考虑碳交易的果蔬品供应链网络优化

基于供应链网络,分析了碳交易政策对果蔬品供应链总成本的影响,构建包括生产成本、运输成本、储存成本、腐败成本和碳交易成本在内的供应链成本函数。以最小化供应链成本和碳排放量为目标,建立多目标整数规划模型;针对总成本最低的均衡优化模型,采用粒子群算法进行求解,并对碳交易价格、车容量、单位耗油量等参数进行敏感性分析;算例验证了供应链网络模型和求解算法的可行性。实验结果显示:增加较少的成本能大幅度降低碳排放量,实现经济和环境的协调发展。     

面向大规模定制的供应链延迟策略模型

为了有效地发挥供应链的整体效率、为制造商提供最优的生产策略,考虑大规模定制环境下供应链延迟制造活动的特点,以及顾客的个性化需求和等待时间,研究通用化阶段和定制化阶段的成本关系,利用排队论建立了以制造商总成本最小为目标的供应链延迟策略模型.通过模型确立大规模定制生产方式下制造商生产过程的各项成本与通用件比例、通用件库存之间的关系,并采用启发式算法确定最优供应商生产通用件的比例和通用件的库存水平,以求得较小的制造商总成本,为制造商确定生产方式提供有效的决策手段.算例结果表明:库存水平不同,最优通用件比例也不同,通用件比例取值范围为0.45 ～0.65;在库存水平和最优通用件比例分别为19件和0.60时,制造商成本最小值为155.857元.     

基于蚁群算法的冷链物流路径优化研究

在实际生活中,如何选择最优的物流配送路线是物流车辆调度系统中的重要问题之一.针对物流配送路径优化问题,依据冷链物流配送基础理论,考虑成本、货物损失及制冷时长等因素,构建基于多配送中心的最小配送成本模型,建立由运输成本、制冷成本、损坏成本及绿色低碳成本组成的复合目标模型.利用蚁群算法求解,以某类冷链物流企业为例,通过MATLAB软件进行仿真实验,验证模型和算法的科学性及有效性,得出最短运输距离为39.06 km、成本为1437.48元的结论.相对于搜索禁忌算法和遗传算法,蚁群算法在多配送中心冷链物流路径优化方面,能够平均减少1.11 km的运输距离和51.21元成本,更好地解决物流路径优化问题,提高物流服务质量.     

缓解交通拥挤的多目标优化模型和算法研究

多路径选择下,机动车分布不均衡造成了交通资源利用不合理的情况.合理征收的拥挤费可以达到个人和社会总成本最优、交通分配合理的目的.使用合理的路阻函数,提出了多路径选择下个人成本总量与社会总成本最优的多目标优化模型,并给出求解方法.算例分析不同拥挤费对交通量分配的影响,结果表明,所提模型比UE模型优越,可以控制社会总成本和个人成本总量更加平衡,能够兼顾各方利益、合理确定拥挤费率.     

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.      

铁路物流中心规模设计优化模型研究

构建了铁路物流中心规模设计优化的双层规划模型.上层规划考虑了铁路运输成本、公路运输成本及建设成本,使系统总成本最小;下层规划使用变分不等式模型描述用户选择铁路物流中心的均衡态.采用EDO算法进行求解.算例验证了模型及算法的可行性与有效性.     

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。     

面向高生产率低成本的镗削切削用量多目标优化

切削用量的合理选择对提高镗床生产率、降低成本有很大影响,在考虑机床和切削参数的约束下,建立了面向高生产率低成本的镗削参数多目标优化模型.在模型优化部分选取改进NSGA-Ⅱ算法,获得帕累托优化解集,最后应用模糊物元法对解集进行评价分析,得到最优解.结果显示:参数优化后生产率相较于低成本优化提高12.9％,总成本相较于高生...     

考虑广义社会成本的ETC车道数确定模型

在取消省界收费站及加快推进ETC应用服务的背景下,从收费站经营者成本、使用者成本以及外部社会成本等角度出发,结合排队论,考虑服务能力及车道总数限制,建立了以系统总成本最小为目标的ETC车道数确定模型.提出一种自然数编码的遗传算法用于模型求解.以广州市机场高速收费站为例,研究了两种不同ETC渗透率下的最优车道配置方案.此...     

