基于地铁-货车联运的物流配送路径优化

为应对配送车辆引起道路拥堵和环境污染问题,提出地铁与货车联合运输. 在不改变地铁运行方案的前提下,利用地铁非高峰时段开展货物配送;考虑地铁剩余运能、货车容量、最大行驶距离、客户服务时间窗等限制条件,以配送距离最短为优化目标,构建基于地铁-货车联运的物流配送路径优化模型. 通过地铁配送路径设计不规则二维矩阵编码结构,使用改进自适应遗传算法求解. 以某市地铁货物运输为例,验证模型和算法的实用性、有效性. 结果表明,地铁-货车联合配送距离短,在客户时间窗范围内送达比例高,有效提高客户满意度.     

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。     

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。     

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。     

地铁物流协同配送模型构建及验证

为缓解城市道路交通的拥堵压力,降低汽车尾气对环境污染影响,选取“寄件—运输—取件”流程为研究对象,通过地铁与货车联运的方式实现地上、地下协同运输模式。在非高峰期时段利用地铁进行货物运输,考虑地铁与货车的最大载货量、货车的最大行驶距离、客户服务时间窗等约束条件,将运输成本与违反客户时间窗所产生的惩罚成本之和最小作为优化目标,构建基于地铁网络的物流协同配送模型。以兰州地铁1号线为算例,采用改进遗传算法进行求解,与货车单独配送进行对比,得到两种方式下的路径优化结果。结果表明：地铁-货车联运产生的总成本高于货车单独配送,但并不意味此种模式不可行,地铁-货车联运积极响应交通强国中的大型货车限行政策,可以改善城市道路拥堵、减少环境污染,有较强的应用价值。     

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。     

带时间窗的甩挂运输路径优化问题研究

针对带时间窗的甩挂运输路径优化问题,考虑整车和卡车2种运输方式,以及整车、卡车、混合3种行驶路径,以行驶时间为目标函数构建模型,设计基于A、B策略的两阶段混合启发式算法.算例分析结果表明：针对客户规模在100以内的小规模算例,均可在3s内求得结果,策略B的求解时间少于策略A,而策略A的目标函数优于策略B;当客户规模逐步增至900时,选择策略A可获得更高的求解效率.可见,本文所构建的模型与算法是可行和有效的,对实际配送过程中的车辆指派与路径优化具有一定的参考价值.     

带时间窗的车辆路径混合遗传算法

基于标准遗传算法, 将每一个染色体与分组信息相结合, 使染色体结构包含有更多信息, 辅以λ-交换局部搜索技术, 构造了一种新的混合遗传算法, 对带时间窗约束的车辆路径问题进行了求解, 并与标准遗传算法的求解结果进行了对比研究, 发现使用混合遗传算法, 总行驶里程为162km, 而使用标准遗传算法, 总行驶里程为182 km。结果表明混合遗传算法的求解结果比标准遗传算法更加接近最优解, 所需的行驶里程缩短, 有效降低运输企业的车辆运行成本。     

带时间窗的卡车编队路径优化

卡车编队是一种极具前景的新型运营组织模式,多辆采用半自动驾驶技术的卡车以较小的车头间距共同行驶,达到减少能源消耗与环境污染和保障交通安全的目的,该组织模式也被称为“公路列车”。从运营管理及调度技术的角度进行研究,利用商品网络流理论解决某一特定卡车在何时何地编入哪个卡车编队的问题,尽可能地促进卡车编队的形成,最大限度地节约能源。本文分析卡车编队形成过程中额外产生的集结等待时间,并量化计算由于卡车编队成组运行,空气阻力的下降进而产生的燃油节省。在限制卡车编队规模的条件下,构建考虑合理绕行的卡车编队路径优化模型,将每个运输任务是否通过路网中的弧段设置为决策变量,优化结果既能反映每个弧段上卡车编队的构成情况,又能体现每个运输任务具体的走行路径。采用商业软件求解构建的卡车编队路径优化模型,形成卡车编队19个,节省燃油费用达到14%以上。结果表明：该模型能得出理想的卡车编队路径优化方案,为卡车编队的推广应用提供理论参考。     

