采用模糊自适应遗传算法（FAGA）和快速非支配排序遗传算法（NSGA-Ⅱ）设计多式联运路径优化策略；最后采用从南昌到柏林的路径数据仿真验证所提方法的有效性并对结果进行对比分析。研究发现基于NSGA-Ⅱ算法的多目标优化结果较优，可以引导多式联运经营人调整运输方案，减少二氧化碳的排放量，为物流企业开展多式联运运输提供可供参考的依据。     

多式联运网络中的托盘共用调度方法

为解决多式联运网络中的托盘共用调度决策难题,采用非线性规划、混合整数规划和改进粒子群算法（particle swarm optimization,PSO）等方法优化了托盘共用系统,研究了在管理者可以选择水路、公路和铁路3种运输模式运输托盘时,管理者应采取的调度方法. 首先分析了多式联运网络中的托盘共用调度流程;其次构建了多式联运网络中的托盘共用调度混合整数非线性规划模型,模型中考虑了转运时间、转运成本、作业批量、托盘毁坏率、时间约束等因素;然后设计了带惯性因子的粒子群算法 （PSO with inertia weigh,IPSO） 和带压缩因子的粒子群算法 （PSO with constriction factor,CPSO）;最后通过实验分析验证了模型和算法的有效性. 研究结果表明:较单一的公路运输,采用多式联运网络中的托盘共用调度模型总成本降低了69.1%;与CPSO相比,IPSO得到的调度总成本降低了1.82%;客户的期望满足时间越宽松时,采用多式联运的方式调度托盘越能节约调度成本;多式联运所耗费的转运时间和转运成本直接影响托盘共用调度决策.      

��ʽ�������䷽��ѡ��Ľ����ط���

为了深入研究多式联运运输方案优化问题,将问题抽象成为组合优化问题,并将交叉熵方法应用于多式联运问题的研究.探讨综合运输的背景下,寻求运输成本、转运费用等最小化的运输方案,提出了针对多式联运运输方案选择问题的交叉熵算法,并给出了计算步骤和相应的计算方法.在计算过程中,为了验证本文提出算法的有效性,采用节点扩展的网络图描述多式联运网络,进而转化为最短路问题进行求解.结果表明,运输成本、转运费用对运输方案起到关键作用,并且提出的交叉熵算法能够很快收敛.     

整车物流运输多式联运与路径优化研究

运输成本在整车物流成本中占比最大,合理的运输路线规划是降低整车物流成本中运输成本的关键。针对整车物流远距离商品车运输中物流成本过高的问题,本文从路线优化方面入手,选择合适的运输方式,以成本最小化为原则,在满足时间约束条件下,确定多式联运方案。该方案结合各种运输方式优势,有效利用资源,提高了设备使用率。通过采用多式联运路线优化方案,能降低整车物流的成本,为多式联运与路径的优化提供决策支持。     

混合不确定条件下绿色多式联运路径优化

主要研究了当运输时间、中转时间、客户需求和中转集拼货运量四重混合不确定因素服从随机分布时的绿色多式联运路径优化问题,运用随机优化理论,以运输成本、碳排放成本和时间惩罚成本为目标,建立混合不确定条件下绿色多式联运路径优化模型.通过对各子目标函数权重进行赋值,得出考虑不同成本因素的多式联运路径优化方案.探讨时间、需求和网络服务能力对多式联运路径优化结果的灵敏度分析,发现各成本随时间变动而变化的规律和边际运输成本最小时的服务时间;当货运量形成规模效应后可降低边际运输成本;不同网络服务规模的运输路径优化结果,以及满足客户不确定需求的最小网络配置.     

冷链物流多式联运路径选择优化研究

为降低冷链食品（CCF）在运输过程中的总成本,提高客户满意度,采用多式联运对冷链食品进行物流配送。先基于多式联运网络、总成本最小化和客户满意度最大化,构建路径选择模型;再采用改进粒子群优化算法（IPSO）对模型进行求解;最后,利用实际案例进行模型验证和敏感性分析。研究结果表明：与公路单式联运相比,多式联运的运输成本降低了13.4%,总成本降低了2.4%,时间满意度提高了3.3%,总满意度提高了0.6%。通过提升铁路运输速度,可有效地降低运输总成本,提高客户满意度。     

考虑多重时间窗的低碳多式联运路径优化模型

多式联运具有参与对象多、运作环节复杂等特点。在经济性、时效性背景下,以中转节点硬时间窗及运输任务限制软时间窗为约束,将运输成本、碳排放成本和转运成本综合费用最小作为目标,建立带有时间惩罚约束的线性整数规划模型,并设计基于蒙特卡洛抽样自适应遗传算法,进行模型有效性的验证。结果表明：对于权重侧重点的不同,从而影响多式联运对运输路径和运输模式的决策,其中时间不确定性对总成本的影响是显著的,表现出正向作用的趋势。考虑多重时间窗更加符合实际,为制定并优化多式联运方案提供决策支持。     

