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.     

动态行驶时间取送一体化车辆路径问题

为优化真实路网下的车辆配送路径,采用优化 + 调整的两阶段求解方法. 在优化阶段,根据常发拥堵信息,采用遗传算法求解时变取送一体化车辆路径,安排车辆初始配送路径. 在调整阶段,以路段行驶时间为时间间隔,采用滚动更新策略调整车辆配送路线躲避偶发拥堵. 在针对车辆路径调整问题构建了一系列混合整数规划模型的基础上,设计了2-opt + insertion启发式算法求解模型,并结合Dijkstra算法求解到的客户点间最短行驶路线,将车辆配送路径转化成了真实路网中的车辆配送路线. 数值实验测试结果表明:滚动更新策略中,以路段行驶时间为时间间隔比以客户间行驶时间为时间间隔减少车辆行驶时间0.24～11.95 min;以路段行驶时间为时间间隔比以24 min为时间间隔减少车辆行驶时间0.08～8.06 min,比以6 min为时间间隔减少更新次数10.02～34.59次,因此,固定时间滚动更新策略中的最优时间间隔难以确定,其实用性较差. 2-opt + insertion启发式算法求解速度是遗传算法的4倍.      

有行驶里程限制的满载车辆调度问题

应用网络模型,对有行驶里程限制的多车场满载车辆的调度问题进行了探讨.将行驶里程限制约束转化为目标约束,建立了该约束条件下的路径选择模型;设计了基于自然数编码求解该问题的遗传算法,并用实例进行了验证.结果表明,该方法能有效地解决有行驶里程限制的满载车辆调度问题.     

动态交通下车辆路径选择模型及算法

为优化动态交通下物流配送成本及服务水平, 依据交通流量将运输时间分为不同时段的不同分布, 建立了具有时间窗约束与物流成本最小的车辆路径混合整数非线性模型, 设计了自然数插值编码的遗传算法对模型进行求解, 对不同交通状况下配送方案选择进行了仿真比较。仿真结果显示遗传算法是收敛的, 依据交通状况选择相应的配送方案, 不仅物流成本降低了2%, 而且服务水平也提高了5%。     

带时间窗的动态车辆路径问题的局部搜索算法

为有效求解带时间窗的动态车辆路径问题, 建立了该问题的数学模型, 通过计划周期分片, 将动态问题转换为一系列的静态子问题, 采用插入法构造初始解, 并将重定位法、节点交换法和2-opt*法3种线路间局部搜索方法, 以及2-opt法和Or-opt法2种线路内局部搜索方法的不同组合应用于初始解的改进, 分析了客户出现时间、地理位置分布与不同客户时间窗范围对线路选择的影响, 比较了标准算例的求解结果。结果表明: 在线路间进行局部搜索时, 重定位法的效果最好, 2-opt*法次之, 节点交换法的最差; 在线路内进行局部搜索时, 2-opt法优于Or-opt法; 当客户请求出现时间越早, 客户比较集中, 客户时间窗较宽的情况下, 使用的车辆数量较少, 整个线路的行驶距离较短, 客户延迟时间也较短。     

基于车辆行驶时间和配置车辆数的BRT站间距优化模型研究

本文从分析影响站间距设置的因素入手,从运营者和乘客的角度出发,建立了基于车辆行驶时间和配置车辆数的站间距优化模型。最后通过具体实例,验证了模型的合理性和适用性。     

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．     

基于蚁群算法的车辆调度问题

根据蚁群算法的基本原理和数学模型算法,对实际配送问题进行分析,给出解决方案。选用matlab软件对实例进行仿真,仿真出无返回式的配送最短路径;将最短路径进行分区域优化,实现由路况信息和实际需要调配多辆车配送的动态问题。     

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。     

物流配送车辆调度研究的回顾与展望

物流配送车辆调度是在物流企业运营中起着重要的作用,也一直是国内外研究的热点。本文首先简介了车辆调度问题,然后从研究的算法和研究的模型两方面较详细的论述了国内外有关车辆调度问题的研究现状,总结了研究中存在的问题,最后结合我国物流配送的特点,提出了物流配送车辆调度理论应该的研究方向。     

