模糊环境下的多目标非满载车辆调度问题

针对现实物流配送过程中存在的时间参数模糊化问题,采用梯形模糊数表征时间参数,给出了一种具有模糊时间窗和模糊配送时间,以最小化配送车辆数、提前/滞后惩罚以及配送里程为目标的多目标非满载车辆调度问题模型.在问题求解方面,针对基本粒子群算法容易陷入局部最优的问题,引入利用混沌局部搜索策略,给出了一种基于混沌优化技术的混合粒子...     

多车型车辆路径问题的算法

总结目前求解多车型车辆路径问题的5种基于知识的算法,提出采用大旅程法和禁忌搜索法相结合的混合启发式算法,在搜索过程中通过增加惩罚因子的方法允许不可行解的存在,减少求解陷于局部优化的可能性。采用GENIUS算法处理其中的TSP问题,不仅能产生较好的解,而且通过对解的周期性的扰动,进一步减少求解陷于局部优化的可能性。     

用单亲遗传算法求解配送车辆调度问题的研究

建立了配送车辆调度问题的数学模型，针对传统遗传算法对复杂问题搜索效率低，易陷入“早熟收敛”的缺点，构建了求解配送车辆调度问题的单亲遗传算法，并进行了实验计算。计算结果表明，用单亲遗传算法求解配送车辆调度问题，可以取得比传统遗传算法更优的结果。     

基于自适应网格粒子群算法的多目标配送优化模型

对配送方案的选择提出多目标优化,在满足客户需求的前提下,力求成本最低和各配送中心负荷均衡,建立多目标规划模型。运用粒子群算法对解空间粒子进行局部和全局的搜索,再运用自适应网格算法对非劣解外部集进行更新和维护,保持其规模。实证表明,采用基于自适应网格的多目标粒子群算法对该模型进行求解能够得到均匀分布于解空间的Pareto前沿。结果表明两目标具有一定的悖反关系,据此选择满意解。     

基于离散粒子群算法的协同车辆路径问题

考虑车场容量、不同车型车辆行驶最大里程等约束条件,建立以车辆配送总费用最小为目标的一类带时间窗协同车辆路径问题数学规划模型、即属于不同公司的配送中心共享车队、仓储等资源为客户协同配送货物,采用文献[1]中的自适应离散粒子群算法求解该问题并定义了其可能解的粒子的编码方式.最后,通过一个算例得出结论:同普通物流配送情形相比...     

基于蚁群算法的军事配送车辆调度问题研究

针对军事配送的特点,以"等待损失"和运输成本最小化为目标,建立了问题的数学模型,并应用蚁群算法求解了这一问题.算法中改进了状态转移规则,设计了局部搜索模块.为测试算法性能,应用改进的蚁群算法求解了文献中的21个基准算例.计算结果表明,这一算法明显优于已有算法.     

基于时间依赖网络的车辆调度问题研究

针对城市道路交通存在的不确定性问题,提出将动态车辆调度问题置于时间依赖网络的思想,建立了包括车辆固定成本费用、路阻费用和违反时间窗约束费用在内的广义费用最小化数学模型,采用改进的蚁群算法进行优化求解。仿真实验表明,该方法充分利用了城市道路交通时变性所呈现的周期性特点,是运输与物流企业进行车辆调度时节约成本的有效方法。     

一种有时间窗约束的非满载车辆调度问题中的启发式算法研究

设计了一种求解有时间窗约束的非满载车辆调度问题的启发式算法，它将路网中各点首先分组，而后又在局部使用了修正后的C-W节约算法进行路线的安排，最后给出一具体实例来展示此算法的原理及解题过程。通过实例可以看出，此种算法简明、易于理解、可操作性强，能够很好地解决有时限非满载的车辆调度问题。     