基于Benders分解的多方式物流运输网络优化模型

基于Benders分解,对多种交通方式下的物流运输网络优化模型的求解算法进行了研究。首先,以一个典型的物流运输网络优化模型求解为例,分析了Benders分解算法及其实现要点以及可能存在的问题,并提出相应的解决方法。然后在此基础上,通过引入不同交通方式的排放因子和各种排放物的排放成本,建立了多种交通方式下的物流运输网络优化模型。模型的目标函数为考虑运输排放的总成本最小,约束条件包括交通方式能力的限制等等,同时描述了基于Benders分解算法进行模型求解的主问题和子问题。最后,通过一个算例,对模型及其算法的效率和效果进行比较分析,说明模型和算法的可行性和有效性。     

不确定环境下多式联运路径多目标优化

针对不确定环境下的多式联运网络,考虑转运成本、时间及运输方式班期等影响因素,构建运输总成本最小和运输总时间最小的双目标优化模型.通过蒙特卡洛方法处理网络中的不确定性,设计结合非支配排序的多目标蚁群算法求解Pareto解.为解决基本蚁群算法收敛过慢、过早收敛带来的求解质量低等问题,在状态转移策略中加入方向启发因子,在信息素更新策略引入"最大-最小蚂蚁系统",从而提高解的质量.最后通过算例检验改进蚁群算法的优化效率,并为决策人提供5个充分满足其对不同目标要求的决策路径.     

城际零担货运平台车辆路径问题研究

在考虑城际零担货运平台现有各种不同补贴方案的基础上，以平台补贴成本、车辆使用成本及燃油成本之和最小为目标函数，建立考虑车-货匹配、车辆三维装载等约束条件的车辆路径优化模型。设计一种混合量子粒子群优化算法，计算货物匹配方案、车辆路径、货物装卸顺序、货物装载位置以及平台补贴最优决策方案。实验结果表明：改进的量子粒子群算法得到的小规模算例优化解与CPLEX优化软件得到的最优解偏差为3.31%；改进的量子粒子群算法通过在求解最佳中间位置时引入适应度函数值作为权重，求解的大规模算例结果比传统量子粒子群算法提高了0.91%；通过分析最优解的特点，将改进的量子粒子群算法与启发式算法相结合，算法的求解 质量提高了4.05%；通过补贴模式对比实验发现，在合理规划周期内，货主时长补贴和空载补贴的增长在维持总成本基本不变的情况下，可有效提升平台利润，提高车辆利用率。     

不确定环境下多式联运路径多目标优化

针对不确定环境下的多式联运网络,考虑转运成本、时间及运输方式班期等影响因素,构建运输总成本最小和运输总时间最小的双目标优化模型.通过蒙特卡洛方法处理网络中的不确定性,设计结合非支配排序的多目标蚁群算法求解Pareto解.为解决基本蚁群算法收敛过慢、过早收敛带来的求解质量低等问题,在状态转移策略中加入方向启发因子,在信息素更新策略引入"最大-最小蚂蚁系统",从而提高解的质量.最后通过算例检验改进蚁群算法的优化效率,并为决策人提供5个充分满足其对不同目标要求的决策路径.     

基于双层规划模型的出租车基础费率研究

出租车是城市客运交通中最为活跃的方式之一,制定与城市经济发展相适应的出租车运价,可直接作用于居民的交通出行成本,从而影响出行者的选择行为,达到平衡交通方式和出行时空的目的。基础费率作为出租车运价制定的基础和依据,确定一种合理的出租车基础费率模型具有重要的实际意义。以多方式城市交通路网为研究基础,建立双层规划模型来研究城市客运出租车基础费率问题,上层目标为交通系统的总成本最小,下层为多方式交通网络平衡模型。采用遗传算法与MSA迭代加权法的混合算法对模型进行求解。为验证模型的适用性,构建了简单路网进行算例分析。结果表明:基于系统总成本最小,该模型可求得较为合理的出租车最优基础费率,且系统内各交通方式的分担率也较为合理。在政府指导出租车定价的过程中,可根据出租车基础费率与运价体系的关系,设计最优的出租车定价方案,从而达到降低社会总成本的目的。     

