基于大数据平台下的物流配送车辆路径问题研究

利用大数据平台对多源大量数据进行实时计算处理的优势,考虑具有载重限制、运输路径限制且带时间窗限制的路网中物流配送车辆路径问题,建立以配送时间最短和配送成本最低为目标的数学模型.构建大数据下的多源信息分析处理平台构架图以获取实时交通信息,根据实时路况环境,对配送车辆的路径进行优化.通过利用大数据平台Hadoop中的MapReduce编程模型进行遗传算法并行化设计并求解.结果表明:利用大数据平台进行遗传算法并行化设计能有效求解多目标配送车辆路径问题,创新性地对车辆路径问题进行研究,具有解决实际问题的积极意义.     

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.     

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.     

重大突发公共卫生事件下城市应急医疗物资配送

为了在发生重大突发公共卫生事件时提高城市医疗物资的应急救援效率, 减少人员伤亡与经济损失, 在分析重大突发公共卫生事件特点与应急物流特征的基础上, 将需求紧迫度作为配送影响因素, 提出以辖区人口、感染确诊及疑似病例、医疗物资需求点规模、医护人员数量和医疗物资缺口率为评价指标的医疗物资需求点需求紧迫度评价指标体系; 针对医疗物资应急物流的特点, 调整医疗物资配送时间窗参数, 建立由车辆行驶成本、配送延误惩罚成本和无配送延误补贴费用组成的总配送费用函数, 并考虑配送车辆载重、配送时间窗、医疗物资需求紧迫度等约束条件, 构建使总配送费用最少与需求紧迫度高的需求点优先配送的双重目标, 优化了医疗物资的配送路径; 依托SPSS、Yaahp和MATLAB软件平台, 结合算例, 利用层次分析法与遗传算法求解考虑与不考虑需求紧迫度的医疗物资应急物流配送路径优化模型。研究结果表明: 重大突发公共卫生事件下, 相对于不考虑需求紧迫度的配送路径, 考虑需求紧迫度的最优配送路径不仅对需求紧迫度较高的医疗物资需求点进行优先配送, 同时还使总配送费用减少了5.8%;需求紧迫度的引入能极大地改善调度的盲目性, 基于配送车辆载重、配送时间窗、医疗物资需求紧迫度等约束条件所构建的双目标优化模型能够有效地提高应急救援效率和减少不必要的调度成本。      

托盘装载约束下带时间窗的配送车辆路径优化研究

针对快递码放混乱等问题，本文引入可调节支撑结构高度的托盘作为装卸载体进行配送服务。首先，设计基于“砌墙”理论的托盘装载模式，提出托盘三维装载约束下配送车辆路径优化方案；其次，将装卸效率代入配送时间成本，构建平均车辆装载率最高和总成本最低的双目标优化模型；然后，结合托盘三维装载约束下配送车辆路径优化方案，设计托盘装载路径算法(Three-Dimensional Routing with Pallet, 3DRP)，并利用LN(LOH&NEE)三维装载算例进行验证，得到68.2%的装载率，验证了其在快递配送问题中的有效性；最后，本文对重庆市某快递公司的配送数据进行实例验证，方案最终结果显示，本文方法可以做到平均车辆装载率83.02%，且部分路径可以做到0时间惩罚成本。通过本文方案与传统三维装载方案的对比分析可知，将托盘作为载体进行快递三维装箱的优化可以兼顾车辆高装载率，并节约97.5%的时间惩罚成本，提高车辆利用率。     

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.     

考虑交通拥堵及工作量平衡性的一致性车辆路径问题

为研究快递公司在提供一致性配送服务时,交通拥堵以及快递人员工作量平衡性因素对配送路径的影响,在传统车辆路径问题研究的基础上,提出了考虑拥堵和工作量的一致性车辆路径问题,并构建了混合整数规划模型。针对该模型的NP难性质,提出了基于模板路径的两阶段模拟退火算法（template-based simulated annealing heuristic,TSA）。该算法通过构建模板路径求解初始路径方案,再利用模拟退火算法优化路径方案,降低车辆总行驶时间。将该模型和算法应用于3组基准数据（benchmark data set）的数值实验,结果表明:本文模型和算法能有效解决此类问题,交通拥堵使最优配送路径的总行驶时间平均增加18.38%,使快递人员在任意两天到达同一顾客的最早与最晚时刻之差平均增加12.92%;当快递人员配件量的不平衡性平均下降35.82%后,二者仅分别平均增加2.29%和1.68%。      

