基于遗传算法的冷链物流配送路径优化研究

针对冷链配送时效性强的特性,对于不能满足客户特定时间窗的问题,选用带软时间窗的惩罚成本来约束配送企业,结合生鲜产品在途的冷藏费用随时间延长而上升的实际,建立冷链配送路径多目标优化模型,运用遗传算法对模型进行求解,研究满足客户时间窗条件下总配送成本最小的最优配送方案,并通过算例对模型及算法的有效性进行验证。     

时变路网下带硬时间窗的城市生鲜物流配送路径选择

综合考虑现实生活中城市道路交通的时变特性和生鲜物流的时效性,以最小使用车辆数和最少行程时间为优化目标,构建时变路网下带硬时间窗的生鲜物流配送路径选择模型,通过随机方法构造初始解,采用结合2-opt局部搜索机制的改进蚁群求解算法进行求解,并以扩展Solomon R104基础算例对模型和算法进行了验证。     

基于客户价值和满意度的城市冷链物流时变路径问题

针对车辆保有量日益增加和拥堵情况日趋严重而造成的城市冷链物流时效性不强、客户价值不高、顾客满意度降低等问题,综合考虑客户价值、客户满意度以及成本等因素,提出一种城市冷链物流时变路径优化方法.考虑到冷链配送过程中不同时段的道路拥堵问题,采用分段函数刻画车辆行驶速度,并同时考虑时间窗和车辆载重量等约束,建立了多目标数学模型...     

基于时间可靠性的城市物流配送系统优化策略

配送时间可靠性已经成为城市物流配送系统效率的关键影响因素。为了科学评价物流配送系统时间可靠性,在解析物流配送时间可靠性内涵特征的基础上,揭示了道路交通状态、配送时间窗、配送路径、城市物流配送需求的空间差异是决定城市物流配送时间可靠性的关键因素,并从物流配送路段、物流配送路径、物流配送网络3个层次建立了城市物流配送系统时间可靠性评估模型。最后,以配送时间可靠性最大化为目标提出了城市物流系统配送时间可靠性优化模型,并提出了城市物流配送优化对策,可为改善目前的城市物流配送时间可靠性提供借鉴。     

基于离散粒子群算法的协同车辆路径问题

考虑车场容量、不同车型车辆行驶最大里程等约束条件,建立以车辆配送总费用最小为目标的一类带时间窗协同车辆路径问题数学规划模型、即属于不同公司的配送中心共享车队、仓储等资源为客户协同配送货物,采用文献[1]中的自适应离散粒子群算法求解该问题并定义了其可能解的粒子的编码方式.最后,通过一个算例得出结论:同普通物流配送情形相比...     

多目标低碳车辆路径优化模型及求解算法

为有效降低物流配送过程产生的能耗和碳排放,控制配送成本,以传统带时间窗车辆路径问题为基础,研究低碳条件下的车辆路径问题.通过三角概率分布在合理速度区间内对车辆速度进行估算,综合考虑车辆行驶速度、载重量及运行里程构建碳排放计算模型,建立以系统总成本最低、车辆周转时间最小的多目标低碳车辆路径优化模型.将新兴多因子优化算法中协同进化和信息交互的思想应用于NSGA-II算法,提出增强型NSGA-II算法.算例结果表明,多目标优化模型可以更好地兼顾不同物流配送参与者的利益,更符合实际决策过程,所提出的ENSGA-II算法在经济成本上平均节省超过3%,在车辆周转时间上平均改进达到5.02%,表现出较好的求解性能.     

模糊环境下的多目标非满载车辆调度问题

针对现实物流配送过程中存在的时间参数模糊化问题,采用梯形模糊数表征时间参数,给出了一种具有模糊时间窗和模糊配送时间,以最小化配送车辆数、提前/滞后惩罚以及配送里程为目标的多目标非满载车辆调度问题模型.在问题求解方面,针对基本粒子群算法容易陷入局部最优的问题,引入利用混沌局部搜索策略,给出了一种基于混沌优化技术的混合粒子...     

结合交通特性的VRP新模型

通过考虑物流配送问题中会遇到的实际情况,结合交通特性,基于工作时间弹性约束、车载容量弹性约束、配送管理约束、交通道路的横向阻抗影响、交叉路口的交通管制等,提出了新函数模型.理论分析及对模型测试结果表明,新的函数模型有更高的精度,能够更好地反映实际问题.     

