基于改进遗传算法的供应链金融质押物配送路径优化

物流监管企业承担供应链金融质押物配送职责,优化配送路径可以提高配送效率,节约配送成本,从而提高其盈利水平。以质押物配送路径总长度最小为优化目标,将其转换为经典TSP优化问题进行求解并建立数学模型。基于该数学模型,提出改进的遗传算法,针对遗传算法的选择、交叉和变异分别提出基于序的选择算子、基于最小代价树的交叉算子和基于随机点长度控制的变异算子。对比仿真实验表明,所改进的遗传算法比简单遗传算法收敛速度更快、全局寻优能力更好,是解决供应链金融质押物配送路径优化问题的有效方法。     

基于仿真随机解的模拟退火算法在单物流中心配送VRP中的应用

结合客户实际需求研究单物流中心配送业务中基于城市道路网的车辆路径问题.采用邻接表作为道路网数据结构,依据计算机仿真方法确定车辆的路径方案,引入模糊时间窗并建立具有模糊时间窗的车辆路径问题的数学模型(VRPFTW),利用模拟退火算法求解VRPFTW问题,并对算法的关键步骤做了探讨.结合给定的有信号交叉口的城市道路网,利用计算机编程求解特定算例,计算结果说明模糊时间窗对物流中心配送业务的实际意义,以及模拟退火算法求解问题的可行性与有效性.     

利用模拟退火算法求解VRPTW问题的研究

带时间窗车辆调度问题(Vehicle Routing Problem with Time Window,VRPTW)是具有时间区间(即时间窗)约束的车辆调度问题,它比传统的车辆调度问题更加接近实际中的运输要求。本文从分析模拟退火算法的求解思想入手,建立一个利用模拟退火算法求解VRPTW问题的数学模型,并结合南宁铁路局南宁机务段多个检修基地物料配送的实际,求解出配送车辆最优派车方案,为企业节支创效提供技术支持。     

改进遗传算法在动车段检修物流配送中的应用

在动车段对动车组的检修作业过程中，检修车间所需零件或工具的物流配送时效性直接决定了检修作业的效率，而目前动车段内采用的配送方式均为点对点单一路径配送。通过对动车段检修物流配送问题进行分析并建立数学模型，采用遗传算法与模拟退火算法相结合的改进算法对模型进行求解，并将算法应用于动车组管理信息系统中。广州动车段在广东地区的实验数据结果表明，改进的遗传算法针对动车段在路径优化方面较为有效地提高了动车段检修物流配送效率，确保了段内动车组的及时检修，进而保障了段配属动车组的安全运用。     

城市末端物流配送路径优化研究

城市末端物流配送是配送环节中直接与客户交接的最后且最关键的一环,能否将货物及时送到客户手中将直接影响客户对配送服务的满意程度。为提高城市末端配送的服务质量及客户的满意程度,降低配送过程成本,针对目前城市末端物流配送过程中存在的问题,提出在满足客户实际时间要求前提下,建立带有软时间窗的城市末端物流配送路径优化模型,运用节约里程算法进行求解,并以某配送中心配送为例,得出在满足客户实际时间要求前提下,以拥堵成本最低为前提选择路径的模式可使配送过程中的成本降到最低。     

考虑收入均衡的家居配送物流优化研究

针对家居配送物流问题,提出考虑司机收入均衡的配送安装一体化服务策略,以车辆路径成本与司机收入均衡作为优化目标,构建了考虑收入均衡多技能带时间窗车辆路径问题模型,并设计了模拟退火算法对问题模型进行求解。算法求解时优先考虑司机安装技能与客户需求的匹配度,再综合考虑重量约束、时间窗约束和司机收入均衡度的情况下生成车辆路径,实现在满足客户需求的车辆路径成本最低的同时,保证司机的收入相对均衡。对Solomon标准算例进行改造,将本文提出的算法与改进的遗传算法和伊藤-蚂蚁算法进行车辆数目和路径长度的对比,结果表明,本算法在大规模算例中求解时间更有优势,实现了司机收入相对均衡,并且车辆数目和路径长度结果较优;并且基于实际案例验证了本文提出的模型和算法既能显著降低物流企业的车辆行驶路径长度与行驶,大幅度节约物流成本,还能保证司机收入相对均衡。与传统的家居物流配送相比,本文所提出的模型和算法能够缩短配送安装时间,提升客户体验度,并且收入均衡能够大幅度提升司机的积极性,降低人员流失带来的损失成本,进而提高企业的整体效益。本文研究可为第三方家装物流平台从司机收入均衡这一公平关切的角度对家居配送物流优化提供理...     

