高速公路物流网络规划LRP模型及算法研究

从高速公路网与物流网络同构相似的关系出发,将高速公路网纳入物流网络体系并构建高速公路物流网络．结合选址-路径问题（LRP）模型来探讨高速公路物流网络规划的方法,把高速公路物流网络规划分解为高速公路服务区作为物流节点的选址布局问题和高速公路作为物流通道的路径安排问题;使用遗传算法对该模型进行求解,并对遗传算法的要素进行设计和改进,提高了求解的精度和效率;最后,通过算例分析验证了模型的实用性和算法的有效性．     

һ�ද̬����·������ģ�ͺ����׶��㷨

针对一类动态车辆路径问题,分析4种主要类型动态信息对传统车辆路径问题的本质影响,将动态车辆路径问题(Dynamic Vehicle Routing Problem, DVRP)转化为多个静态的多车型开放式车辆路径问题(The Fleet Size and Mixed Open Vehicle Routing Problem, FSMOVRP),并进一步转化为多个带能力约束车辆路径问题(Capacitated Vehicle Routing Problem, CVRP),基于CVRP模型建立了DVRP模型;然后,在分析DVRP问题特点基础上,提出两阶段算法,第一阶段基于利用K-d trees对配送区域进行分割的策略,提出了复杂度仅为O(nlogn)的快速构建型算法,第二阶段通过分析算法搜索解空间结构原理,设计混合局部搜索算法;最后,基于现有12个大规模CVRP标准算例,设计并求解36个DVRP算例。求解结果表明了模型和两阶段算法的有效性。     

疫情风险防控下医疗废物运输选址-路径优化

为降低运输医疗废物的疫情风险,提出医疗废物运输选址-路径优化建模与求解方法,旨在协同优化设施选址、能力配置、路径优化和运量分配决策。根据医疗废物感染性、环境传播性和公众感知差异性,设计疫情风险度量模型;结合城市路网结构,构建疫情风险和成本最小的医疗废物运输选址-路径模型;融合带权重的目标规划方法和自适应遗传模拟退火算法,设计多目标优化算法;最后,通过武汉实例和测试算例,验证模型和算法的有效性。计算结果表明：新方法能在25 s内提供多个有效方案,新模型可减少1.4%的总成本和34.25%的求解时间,新算法可减少62.13%的计算时间。     

一类动态车辆路径问题模型和两阶段算法

针对一类动态车辆路径问题,分析4 种主要类型动态信息对传统车辆路径问题的本质影响,将动态车辆路径问题(Dynamic Vehicle Routing Problem, DVRP)转化为多个静态的多车型开放式车辆路径问题(The Fleet Size and Mixed Open Vehicle Routing Problem, FSMOVRP),并进一步转化为多个带能力约束车辆路径问题(Capacitated Vehicle Routing Problem, CVRP),基于CVRP模型建立了DVRP模型;然后,在分析DVRP 问题特点基础上,提出两阶段算法,第一阶段基于利用K-d trees 对配送区域进行分割的策略,提出了复杂度仅为O(nlogn)的快速构建型算法,第二阶段通过分析算法搜索解空间结构原理,设计混合局部搜索算法;最后,基于现有12 个大规模CVRP标准算例,设计并求解36个DVRP算例.求解结果表明了模型和两阶段算法的有效性.     

基于改进蚁群和免疫算法融合的多配送中心路径优化

随着物流行业的快速发展,货物运输需求和仓储需求也在不断增加。在构建物流网络的同时,需考虑车辆路径的配送中心选址问题,而现实中这两个问题是互相影响的。因此,本文建立了以免疫算法为框架,以蚁群算法为核心的综合算法模型。模型第一阶段改进了蚁群算法的禁忌搜索,并融合免疫算法;第二阶段设计了免疫-蚁群算法来求解车辆路径和配送中心选址的相互影响关系,并结合算例数据给出全局最优成本。算例结果表明,该综合算法模型明显优于传统免疫选址-蚁群寻优算法,可节约49.5%的总成本,验证了算法的可行性和有效性。     