车辆行驶速度与道路情况的判断

车辆行驶速度不同，对驾驶人判断情况的要求也不同。以一般道路为例，车辆以40公里／小时的速度行驶时，即：每秒行驶11米，制动距离9米（干燥水泥路），驾驶人具有行驶速度慢、判断情况时间长、车辆制动距离短、容易处理险情等优势；车辆以80公里／小时行驶时，即：每秒行驶22米，车辆制动距离32米（干燥水泥路），在一定的时间里，车辆行驶距离增加，道路上出现的行人等情况也会随之增多，驾驶人对这些情况的判断就会感到时间紧迫，需要做出快速判断。[第一段]     

时间依赖型绿色车辆路径问题研究

城市配送系统中考虑交通拥堵和环境污染车辆路径问题的时间依赖性体现在：不同道路 拥堵程度下车辆运行速度不同,则不同出发时间对应的运输总时间也不同,导致运输成本和造成 的环境污染也有较大差异。因此,本文提出一个时间依赖型绿色车辆路径模型,通过优化运输路 径和出发时间降低运输成本、减少环境污染。模型的目标函数最小化包括油耗成本在内的运输 总成本,其中,车辆油耗的度量基于综合模式排放模型,其创新之处在于,定义了允许车辆在节点 处等待的情形,使车辆选择合适的时间出发以规避拥堵,即通过优化车辆路径以及路径上各节点 处的出发时间寻求成本最优的运输方案。本文提出嵌套遗传算法求解模型,外层遗传算法优化 路径,内层遗传算法优化路径上各节点处的车辆出发时间。并通过响应面分析法(RSM)调试算法 关键参数,得到适用于模型的最佳参数搭配,算法性能测试结果表明了本文算法的高效性。本文 基于污染-路径问题实验数据库进行数值实验,结果证明,允许车辆在客户处等待并选择合适时 间出发,可以在一定程度上降低燃油消耗和总成本。此外,目标函数中引入油耗要素,可以有效 降低决策方案的燃油消耗,减少环境污染。     

有时间窗配送车辆调度问题的禁忌搜索算法

在对有时间窗配送车辆调度问题进行描述的基础上，建立了该问题的基于直观描述的数学模型．通过设计一种新的解的表示方法构造了求解该问题的禁忌搜索算法，并以21个节点的运输网络为例进行了实验计算．计算结果表明，用作者设计的禁忌搜索算法求解有时间窗配送车辆调度问题，不仅可以取得很好的计算结果，而且算法的计算效率较高，收敛速度较快，计算结果也较稳定。     

高速公路车辆安全行驶速度仿真识别系统

对高速公路合理限速值的确定方法进行了研究, 以多体动力学仿真软件ADAMS为平台, 建立了车辆模型、道路模型、车-路耦合模型、车辆行驶过程仿真试验模块和车辆安全状态识别模块, 并开发了高速公路车-路条件下安全速度仿真识别系统。运用该系统对车辆在弯道与下坡路段的行驶状况进行了虚拟仿真分析。试验结果表明: 车辆在弯道与下坡路段的安全行驶极限速度仿真结果与标准标定的运行速度的相对误差为1.05%~3.80%, 该仿真识别系统可行。     

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.     

求解软硬时间窗共存配送路径问题的改进遗传算法

探讨用于求解软硬时间窗共存情况下的车辆路径问题的改进遗传算法。对基本遗传算法的交叉、变异操作的交叉概率和变异概率进行改进,使之更加具有自适应性,能根据种群染色体的优劣程度自动进行调整。通过算例证明改进的算法比原算法在计算软硬时间窗共存配送路径问题上更具有效性。     

基于模糊预约时间窗的车辆调度问题研究

运输管理是整个物流管理中最重要的部分,车辆管理是运输管理的实现形式;详细介绍了符合物流要求的定位一运输路线安排问题（LRP）的含义、分类和模型建立的过程,在改进C-W算法的基础上,运用模糊预约时间窗,求解车辆调度问题（VSP）。通过实例验证与原结果比较发现,引用模糊预约时间函数不仅可以节省运力资源,而且有利于提高物流企业的服务水平。     

带时间窗车辆调度问题的蚁群算法

为求解带时间窗约束的配送中心车辆调度问题, 运用蚁群算法把时间窗约束转化为惩罚函数形式, 将其并入目标函数后, 建立了满足客户配送时间要求条件下的运输费用最低的车辆调度模型, 提出了模型的求解程序, 并以某算例进行了仿真分析。分析结果表明: 该模型通过参数的不同标定, 可以转化成旅行商模型、硬时间窗或软时间窗的车辆调度模型; 仿真算例中, 配送路线最优行驶距离为794 km, 车辆最长行驶时间为8.2 h, 该算法能有效求解配送中心车辆调度问题。