烟草企业配载运输调度优化研究

在面向订单的烟草生产企业中,客户需求的动态性导致了企业的运输满载率不高。针对这一种情况,以车辆满载率最大化作为优化目标,建立了整数线性规划模型,利用启发式算法求解模型,使得配送中心能够较快的求出装载货物的满意方案, 达到提高车辆装载率的目的。且根据车辆满载率的大小设计了三种匹配原则,并提出共同配送半径的概念,有效提高了烟草配送的客户满意度、降低了总成本     

基于共同配送的农村快递车辆调度问题

为降低农村物流成本,助力"快递下乡"工程的实施,在考虑重量、体积、订单、路径等约束条件下,以总利润最大化为目标构建基于共同配送模式的农村快递车辆调度模型;并提出采用基于随机修复非可行解策略的遗传算法求解该模型,同时在算法中引入多种群机制以提高求解的效率和效果。最后,结合实际算例对模型进行验证;设计不同订单规模的仿真算例对算法性能进行分析。研究结果表明:共同配送策略能从全局优化的角度合理配置区域内物流资源,与独立配送模式相比可降低30%的配送成本。仿真实验表明:相较于标准遗传算法,改进遗传算法能快速地搜索到更优的满意解,可以有效求解共同配送模式下的农村快递车辆调度问题。     

时间依赖需求下多车型快速公交发车频率优化

以公共交通网络中的单条快速公交线路为研究对象,分析了快速公交车辆的发车间隔特征和沿线乘客出行需求的时间依赖特征;考虑多类型公交车辆协同作业,以所有乘客的累计等待时间最小和车辆的平均满载率最大为目标,以最小、最大发车时间间隔和车辆运能的供需比为约束,建立多类型快速公交车辆协同作业模式下的发车频率优化模型;利用改进的非支配排序遗传算法对模型求解,并应用兰州市快速公交数据进行实例分析。分析结果表明:乘客累计等待时间分别取最大值、中间值和最小值时,优化后的发车次数比实际发车次数分别降低22.9%、16.7%和8.4%,对应的车辆平均满载率分别提高27.4%、15.1%和3.9%;与单一类型的快速公交车辆独立作业相比,2种类型的快速公交车辆协同作业的平均发车次数增加7.9%,平均乘客累计等待时间降低23.8%。可见,根据乘客出行需求的时间依赖特征,合理安排不同类型的快速公交车辆协同作业,对发车频率进行优化,能有效减少乘客等待时间,提高公交车辆利用效率。     

不确定环境下的多车型物流配送路径优化

为实现在路段通行时间不确定背景下,配送企业对多种车型车辆的组合优化,使车辆资源利用、配送路径最优.通过建立总成本和配送时间最小的多目标模型、并考虑时间窗约束,设计提出多目标进化遗传算法求解该问题.本算法结合链表思想,同时为解决产生不可行解问题,在解编码时采用多染色体;并在算法中针对子染色体和母染色体分别设计交叉算子,运用擂台赛法则和改进精英保留策略构造非支配解集和加快算法的收敛速度.结果表明:相比单车型,多车型组合优化具有更高的经济效益,且随着不确定参数的变化,运输成本上升,多车型配送满载率受影响较小.     

黄金时间内救灾物资多阶段调配问题求解

以集散点—配送点—需求点作为三级网络,构建以各需求点应急物资满足度最大、各需求点平均满足度方差最小以及成本最小为优化目标的应急物资调配模型。首先,在物资供需确定的情况下,确定物资紧急程度和黄金救援时间受灾人员的存活率比重;然后将有限的物资在车辆容量、车辆数目、装置防护时间以及装卸货时间等约束条件下,采用NSGA-Ⅱ(第二代非支配排序遗传算法)求解;最后将算例仿真结果与目标转换和线性相结合方法结果进行对比和灵敏度分析,验证算法的配送效率。实验结果表明,72h内医疗物资整体配送率达82.4%,生活物资整体配送率达94.67%,与目标转换和线性相结合方法相比,采用NSGA-Ⅱ的整体应急物资配送效率提高7.4%,当增加车辆数目至原来一倍时可再提高9.8%;生成多个配送方案适用多种应用场景,决策者可根据受灾点情况选择不同配送方案,保护受灾群众的生命和财产安全。     