有时间窗车辆路径问题的混合算法

提出了一种基于模拟退火算法（SA）和大规模邻域搜索（LNS）的混合算法,并采用PFIH算法构造较高质量的初始解,同时给出了一种调整客户时间窗的回归迭代策略,从而计算出每辆车的最佳出发时间,并证明这种策略可使每辆车的等待时间均为零。从试验结果可以看出,该算法用于求解VRPTW问题效果显著,计算速度较快;与其他算法相比,显示了其较强的实用性和可操作性,为解决VRPTW提供了一种有效的算法。     

求解带硬时间窗车辆路径问题的改进UMDA 算法

针对带硬时间窗的车辆路径问题(VRPHTW)求解,提出了一种混合单变量边 缘分布算法(hybrid UDMA,hUDMA),改进了基本UMDA的概率模型.统计节点按路径分 布的概率,使其能够在解空间上找到节点-路径的分布关系,提高了UMDA的全局搜索 能力.采用两阶段插入法进行最佳节点搜索和路径分配完成UMDA采样操作,通过种群 进化来获取最优解.计算Solomon 100 客户的6 类问题56 个算例的实验结果表明：在最优 解的取得方面,C类算例能够全部取得最优解,R、RC类算例能以50%左右概率取得最优 解;在平均误差方面,C类算例计算结果与已知最优解一致,R、RC类算例计算误差率与 已知最优解比较接近,平均误差率为1.03%.     

求解双目标带时间窗车辆路径问题的蚁群算法

针对运输网络为多重图的双目标带时间窗车辆路径问题设计了蚁群算法.首先,建立了多重图的双目标带时间窗车辆路径问题的数学模型,提出了针对该问题解的搜索空间构建方法,定义了一种综合考虑各优化目标、时间窗和信息素等启发信息的状态转移概率公式. 为了对比说明该算法的有效性,同时设计基于NSGA-II的多目标遗传算法.针对本文算例,对蚁群算法中的各参数进行了敏感性分析,根据分析结果设定算法参数,获得了算例的Pareto最优路径集,同时与NSGA-II算法及相关文献算法针对运行时间、收敛性和群体多样性进行比较.结果显示,本文设计的蚁群算法在这3个指标上均明显优于NSGA-II算法;在相同蚂蚁数量情况下,本文的算法在收敛性和群体多样性方面优于相关文献算法.     

带软时间窗车辆路径问题及禁忌搜索算法

考虑不同容量和运输成本的多车型车辆,建立容量限制和软时间约束,并以最小化车辆在路段上的运输量和该路段的长度乘积为目标的数学模型,给出求解该问题的禁忌搜索算法。在算法中考虑使用车辆最少的插入算法生成初始解。最后,通过仿真算例,检验模型和算法的有效性。     

一种基于时空距离的带时间窗车辆路径问题算法

带时间窗的车辆路径问题是典型的NP难题,一种常用的求解方法是先对顾客分组,后进行路径优化的两阶段启发式算法. 传统算法在顾客分组时主要考虑顾客的空间位置关系,但是忽略了顾客对服务时间窗口的要求. 本文同时考虑顾客的时间和空间特性,提出了一种基于时空度量的顾客分组方法. 在路径优化阶段,本文提出了一种禁忌搜索算法来进行求解,该算法中禁忌的对象不是解,而是这些解的目标函数值的区间,以便于提高收敛效率. 作为验证,本文以Solomon标杆问题集为算例进行演算,结果表明,在窄时间窗约束下,基于时空距离的两阶段启发式算法明显优于基于空间距离的算法,且部分算例的解达到了国内外已发表的最好解.     

带时间窗的多行程交换箱甩挂路径优化

针对市区-近郊的同城物流配送系统,为尽可能降低物流运输成本的同时提高客户满意度,研究带时间窗的具有多行程的交换箱甩挂运输问题. 在配送系统中,配送车辆从配送中心出发将货物运往各个客户点,由于道路条件的限制,客户点分为只允许小型卡车配送的限制点客户和卡车或带交换箱拖车的整车都可为其配送的灵活点客户. 在客户时间窗和多行程的约束条件下,建立以成本最小为优化目标的基于交换箱甩挂的路径优化模型,提出装箱算法与遗传算法混合的启发式求解算法. 算例验证了所提出算法的有效性,为带交换箱的甩挂车进行物流配送提供一定的决策指导和参考意见.