放射式轨道路网的系统出行成本研究

探讨放射式轨道路网下的系统出行成本，能够为评价轨道交通服务水平、确定合理的线路数量和运营参数提供理论支持。基于研究区域人口密度服从Clark 分布，建立了系统出行成本模型。模型将乘客在步行时间、车站等待时间和车上等待时间换算为费用作为系统出行成本的一部分，结合运营商的运营和维护成本得到系统人均出行总成本。以成都市为例，通过模型分析确定最优发车频率为13 veh/h、轨道线路数为5条，较符合实际情况，验证了模型的有效性。     

基于江海直达运输模式和投资约束的长江干散货运优化模型

引入了江海直达运输模式和投资约束的概念,对已有的长江干散货运输网络进行优化,并比较了江海直达与江海联运2种运输模式的特点。根据中国内河航运成熟性市场的特质和航运企业滚动规划的经营特征,以最小运营成本与最小船舶投资成本为目标函数,建立了集成处理运输模式选择、航线配船和船型更新的模型。简化了模型的时间维度,设计了基于背包问题的拉格朗日松弛算法,并应用A集团数据求解模型。分析结果表明:当以现行模式的航运总成本为基准点,在引入江海联运模式后,航运总成本可下降2%左右;在引入江海直达运输模式后,航运总成本的最大下降幅度超过8%,但财务风险会增大;当资金成本率为7%且不考虑投资约束时,成本节约效应可提高16.2%,但投资净预算将会上升60.1%。从最优航线配置可以看出,在不同航线上,江海直达与江海联运2种运输模式应协同使用。     

基于港口配对分解的集装箱空箱调运模型

考虑配对分解的多港口之间空箱调运,即把整个港口系统分解成多个以两个港口为一组的港口子系统,空箱调运只发生在绑定的两个港口之间,在多阶段期望总成本最优情况下确定整个港口系统的最优空箱调运策略。首先分别在每个阶段每个港口都发生空箱需求和最多一个港口发生空箱需求的不同港口系统下,建立多港口之间的最优空箱调运模型,然后推导出对应的配对分解调运模型,最后通过具体算例验证配对分解调运模型的有效性,并运用蒙特卡洛多重积分法比较在不同空箱租赁成本、调运成本、储存成本、需求波动下配对分解调运模式与其他调运模式的优劣,得出在一定的参数范围内配对分解调运模式要优于其他调运模式。     

基于改进遗传算法并考虑尾气排放的公交组合调度

为在提升公交运行效率和服务水平的同时减小其对环境的负面影响,针对公交单线路单向客流差异较大以及双向客流不均衡的现象,建立以乘客时间总成本、公交车运行总成本与尾气排放成本之和最小为目标的跳站与区间车组合调度模型。考虑公交停靠方案与发车频率在优化过程中的重要性差异,提出一种概率随迭代次数变化的动态概率遗传算法,对最佳停靠方案与发车频率进行求解。通过算例分析得出:该公交组合调度方案的总成本比单一全程车调度方案节省4.49%,虽然乘客时间总成本上升了5.04%,但公交运行总成本下降了7.12%,尾气排放成本下降了8.22%;提出的动态概率遗传算法的求解时间小于2min,表明此算法适用于求解有明显主次影响关系的多要素优化问题。     

基于蚁群算法优化的EPS系统PID控制

汽车电动助力转向系统是一个非线性时变的复杂系统,在对它进行控制时,单独采用常规PID控制难以达到平稳准确的效果,在此加入蚁群算法(ACO)对其进行优化而得到稳定的最优参数解.根据车辆动力学关系,建立了两自由度整车模型、电动助力转向系统模型以及带有蚁群算法优化的PID控制器模型.通过Matlab,对该模型进行仿真分析.仿真结果表明,蚁群算法和PID控制的结合,使系统控制更精确、运行更加平稳.     

基于改进蚁群和免疫算法融合的多配送中心路径优化

随着物流行业的快速发展,货物运输需求和仓储需求也在不断增加。在构建物流网络的同时,需考虑车辆路径的配送中心选址问题,而现实中这两个问题是互相影响的。因此,本文建立了以免疫算法为框架,以蚁群算法为核心的综合算法模型。模型第一阶段改进了蚁群算法的禁忌搜索,并融合免疫算法;第二阶段设计了免疫-蚁群算法来求解车辆路径和配送中心选址的相互影响关系,并结合算例数据给出全局最优成本。算例结果表明,该综合算法模型明显优于传统免疫选址-蚁群寻优算法,可节约49.5%的总成本,验证了算法的可行性和有效性。