带时间窗的地铁配送网络路径优化问题

为应对人们日益增加的货物需求与货车进城难题,提出整合地铁网和道路交通网,形成以地铁列车和城市配送车辆为载体的地铁配送网络.考虑列车开行时间表、客户服务时间窗、城市配送车辆容量等限制条件,构建带时间窗的地铁配送网络路径优化模型,综合优化地铁列车班次的客户分配、出站点的客户分配及末端配送路径.设计随机变邻域的迭代搜索算法(ILS-RVND)进行求解,以成都市地铁3号线运输货物为例,验证了模型和算法的实用性和有效性.结果表明,地铁配送网络配送成本低,准时性高,配送车辆行驶距离短,能满足比货车单独配送更精准的服务需求.     

电子商务条件下城市物流协同配送车辆路径问题研究

电子商务环境下的协同配送具有客户位置分散、订单多、批量小和重复线路多的特点,通过对当前电子商务条件下的城市协同配送车辆路径问题进行研究,构建了多中心协同配送车辆路径问题的优化模型,并运用自适应遗传算法求解.通过具体实例验证,研究方法较好地提高了配送中心之间的协同工作效率、降低了物流配送成本.     

改进的遗传算法在车辆路径问题中的应用

通过对车辆路径问题的深入分析,针对遗传算法中“种群多样性”和“选择压力”两个最重要因素,对“交叉算子”和“变异算子”进行了改进,并和一般的遗传算法进行了比较,通过计算结果证明：在算法性能方面,改进的算法收敛速度较快,所求得的最优解质量较高,且计算结果稳定;在车辆配送路径方面,改进算法得到四条最优配送路线,并且四条线路没有交叉,完全形成回路,又同时满足车辆满载率的限制,而一般的遗传算法得到五条配送路线,最低装载量仅为3．1t,并不能达到车辆相应的满载率,因此,改进的遗传算法明显优于传统的遗传算法．     

混合下单模式下在线餐饮订单配送优化模型

针对在线餐饮订单量激增及订单到达非均匀分布导致的调度不合理与资源浪费等问题，提出顾客提前下单与动态实时下单相结合的下单模式，研究此模式下订单配送优化. 考虑在线餐饮订单配送优化具有的动态VRP和多回程VRP属性，以最小化配送成本为目标，建立带有软时间窗的整数规划模型. 设计基于插入算法和2-opt 邻域搜索的混合启发式算法求解模型. 通过算例，分析提前下单顾客比例、提前下单时长等因素的影响. 结果表明，单个因素的增加会降低配送成本，当两者同时增加，因系统达到饱和使配送成本不升反降，因此要调整措施使顾客下单情况与系统配送能力相适应.     

混合下单模式下在线餐饮订单配送优化模型

针对在线餐饮订单量激增及订单到达非均匀分布导致的调度不合理与资源浪费等问题，提出顾客提前下单与动态实时下单相结合的下单模式，研究此模式下订单配送优化. 考虑在线餐饮订单配送优化具有的动态VRP和多回程VRP属性，以最小化配送成本为目标，建立带有软时间窗的整数规划模型. 设计基于插入算法和2-opt 邻域搜索的混合启发式算法求解模型. 通过算例，分析提前下单顾客比例、提前下单时长等因素的影响. 结果表明，单个因素的增加会降低配送成本，当两者同时增加，因系统达到饱和使配送成本不升反降，因此要调整措施使顾客下单情况与系统配送能力相适应.     

基于随机需求的城市公交车辆调度问题的研究

在公交车辆调度问题上,考虑到公交调度中客流需求的不确定因素,引入随机需求调度模型及其相关概念,然后对优化模型进行实例求解,结果证明该模型是可行的。     

铁路旅客选择列车的随机机会约束目标规划模型

旅客乘坐铁路列车出行时,需选择列车车次,这与各次列车的情况和旅客的出行要求均相关. 分析旅客选择列车时的不确定因素和追求的多重目标,引入随机决策优化理论,在旅客对列车实际到达时刻、出行费用、购票成功概率、旅行舒适度等要求的约束下构建了选择列车的随机机会约束目标规划模型. 列车到站时的晚点时间与购票时的剩余票额是影响旅客选择列车的两个重要的不确定因素,且是随机变量. 根据其分布函数和旅客出行的相关要求将含有不确定约束的模型转化为确定模型,并用隐枚举法进行了算例求解. 结果表明,模型能够明确地给出旅客选择列车的合理建议.     