自营货车与公交车协同快件配送优化

为了应对数量多、货件小、批次频、时效性高的城市快件配送需求,提出了公交车与自营货车协同配送的运营模式,构建了以快递运营总成本最低为目标的快件配送优化模型;通过决策快递的配送批次、起运时间和运输路径,优化了公交车与货车协同配送下的快件运输网络;设计了蚁群算法求解模型;基于大连市道路网与公交线网,分别求解有97个需求点的协同配送和货车单独配送方案,并比较了配送结果。分析结果表明:在协同配送模式下,总成本降低了9.5%,货车的行驶距离减少了12.6%,二氧化碳排放量由0.159t减少到0.139t,未按时配送的需求点减少了26.2%,总延误降低了57.7%;协同配送的单位时间惩罚成本适用范围为0.2~0.4元·min~(-1),公交车最优单位配送价格为1.5元·(t·km)~(-1)。可见,在一定范围内,协同运输模式的配送成本低,配送准时性高,产生的环境负荷少,可以提供比货车单独配送更好的服务。     

时效约束的高强度快递需求区域车辆调度模型

为提升高强度快递需求区域的车辆配送效率,在刻画移动仓库动态需求与点部收派件优先度的基础上,建立高强度快递需求区域的快递车辆调度模型.在满足收派件时效性约束的前提下,求解快递车辆配送路线,并对车辆调度模型进行优化,以符合点部与移动仓库收派快件实际需要.     

基于蚁群算法的冷链物流路径优化研究

在实际生活中,如何选择最优的物流配送路线是物流车辆调度系统中的重要问题之一.针对物流配送路径优化问题,依据冷链物流配送基础理论,考虑成本、货物损失及制冷时长等因素,构建基于多配送中心的最小配送成本模型,建立由运输成本、制冷成本、损坏成本及绿色低碳成本组成的复合目标模型.利用蚁群算法求解,以某类冷链物流企业为例,通过MATLAB软件进行仿真实验,验证模型和算法的科学性及有效性,得出最短运输距离为39.06 km、成本为1437.48元的结论.相对于搜索禁忌算法和遗传算法,蚁群算法在多配送中心冷链物流路径优化方面,能够平均减少1.11 km的运输距离和51.21元成本,更好地解决物流路径优化问题,提高物流服务质量.     

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.     

基于订单拆分的线上到线下连锁门店配送优化模型

针对零售企业线上到线下(Online To Offline, O2O)转型下连锁门店订单分配和配送问题，考虑门店商品种类、库存容量及客户退货等因素，提出只按商品种类而非数量进行拆分的订单拆分策略.以配送总费用最小为目标，构建基于订单拆分的O2O门店配送优化模型；设计包含线上订单就近分配和改进禁忌搜索的两阶段启发式求解算法，采用标准算例库中数据验证模型和方法的适用性和有效性.结果表明：与不拆分订单方法相比，订单拆分能够提高客户订单履约率，各门店商品总库存量不小于客户订单总需求量时，客户订单履约率达到100%.     

基于订单拆分的线上到线下连锁门店配送优化模型

针对零售企业线上到线下(Online To Offline, O2O)转型下连锁门店订单分配和配送问题,考虑门店商品种类、库存容量及客户退货等因素,提出只按商品种类而非数量进行拆分的订单拆分策略.以配送总费用最小为目标,构建基于订单拆分的O2O门店配送优化模型;设计包含线上订单就近分配和改进禁忌搜索的两阶段启发式求解算法,采用标准算例库中数据验证模型和方法的适用性和有效性.结果表明：与不拆分订单方法相比,订单拆分能够提高客户订单履约率,各门店商品总库存量不小于客户订单总需求量时,客户订单履约率达到100%.     