基于改进蚁群算法的装配线VRPTD问题研究

采用改进蚁群算法求解了装配线物料配送的VRPTD问题(带最后期限时间窗的车辆路径问题)。通过信息素动态更新设计,使改进蚁群算法具有自适应性,克服了传统蚁群算法在遍历寻优过程中容易出现停滞和陷入局部最优解的缺点。通过进一步对启发函数可见度进行改进设计,提高了算法的全局搜索能力。仿真结果表明,改进蚁群算法可以很好地求解装配线VRPTD问题,这对实际应用有一定的参考价值。     

无人机危险品集装箱堆场巡查路径优化研究

针对危险品集装箱堆场的巡逻问题,提出使用无人机进行危险品集装箱堆场巡逻的方法,通过和车辆路径CVRP问题的类比,得到优化后的无人机路径。该方法是在传统扫描算法的基础之上,提出一种全扫描的方法,使用模拟退火算法不断求出无人机当前阶段的飞行距离,再将该距离与无人机的额定航程进行对比,直到求得的距离大于无人机航程时,扫描停止,并将该点除去,保留之前的点和路径,形成一条无人机的飞行路径。最后通过和传统方式的比较,得出使用无人机巡逻可以比人工巡逻节省73.33%的时间,节约66.21%运营成本。     

利用模拟退火实现基于MP的信号稀疏分解

信号的稀疏表示在信号处理的许多方面都有重要的应用,但稀疏分解计算量十分巨大,难以被推广而实现产业化.模拟退火算法模拟高温金属降温的热力学过程,广泛应用于求解组合优化问题.本文将模拟退火算法运用到信号的稀疏分解中,首先随机产生一组原子参数组,然后分别计算每个原子与信号或信号残差的内积的绝对值,找出内积绝对值最大的原子参数组并对它进行模拟退火处理,用处理的结果作为匹配追踪(MP)过程中每一步的最优解.在计算过程中利用原子的特性,进一步提高了信号稀疏分解的速度,并用本文提出的算法与其它方法进行了比较,实验结果表明了该算法的有效性.     

路风上车流径路优化的0—1规划模型及其合理径路集生成算法

从组合优化的观点研究了铁路网上Ｏ－Ｄ对的合理径路集确定以及最优车流径路问题（ＣＲＰ）。在线路和车站的通过能力、费用参数（权值）给定的条件下，建立了该问题的０－１规划模型。并给出了路网上任意两节点可能路径集的确定准则及算法，此外，还讨论了变参数下的ＣＲＰ模型形式。由于所建模型属于ＮＰ－完全问题，因此，获得全局最优解是困难的。文中提出了求解该问题的模拟退火算法，该算法使得真实路网规模的ＣＲＰ模型获得接     

多对多越库配送绿色车辆路径问题及算法研究

面向越库配送网络中供应商与客户之间多对多供需匹配场景,研究多对多越库配送绿色车辆路径问题,旨在优化越库配送模式下车辆配送路线,有效降低企业配送成本。以车辆运营成本、碳排放成本以及油耗成本之和最小化为目标,构建多对多越库配送绿色车辆路径问题的数学优化模型。针对供需关系、复杂耦合特征以及离散组合方案巨大的特点,采用自适应大邻域算法框架并设计移除算子和修复算子对该问题进行高效求解。通过不同问题特征的测试算例对模型和算法进行测试,分析供应商-客户节点分布情况、越库中心位置、供应商-客户供需比等特征对调度方案的影响。车辆路径方案和算法收敛曲线表明了模型的有效性,提出的算法能够高效、稳定地求解多对多越库配送绿色车辆路径问题。数值仿真结果显示,构建的模型平均总成本比以车辆运营成本最小为目标时减少2.87%,比以碳排放和油耗成本最小为目标时减少0.11%,表明该模型能够有效地兼顾车辆运营成本、碳排放成本以及油耗成本。此外,供应商-客户供需比为1时相对于供需比为2和3时总成本分别减少41%和170%,表明较小的供应商-客户供需比利于减少配送总成本;越库配送中心不同选址方案的结果表明,将越库中心建设于配送...     

高铁货运专列与城市车辆多站点协同的配送模式及路径优化

在高附加值、高时效要求的快递日益激增的需求驱动下,高铁货运专列运营常态化越来越成为可能.由于超大城市快递量多、城市面积大,高铁快运通过单个站点停靠再衔接城市车辆进行快递配送时,快递的高时效性往往得不到有效保障.基于此,创新提出"去配送中心"的"高铁货运专列多站停靠+城市车辆多点协同"越库配送模式,并对该模式的运行条件进行讨论.在考虑高铁货运专列运输时间表、客户服务时间窗等限制条件的基础上,建立高铁货运专列多点协同城市车辆配送路径优化模型.以超大城市上海市为例,对该配送模式的应用进行讨论,设计模拟退火算法进行求解.研究结果表明:"高铁货运专列多站停靠+城市车辆多点协同"的越库配送模式配送成本更低、准时性更高,能够更高效地完成快递配送.     