半开放式燃油车和电动车混合车辆路径优化问题研究

随着物流行业的迅速发展,物流运输车辆不断增加,而传统燃油汽车的使用对环境造成了一定的压力,近年来,物流电动汽车由于其节能环保的特性,得到了广泛的应用。然而由于电动汽车的充电时间较长以及运输行业的发展现状,电动汽车目前无法完全取代传统燃油汽车,两种车型同时存在于物流配送领域。文章针对半开放式多配送中心的燃油汽车和电动汽车混合车型的车辆路径优化问题进行研究,同时考虑了客户需求量、车辆载重量以及电动汽车的充电需求等约束条件,以碳排放成本、运输成本以及时间窗惩罚成本之和最小为目标建立线性整数规划数学模型,针对该问题的NP难特性,设计了改进的粒子群算法进行求解。应用佳点集理论产生初始种群,增加粒子群算法的多样性,在迭代过程中,增加局部搜索策略,避免粒子群算法陷入局部最优。实验结果表明:改进的粒子群算法获得的总成本相比标准粒子群算法获得的总成本降低5.69%,证明了该设计的改进粒子群算法在求解开放式混合车型车辆路径优化问题时的有效性;相比于不考虑碳排放的情况,考虑碳排放时传统燃油车的使用数量有所下降;相比于单一配送中心路径优化情况,开放式的多配送中心路径优化,更有利于降低物流成本。     

多目标公交车辆与司机调度问题元启发算法设计

公交车辆与司机调度问题是智慧公交管理中的核心问题之一。针对我国人车固定作业模式下,相关研究中成本考虑不周全、算法通用性差和算法测试不充分等局限,设计了1个多目标公交车辆与司机调度问题元启发算法。算法支持电动车辆调度,适用于单线或跨线运营管理,满足人车固定或人车分离的调度模式,也支持灵活的车辆与司机相关参数设置。算法顾及车辆停车间隔、电池充电、司机休息与就餐等约束条件,优化目标包括车辆固定成本、车辆行驶成本、司机固定成本和司机津贴成本。算法首先生成初始解、再迭代使用班次链算子改进当前解,并通过群解、扰动和可变邻域下降等策略改进解的质量。使用62个单线案例和11个跨线案例进行算法测试,验证了算法的性能,并比较了不同运营模式下调度结果的差异。结果表明,使用续航里程150 km电动车辆取代燃油车辆,单线运营车辆数量增幅为0.8%,跨线运营增幅为1.6%;与单线运营相比,跨线运营所需车辆和司机数量分别减少4.6%和2.4%;与燃油车辆人车固定调度模式相比,人车分离能显著减少所需车辆,单线运营减少3.6%,跨线运营减少1.8%,所需司机数量基本保持不变,但司机需要换车驾驶,平均约为2次。     

智能调度系统在整车物流配送中的开发应用

通过开发智能调度系统实现资源的最优配置,实现对整车物流配送公平合理调度,保证运输的规范和安全,提高工作效能和服务水平,有效降低运输成本.     

有时间窗约束的车辆路径问题的改进遗传算法

针对有时问窗约束的车辆路径问题，在标准遗传算法的基础上，将分组信息与每一个染色体结合，并辅之以λ-交换局部搜索技术，构造了一种改进遗传算法。该算法使得求解结果更接近最优解。实验表明，本算法是有效的。     

一种改进遗传算法在物流配送车辆调度中的应用研究

物流配送是物流活动中一个重要的环节,因此有必要对物流配送车辆进行优化调度,合理规划车辆的行驶路线,实现运输成本最小。首先分析传统的遗传算法求解物流配送问题的不足之处,然后针对染色体中某些需求点编号可能重复出现的情况,设计新的染色体结构,并通过基因的混合交叉方法进行基因重组。通过实例可以看出,改进遗传算法的程序通用性更好,能有效提高搜索到最优配送路径的概率。     

公共慢行系统的动态调度建模与滚动时域调度算法研究

针对公共慢行系统存在公共自行车在时间和空间上分布不均衡的问题,研究了公共慢行系统调度过程中租赁点需求的动态特性及其模糊时间窗的约束,以最大化租赁点的满意度为目标建立了公共慢行系统调度的模型,并用滚动时域调度算法对该模型进行求解,动态的获取调度计划,进而实现公共慢行系统的动态调度。