单配送中心快递企业共同配送车辆鲁棒调度研究

考虑到不确定因素在快递企业共同配送车辆鲁棒调度问题中广泛存在,为了改善快递企业的服务水平,并缓解快递派送中由于不确定因素带来的客户满意度低的现状,采用鲁棒离散理论的相关知识,建立了车辆路段等待时间不确定情形下的单配送中心快递企业共同配送车辆调度的多目标鲁棒优化模型,然后根据转化规则,将鲁棒优化模型转化为确定型优化模型,并采用改进的遗传算法对其进行求解。结果表明,快递企业采用共同配送模式可以有效降低成本,节约时间,而且企业决策者可以根据所考虑的不确定性值G 的大小,选择自己偏好的车辆调度方案。     

客户配送要求变动下的VRPSDP干扰管理优化

为解决客户配送要求变动对VRPSDP方案造成的干扰问题，从成本和服务时间两个方面，就干扰事件对原物流配送车辆路径方案造成的影响进行了干扰辨识分析.构建了VRPSDP干扰管理模型，并设计基于禁忌搜索的调度算法.从Solomon标准测试算例中随机抽取6组算例对模型和算法的有效性进行验证.结果显示，本文的干扰管理方案与传统的增派车辆和全局重调度方案相比较，广义总费用偏离有明显地降低，且本文方法能够在较短的时间内生成满意的物流配送车辆调度调整方案.     

时变交通下生鲜配送电动车辆路径优化方法

依据时变交通路网特点设计基于路段划分策略的行驶时间计算方法,综合考虑客户对生鲜产品最低新鲜度约束,车载限制和电动车电量约束,设计三约束决策因子方法.以配送总成本最小为目标,构建时变交通下电动车城市生鲜配送路径优化模型,根据模型特点设计自适应改进的蚁群算法.实验结果表明,本文方法能够根据客户生鲜新鲜度要求,客户属性和路网特性,合理安排发车时间,科学规划配送路径,有效避免交通拥堵;通过算法对比,本文模型和算法能够明显降低配送成本,提高企业经济效益.     

时变交通下生鲜配送电动车辆路径优化方法

依据时变交通路网特点设计基于路段划分策略的行驶时间计算方法,综合考虑客户对生鲜产品最低新鲜度约束,车载限制和电动车电量约束,设计三约束决策因子方法.以配送总成本最小为目标,构建时变交通下电动车城市生鲜配送路径优化模型,根据模型特点设计自适应改进的蚁群算法.实验结果表明,本文方法能够根据客户生鲜新鲜度要求,客户属性和路网特性,合理安排发车时间,科学规划配送路径,有效避免交通拥堵;通过算法对比,本文模型和算法能够明显降低配送成本,提高企业经济效益.     

“无人机-车辆”配送路径优化模型与算法

基于城市配送的发展趋势,提出一种“无人机-车辆”联合配送模型,以无人机为主导,分3 步进行路径分配,无人机每次配送可以服务多个顾客点,车辆不用在固定点等待无人机。进行单 次路径规划时,让顾客需求点尽可能多的得到服务,最后,以总配送距离最小为目标,对整体路径 进行优化。此外,设计了3种不同的配送场景,构建的模型能同时适用于这3种场景。采用带末 端优化的模拟退火算法求解问题,结果验证了模型的可行性。考虑到未来无人机技术的进一步 提高,对无人机的最大载重量和飞行距离进行灵敏度分析。结果表明,无人机的配送能力受载重 量和飞行距离影响,增大配送能力可以使无人机服务更多的顾客需求点,均衡提升载重量和飞行 距离可以充分发挥无人机的配送能力,更好地完成农村地区的物流配送。     

基于无人机的高层住宅最后“一百米”配送优化

针对城市高层住宅顾客对上门配送服务的需求，借助无人机停放平台，考虑包裹异质性以及无人机在不同配送阶段的精确能耗，构建以无人机飞行成本和能耗成本最小为目标，以无人机容量、电池组容量等为约束的高层住宅无人机上门配送模型，解决“垂直位置最后一百米配送”问题。基于此模型，设计带变邻域下降(VND)搜索的混合蚁群算法(HACO-VND)，引入4个算子进行变邻域下降搜索，为了提高算法的求解性能，提出两种局部搜索算子组合，根据顾客点数量使用不同的算子组合。实验结果表明，HACO-VND算法较CPLEX在求解精度与求解时间方面更优，特别是在大中型算例中表现出较佳性能。参数分析表明，高层住宅楼层数越多，无人机单次 飞行的能耗利用率越大，无人机容量与电池组容量共同对配送方案产生影响。为以后无人机送货上门服务方面的研究提供参考和思路。     

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。