混合不确定条件下绿色多式联运路径优化

主要研究了当运输时间、中转时间、客户需求和中转集拼货运量四重混合不确定因素服从随机分布时的绿色多式联运路径优化问题，运用随机优化理论，以运输成本、碳排放成本和时间惩罚成本为目标，建立混合不确定条件下绿色多式联运路径优化模型.通过对各子目标函数权重进行赋值，得出考虑不同成本因素的多式联运路径优化方案.探讨时间、需求和网络服务能力对多式联运路径优化结果的灵敏度分析，发现各成本随时间变动而变化的规律和边际运输成本最小时的服务时间；当货运量形成规模效应后可降低边际运输成本；不同网络服务规模的运输路径优化结果，以及满足客户不确定需求的最小网络配置.     

基于货物时间价值的空铁联运转运枢纽选址优化

高效合理的联运网络是空铁联运快递服务产品创新的重要支撑。本文在考虑货物时间价值的基础上,以空铁联运转运枢纽的位置以及运输方式选择为决策变量,构建以综合成本最低为目标的空铁联运转运枢纽选址模型,并设计变邻域遗传算法进行模型求解。以截至2019年开通高铁并设有机场的200个地级城市为例,采用复杂网络和优劣解距离法结合的方法选取空铁联运转运枢纽的备选城市,验证模型和算法的实用性及有效性。结果表明,运输时间限制和折扣系数是影响空铁联运网络综合成本的重要因素。随着运输时间限制的增加以及折扣系数的降低,空铁联运网络综合成本分别降低了15%和11%。空铁联运转运枢纽的空间布局主要受运输时间限制的影响。运输时间限制较低时,空铁联运转运枢纽布局以东北地区和西部地区为主,以提高快递运输的时效性。运输时间限制较高时,空铁联运转运枢纽布局向中东部地区转移,为经济服务趋势明显。空铁联运网络最优枢纽数量则受运输时间限制和折扣系数的综合影响,但运输时间限制对于最优枢纽数量的影响更为显著。合理布局空铁联运转运枢纽和提升空铁联运规模效益是提高空铁联运服务时效性和竞争力的重要途径。     

需求不确定的枢纽辐射式航线网络设计

为了使枢纽辐射式航线网络能够适应不确定的交通需求, 分析了航空运输需求不确定的影响因素及长短距离交通需求分布特性, 提出需求不确定有容量限制的枢纽辐射式航线网络设计模型, 并将其转化为机会约束规划模型, 采用基于随机模拟的遗传算法对模型进行求解。以包含15个城市的中国航线网络规划为例, 进行了需求不确定情况下的枢纽辐射式航线网络设计。研究结果表明: 在合理的枢纽数量范围内, 需求确定与不确定的枢纽辐射式航线网络选址结果基本相同, 但与长距离交通出行相比, 短距离路径选择变化较大; 需求不确定的枢纽辐射式网络最小运输成本较低, 并更能真实地反映网络性能。     

两个轴辐式网络协同建设的多层编码遗传算法

为了降低物流网络的建设成本投入,充分利用物流资源,提出轴辐式网络间的协同建设.同时建设两个轴辐式物流网络,一个轴辐式网络为自己网络中的每一个枢纽从另一个轴辐式网络中选择一组协作枢纽,两个网络可以共同使用协作枢纽.目标是使两个轴辐式网络的建设成本和它们之间的协作成本总和最小.首先,运用混合整数规划模型描述所研究的问题;其次,根据问题的复杂度,设计了多层编码的遗传算法来解决问题,一条染色体分别表示了两个轴辐式网络;最后,在算例中进行了参数敏感性分析,分析参数对各部分成本和物流网络结构及协作枢纽的影响.分析结果表明:在两个网络的协同建设中,一个网络中转移到另一个网络的流量大小对两个网络各自的网络结构和构建成本具有显著的影响;协同建设能够同时系统化地优化两个轴辐式网络,降低成本,整合物流资源.     

运输需求与成本不确定下的枢纽港选择

针对轴辐式网络中的枢纽港选择问题，在集装箱航运网络中，考虑运输需求与成本的不确定，根据数据变化规律，构建多个模型. 根据轴辐式网络的运输环节，使用成本函数表征枢纽港间运输成本，构建枢纽港选择的确定性模型；基于此，针对航运需求的离散特性，构建需求不确定的随机模型进行枢纽港选择；基于运输成本难以预测的特点，结合实际数据，使用极小极大值法构建成本不确定的枢纽港选择模型；然后，结合两者构建运输需求与运输成本同时不确定的枢纽港选择模型. 采用欧洲集装箱运输网络实际数据对模型进行验证，求解各因素不确定下枢纽港选择的最优方案，并针对结果进行对比分析，为班轮公司优化航线提供参考.     