考虑运行能效的公交区域时刻表优化

为准确计量公交区域时刻表优化过程中,客流出行与企业运营博弈产生的社会效益,构建兼顾随机客流需求和时刻表运行能效的双层规划模型.从公交乘客出行量与质的角度,分析随机客流需求与时刻表之间的互动关系;依据出行性质将客流需求分层细化,作为下层弹性需求交通网络流模型的输入;考虑客流需求、乘客出行效率及企业运营成本间的波动关系,设...     

公路网交通分配多路径随机选择的系统分析

笔者分析了一个OD对之间具有多条路线条件下 ,交通流对路线随机选择情况下的出行市场均衡模型 .该模型是以交通总需求为约束条件 ,以多项式Logit模型为随机函数 ,并以每条路线的供给函数为基础而构造的 .最后 ,笔者用启发式算法中的逐步平均步长法 (MSA)进行了实例验算 ,证明了均衡模型及其解法的有效性     

随机需求下公交网络设计的期望值模型与求解算法研究

科学规划公交系统是解决城市交通拥挤问题的有效手段,公交网络设计问题更是公交体系规划的重点与难点。公交需求作为公交网络设计的输入条件,在现实中具有不确定性。鉴于此,假设不确定乘客需求具有随机特性,来研究随机需求下公交网络设计问题的优化方法。以乘客成本与运营成本最小化为优化目标,构建了多目标规划的期望值模型。将遗传算法与模拟退火算法相结合,设计了求解模型的遗传模拟退火算法。最后,通过算例验证了提出的模型与算法的有效性。     

多模式路径流量估计模型与算法

为了通过路段检测交通流量计算拥挤条件下多种交通模式需求,提出了一个随机用户平衡条件下的多模式路径流量估计模型,并给出了相应模型的增广拉格朗日乘子算法,算法将模型中的路段容量、观测路段流量平衡与估计需求的范围等约束条件转化为相应的惩罚函数项,并将原先的有约束优化流量估计模型转化为一个无约束优化模型,最后应用一个简单的投影迭代算法求解无约束优化模型.仿真结果表明:先验需求误差对模型的需求估计结果有重要影响,误差越小估计结果越准确,而先验需求误差对路段流量估计结果几乎没有影响,因此,模型和算法简单可用.     

随机条件下固定公交线路服务频率优化模型

在考虑客流需求波动及车辆运行时间随机变动的情况下,建立了以乘客候车期望和公交车辆利用率总体最优为目标的公交线路服务频率优化模型.利用蒙特卡罗方法随机模拟一条高频线路的公交服务,计算得到了给定线路参数下的最优服务频率.算例表明该模型可用来确定高频服务公交线路的发车时间间隔.     

基于可靠度条件下的混合交通流量分配模型及算法

在混合交通中出行者对不同交通方式的行程时间存在着不同的可靠度要求,故有必要根据不同的可靠度要求追加不同冗余时间,以最优时间策略选择交通方式,从而构造混合随机交通模型及其求解算法,并利用具体实例对其有效性加以验证。     

基于可靠度条件下的混合交通流量分配模型及算法

在混合交通中出行者对不同交通方式的行程时间存在着不同的可靠度要求,故有必要根据不同的可靠度要求追加不同冗余时间,以最优时间策略选择交通方式,从而构造混合随机交通模型及其求解算法,并利用具体实例对其有效性加以验证。     

多用户类型弹性需求随机期望-超额用户平衡模型

为准确描述随机路网环境下出行者规避行程时间不确定风险的择路行为,推导了通勤者需求量服从对数正态分布和路段通行能力服从贝塔分布条件下计算期望-超额行程时间的计算公式,并在考虑出行者对行程时间的估计误差和路网服务水平对交通需求影响的基础上,建立了用等价变分不等式表示的多用户弹性随机期望-超额用户平衡模型.算例结果表明:随着需求水平波动程度和路段通行能力退化程度的加剧,当需求方差-均值比从0.5增至2.0、贝塔分布参数(l和m)从90和10变为10和10时,通勤者和非通勤者期望最小理解期望-超额行程时间分别增加了48.5%和99.2%.