T企业物流配送信息平台需求分析与体系架构

物流配送信息化是企业物流配送发展的必然要求。本文首先介绍T企业物流配送的现状;分析了T企业物流配送信息平台的需求和平台架构的目标;构建了T企业物流配送信息平台的体系结构。实践证明,该平台整合了供应链资源,提高物流配送的营运水平,降低配送成本,缩短客户响应时间,提高企业的核心竞争力。     

具有模糊时间约束的城市配送多车型车辆调度问题

针对城市物流配送中广泛存在的有时间窗多车型问题,以及由于交通路况与人力因素导致的相关时间参数模糊化现象,以梯形模糊数表征时间参数,利用梯形模糊代数、有符号距离和区间数距离公式,构造出一种具有较高精度的提前/滞后惩罚函数,继而在此基础上给出了一种以最小化配送费用和客户时间窗提前/滞后惩罚为目标的具有模糊时间约束的多车型车...     

考虑碳排放的连锁零售企业配送路径优化研究

随着发展低碳经济成为共识,碳排放成本成为连锁零售企业营运过程中需考虑的众多成本之一。文中对连锁零售企业物流配送现状和流程进行分析,构建以包含车辆成本、碳排放成本在内的配送成本最小为目标函数的连锁零售企业配送路径优化模型,并选用节约法对其进行求解,得出解决考虑碳排放的连锁零售企业配送路径优化的较简便方法。     

考虑疫情影响的卡车无人机协同配送路径优化

在新型冠状病毒感染的肺炎（新冠肺炎）疫情蔓延的背景下，提出利用“卡车-无人机”协同配送新模式对疫情相对严重的地区进行物流配送，进一步研究该模式对疫情影响下物流配送的价值。考虑无人机最大飞行时间、载重以及道路条件等因素，将客户分为只能由卡车服务的客户、只能由无人机服务的客户以及卡车与无人机均能提供服务的客户3类，以车辆总服务时间最小为目标，建立车辆与无人机协同为客户提供配送服务的数学模型。设计嵌入简单启发式算法的混合邻域搜索算法，通过不同规模算例运算时间及多次运算解的波动性验证算法的有效性；通过对TSP算法、邻域搜索算子的不同组合的分析，找出最优的组合，进而对无人机最大飞行时间、无人机飞行速度载重影响因子进行了灵敏度分析。研究结果表明：计算结果验证了算法的有效性；TSP算法质量直接影响邻域搜索操作得到解的质量，可以通过高效TSP算法设计寻找更好的配送方案；无人机续航能力越强，目标函数就越小，无人机飞行速度载重影响因子越大，导致配送所需的服务时间越多，可以通过选用续航能力强、飞行速度受载重影响小的无人机提升配送服务效率。研究成果可以为城市发生重大灾难或特殊情况时，城市物流配送系统中无人机的应用提供指导和参考价值。     

地铁车辆关键系统可靠性分析及应用探讨

<正>随着城市化进程的加速,地铁系统在城市交通中的地位日益凸显,它不仅能够缓解地面交通压力,提高交通效率,还能为市民提供便捷、舒适的出行体验。本文通过综合应用系统可靠性理论、统计模型法及人工神经网络（ANN）,对地铁车辆关键系统的可靠性进行深入的分析。通过构建故障树、可靠性框图和进行失效模式与影响分析,确定了各主要系统的失效模式及其故障分布。进一步选取合适的ANN模型,     

可获知偶发拥堵持续时间的动态车辆路径问题

考虑真实交通路网,探讨了可获知偶发拥堵持续时间的动态车辆路径问题.在利用改进的Dijksta算法将路段行驶时间转化为客户点间最短行驶时间的基础上,根据常发拥堵信息,通过遗传算法安排车辆初始配送路径,根据实时获知的偶发拥堵因素影响下的路段行驶时间和其持续时间,以2-opt和insertion方法更新车辆配送路径,通过车载导航系统实时指导车辆行驶路线.数值试验表明,该方法可根据偶发拥堵信息更新车辆配送路线,以避开偶发拥堵影响路段,缩短总配送时间0.65~13.18 min;获知偶发拥堵持续时间帮助多节省了配送时间 -0.16~4.17 min.节省的时间随偶发拥堵因素对路网影响的加剧而更显著.     

基于物流信息平台的配送车辆导航系统设计

提出了基于物流信息平台的配送车辆导航的思想,弥补了现有车辆导航系统无法适应物流配送车辆特性的不足,较好地解决了物流配送车辆导航的问题;对基于物流信息平台的配送车辆导航系统的功能模块、总体结构进行设计,分析了其数据流程,并对配送车辆导航系统与物流信息平台之间的信息关联进行了分析,阐述了本系统的优势.     