混合式航空货运网络优化

为了优化具有点-点式与轴-辐式混合特征的航空货运网络, 基于航空货运企业的OD流量, 构建了双层优化模型。上层模型以货运企业总运输成本最小为目标, 优化航空货运网络结构与配置运力, 下层模型计算均衡状态下各航段上的货物流量。选取顺丰航空服务的14个城市的相关数据对双层优化模型进行验证, 以设置4个枢纽机场为前提, 分别对使用4、5、6架全货机的货运情况进行分析。分析结果表明: 3种情况下北京、上海、南京、深圳4个机场均被设置为枢纽机场; 当使用4架全货机时, 全货机分别被安排在北京-南京、北京-深圳、上海-深圳、南京-深圳的航段上, 4个枢纽机场的快件中转率分别为24.3%、24.2%、47.8%、14.9%, 南京机场的快件中转率最大, 深圳机场最小; 当使用5架全货机时, 第5架全货机被安排在北京-上海航段上, 其余4架全货机的航段没有变化, 4个枢纽机场的快件中转率分别为38.6%、50.9%、44.3%、11.9%, 上海机场的快件中转率最大, 深圳机场最小; 当使用6架全货机时, 各枢纽机场间的航段上都有全货机, 4个枢纽机场的快件中转率分别为38.5%、74.0%、79.5%、10.2%, 南京机场的最大, 深圳机场的最小。可见, 南京是典型的中转型枢纽城市, 而深圳是典型的腹地型枢纽城市; 货运需求大的城市的机场易被确定为枢纽机场; 枢纽机场与非枢纽机场都可能中转货物; 距离较近的2个机场可能会同时被确定为枢纽机场。     

内外贸同船运输下长江经济带穿梭巴士网络优化

为研究内外贸同船运输政策对航运企业布局长江经济带穿梭巴士网络的影响,本文允许同一船舶同时运输内贸集装箱和外贸集装箱,以总运输成本最小化为目标,考虑服务频率、多航次、时间窗、载重量等约束,构建基于轴辐式的长江经济带集装箱穿梭巴士网络优化模型。针对该模型,本文设计了包含5种破坏算子和2种修复算子的自适应大邻域算法求解模型,并选取上海和长江干线19个港口间的内贸集装箱运输和外贸集装箱运输进行实证分析。研究结果表明：实施内外贸同船政策可节约23.6%的总运输成本,提升平均舱位利用率至87%。该政策改变了原有穿梭巴士的网络结构,直达航次比例增加17%,加快了穿梭巴士的周转。同时,相比于设置1个枢纽港,长江经济带下游将南京港和太仓港共同设置为枢纽港更有利于中上游内外贸集装箱的中转,可节约6%～17%的总运输成本。     

An Effective Hybrid Heuristic Algorithm for the Hub Location Problems of Small-Scale Uncapacitated Hub-and-Spoke Network

The key factors for designing a successful hub-and-spoke network are to determine the optimal number of hubs, to properly locate hubs, and to allocate the non-hubs to the hubs.This paper proposed a hybrid heuristic based on genetic algorithm (GA) to resolve the uncapacitated single allocation hub location problem with fixed cost (USAHLPFC), according to the upper bound of the ratio of the number of hubs to the number of nodes.Computational experiments were conducted using the Civil Aeronautics Board (CAB) data set.Results indicate that, applying the proposed heuristic, one can obtain the optimal solutions for all small-scaled problems very efficiently.A comparison between the proposed hybrid heuristic method and the GA presented by Topcuoglu et al.shows that the former outperforms the latter when the discount factor α is less.     

考虑个性化出行需求的多模式公交路径规划

在多模式公交出行中,传统的路径规划方案已无法满足出行者日益增长的出行需求. 为提供基于出行者多种出行需求的个性化路径规划方案,通过IC卡刷卡数据模拟公交时刻表,建立基于模拟时刻表的多模式公交路网模型;采用动态阈值化法建立个性化出行需求评价值模型;设计深度优先搜索-遗传算法（depth first search-genetic algorithm,GA-DFS）,并基于此组合算法提出初始种群产生策略和两点变异方法;最后,假设了3种不同出行需求的出行场景,将某市区的多模式公交路网数据应用于模型和求解算法中,并与使用较广的模拟退火-遗传算法（simulated annealing-genetic algorithm,GA-SA）进行对比分析. 仿真结果表明:所提出的算法与模拟退火-遗传算法相比,平均迭代次数减少了42%,寻优能力提高了50%,并且可以提供基于乘客多种出行需求的路径规划方案.