随机需求下制造商供应商分销商合作优化

针对由一个制造商、多个供应商与多个分销商组成的生产—配送—库存—运输系统,在需求是连续随机变量的条件下讨论该系统的合作优化问题。在独立决策下建立双层规划模型讨论制造商、供应商、分销商各自的利润以及单位时间内该系统的总利润,在联合决策下讨论系统的总费用,利用改进的拉格朗日乘子法、改进的C-W算法和运输问题优化算法求出最优送货量、最优配送路径和最优发送量使系统总费用最小,以实现系统各成员共赢,并采用供应链收入共享协调机制将增加的利润合理分配给制造商、各供应商和各分销商。通过数值算例验证了在一定条件下联合优化模型优于独立决策模型。     

铁路罐式集装箱空箱调配优化模型及遗传模拟退火算法

针对罐式集装箱运输的特殊性,考虑重箱流和空箱流调配的综合优化,以罐箱运输费用最小为目标,建立铁路罐式集装箱空箱调配优化多商品网络流模型,并构造了1种嵌入模拟退火操作的遗传算法对之进行求解。为了使模型与算法可得到更符合实际、操作性更强的结果,给出了3种空罐箱调配的策略,作为隐含条件加入到算法求解过程中。利用自适应遗传模拟退火算法对随机生成的实际规模问题算例进行求解,并与用通用代数建模系统软件GAMS的计算结果进行对比。结果表明,前者得出的结果与最优解差距不大,而且运算速度更快,更能满足解决实际问题的需要,为铁路罐箱调配优化提供了良好的决策支持模型和算法。     

带时间窗约束的道路危险品运输路径选择研究

对已有危险品运输模型进行分析,针对当前危险品类物流配送网络的特点,提出了在时间窗约束条件下城市道路网络中的危险品配送模型,该模型以整个网络中事故发生的期望和影响人数最小为目标。设计了目标集成方法和对集成后目标函数求解的扩展标号法来计算该多目标问题的Pareto最优折衷解,最后用实例对算法进行了验证。     

面向布局问题求解的混合全局优化算法研究

布局问题属于NP完全问题。由于布局函数的病态性状，传统的优化算法很难解决此问题。遗传算法、模拟退火算法等对全局优化展示了一定的前景，但是它们的求解精度和效率不能令人满足。本文将启发式随机搜索策略和局部优化算法相结合，构造了混合全局优化算法（MGOA）来解决这一困难。通过典型测试函数与经典遗传算法，模拟退火算法，复合形法进行比较验算，表明该算法具有优良的求解质量和较好的求解效率；并以旋转卫星舱布局的简化模型为背景，建立多目标优化数学模型，通过一个已知最优解的布局算例与遗传算法和乘子法的计算结果比较，该算法求解的质量和效率更优。表明此算法在布局优化中具有应用潜力。     

在时变速度下的车辆出行时刻和路径联合优化

基于分析大中型城市的道路拥挤状况和早晚高峰期与非高峰期的车流速度变化规律,得到大型城市道路网络中车速的阶梯型变化分段函数,并结合相关车辆能耗和CO_2排放规律研究,构建考虑CO_2排放成本的配送车辆出发时刻安排和配送路径联合优化模型。针对该优化模型的特点,应用遗传算法搜索车辆最佳出行时间以及最佳配送路径。通过数值算例验证上述优化模型和求解算法的有效性。仿真结果显示:最短路径不一定是最小CO_2排放路线;出发时刻的选择对车辆CO_2排放有重要影响;最优出行时间安排比最差出行时刻安排,节约近8.5%的CO_2排放量。     

铁路物流配送体系的探讨

介绍当代物流的功能、作用和发展状况，针对铁路第六次大提速对我国物流业带来的影响和机遇，重点对多式联运和配送路径优化进行分析和研究，用运筹学中的最短路径算法来实现配送路径优化。并对铁路货运业发展如何由传统物流企业向现代物流企业转变进行分析，具有一定的参考意义。     

基于CO_2排放的车辆路径优化模型及其算法研究

物流不仅是能源消耗大户,同时也是CO2排放的重要来源。在分析配送车辆燃油消耗和CO2排放因素的多种车辆类型车辆路径问题特点的基础上,构建其相应的优化模型,并给出基于遗传算法的启发式求解算法。最后,针对该模型和求解算法进行数值算例仿真,研究结果显示:路径最短的路线不一定是能耗最小的路线;与传统基于路径最短的车辆路径对比,基于CO2排放的车辆路径总行驶里程较长,但其综合成本较低;遗传算法是解决绿色车辆路径问题的一个有效的求解算法。     

基于地铁-货车联运的动态配送选点-路径问题

为应对传统动态需求下单一车辆配送成本高、时效差等问题，通过共享地铁剩余运能将地铁网络融入城市末端配送网，提出基于地铁和货车联运的动态选点-路径问题。从联合运输配送成本最小化角度出发，考虑动态需求、客户服务时间窗、多转运点接送等因素，构建地铁转运点选择、货车调度以及接运配送路径的两阶段动态选点-路径整体优化模型。针对模型特征，设计“初始阶段+动态阶段”的两阶段启发式算法，将Mark-Sweep算法和蚁群算法相结合求初始解，再设计双层启发式集成算法求动态解，为提高算法的求解质量和效率，外层遗传算法采用矩阵编码结构并通过截取掩码方式改进交叉变异算子，内层蚁群算法采用关键值编码结构并改进多点接送概率选择操作，通过内外层信息交互实现选点和路径的集成优化。最后结合不同算例验证模型与算法的合理性及有效性。结果表明，基于地铁和货车联合运输开展动态配送，不仅能有效提高配送时效性和精准度，而且能使配送成本降低约18%。