基于遗传算法的3L-CVRP优化问题研究

为提高物流配送效率,降低配送成本,探讨了三维装箱约束下的车辆路径优化问题.在装箱问题与车辆路径优化问题研究现状的基础上,将三维装箱与车辆路径优化进行整合,考虑客户需求、货物装载顺序、车辆尺寸、车辆重心等约束,建立以路径最短、车辆装载容积利用率和载重率最大的多目标组合优化模型,引入权重系数体现决策者偏好并归一化目标函数.设计适用的染色体编码规则,确定遗传操作中选择、交叉、变异方法,选取目标函数为适应度函数,引入最优个体保存策略防止算法的过早收敛,提高算法的准确性,通过Matlab编程实现该优化模型的求解.案例数值试验表明,该模型与算法能够实现装箱与车辆路径的组合优化,算法运行时间为17s左右,相较于引导式局部搜索遗传算法减少了5 s,车辆总行驶里程缩短了7 km.     

基于公交IC卡数据的区域公交压力指数研究

公共交通系统在运行中产生的IC卡刷卡及车辆运行GPS数据为量化描述区域公交系统的压力提供了数据支持。基于公交系统在运行中产生的大量的GPS数据和IC卡刷卡数据,选取了包括满载率、停靠时间、单位时间内的进、出站量和地铁剩余运能等压力模型的评价指标,基于加权平均理论建立了地面公交及地铁压力指数模型;根据公交及地铁站点的等级及登降量因素提出了不同类型站点的权重系数阈值;取地面公交和地铁站压力均值建立了区域公交运行压力模型,并划分了压力分级体系。最后以北京市的国贸和东单区域为例进行了压力指数的计算,分析了两区域压力指数差异的时间及空间原因,并提取2个区域的实际公交登降量数据对压力指数进行了验证,证明该压力指数模型能够有效反映公交系统的运行压力。     

考虑车辆限行和装箱约束的车辆路径优化方法

在实际配送过程中,考虑到部分城市道路存在限制大型配送车辆通行的现状,以及运输途中车厢内物品满足后进先出等装载约束能有效提高装卸效率的特点,将车辆限行和二维装箱约束加入到需求可拆分车辆路径问题中。同时考虑到车辆的使用成本和行驶成本,以车辆总配送成本最小为目标构建考虑车辆限行和二维装箱约束的需求可拆分车辆路径问题数学模型,设计了启发式算法来求解该模型,其中模拟退火算法确定需求拆分下的车辆配送路径,且在当前最优解判断时调用BLF算法检验物品的二维装箱约束,来减少频繁调用BLF算法的时间。数值案例验证了模型和算法的实用性,且所提出的算法的求解结果波动不大于0.8%,能在合理的时间范围内求解得到较好的配送方案,在车辆限行区域内采用双车型配送能节省15.17%~31.27%的总配送成本。     

基于自动快递机的快递配送车辆路径优化研究

针对当前快递配送过程中由于时间和地点对接要求而导致投递效率不够高的问题,提出了基于自动快递机的快递配送新模式,根据新模式的特点,考虑配送车辆的装载能力、车辆经过客户需求点及其所属的快递机的行驶次序要求等约束条件,以执行配送任务的车辆数最少和配送车辆总的行驶里程最小为目标建立数学规划模型。根据问题的复杂程度和遗传算法求解该类问题的优势和不足,采用元胞遗传算法对模型进行求解。算例分析表明,该算法的寻优性能和效率优于普通遗传算法,能够更有效地解决大规模的基于自动快递机的快递车辆路径问题。     

需求变动下的冷链品配送路径规划

为探讨顾客需求变动下冷链品配送路径的规划与优化模型选择问题,首先以带时间窗的车辆路径问题模型为基础,构建了以配送总成本最小化为目标的冷链品配送模型;然后,通过节约算法进行配送路径的优化;最后,通过算例比较了运用随机性配送模型(考量顾客需求的变动)与确定性配送模型(使用给定需求期望值)所规划的优化路径及其差异.结果显示,当顾客需求波动幅度较大时,随机性模型规划优于确定性模型,当顾客需求波动幅度较小时,确定性模型规划优于随机性模型;此外,随着需求变动程度的增大,两种模型所得出的配送总成本都会相应增加,因此,最后提出了降低顾客需求不确定性的相关建议.