考虑碳排放的两阶段选址-路径问题及其算法

为减少物流车辆的碳排放，基于以排放因子为主要参数的碳排放计算方法，建立以碳排放最小化为目标的两阶段选址-路线问题（2E-LRP）模型，并设计了一种可用于快速求解大规模问题的两阶段混合算法（TSHA）.算法第一阶段将2E-LRP转化成不考虑车辆路径的两阶段设施选址问题，调用Cplex直接求解得到配送中心选址和客户分配方案；在此基础上，算法第二阶段中，物流园区到被选用的配送中心以及配送中心到所分配客户的车辆路径问题被进一步转化成若干个独立的VRP (vehicle routing problem)问题，再运用改进的蚁群算法进行求解；最后，对Prodhon标准算例集中全部6个最大规模的算例进行测试.研究结果表明：与TSHA具有相同算法思想的TSHA-Ⅱ算法能够在求解质量下降2.3%的情况下将计算时长大大缩短至25 s左右；TSHA算法在求解考虑碳排放的2E-LRP算例时表现非常稳定，可以作为一种求解考虑碳排放2E-LRP的有效算法.     

配送中心选址与车辆路径一体优化模型与算法

在配送系统中,配送中心选址问题与在此基础上的车辆路径问题相互影响.为了反映两者之间的相互关系,建立了配送系统优化的双层规划模型.模型上层为配送中心选址问题,下层为车辆路径优化问题.由上层模型给出初始配送中心选址方案;在此基础上由下层模型进行配送车辆路径优化;然后计算上层模型中的供应商到配送中心的运输费用,从而得到上层模型的目标函数;再对上层模型方案进行调整.设计了基于遗传算法与粒子群算法的求解方法.算例分析表明,与两者分别优化相比,双层规划模型可以降低配送系统的总成本,提高配送系统的整体效率.     

���ڳ����滮�����򹫹��������� ѡַģ��

针对区域公共物流中心(Regional Public Logistics Center, RPLC)选址问题,考虑到选址问题的不确定性,运用场景规划技术,建立RPLC选址双层规划模型。上层规划模型最小化RPLC建设及运营费用,下层建立分车型随机用户均衡模型用以描述城市内车辆的路径选择。通过预估RPLC在未来运营中可能出现的各种场景,确定相应场景下变量的取值,并求解双层规划模型、确定该场景下的最优选址结果;根据场景发生的概率选取在各种场景下加权平均费用最小的选址结果作为最终结果。同时,本文给出了求解该问题的离散粒子群算法和数值算例。结果表明,所建立的模型和求解算法是有效的,能较好地解决RPLC选址的不确定性,这对于节约RPLC建设和运营成本,减少投资风险是可行的。     

定位-路径问题综述

研究了定位-路径问题(LRP), 总结了国内外LRP模型及其扩展模型, 比较了LRP模型求解算法的适用性, 分析了LRP测试算例的节点分布和数据规模, 提出了LRP研究的主要方向。研究结果表明: LRP模型从基于基础网络的最简化问题(带容量约束的LRP, CLRP) 向多方向模型进行扩展, 包括基于网络复杂化的LRP扩展, 如特定网络系统的多目标LRP (MOLRP)、同时取送货LRP (LRPSPD)、接驳转运中心LRP (CDCLRP)、两阶段LRP (2E-LRP)、选址-弧路径问题(LARP)、卡车和拖车路径问题(TTRP) 与设施地点为二维连续的LRP (PLRP), 基础网络参数不确定化的LRP, 包括带模糊数据的LRP与多计划周期LRP (MPLRP), 且正在向更切合实际的问题如高度集成、不确定与动态LRP发展; LRP算法方面, 精确算法仅可用于求解小规模LRP, 主要LRP求解算法由早期的智能算法逐渐转向元启发式算法、基于邻域搜索优化的算法与混合算法方向发展, 这些改进算法均基于特定LRP设计, 具有更好的求解性能, 尤其是采用基于多种破坏和修复因子的自适应大邻域搜索算法求解大规模LRP取得了较好的解, 且其改造性极强; 常用LRP测试算例的节点呈现均匀分布、堆分布及均匀与堆混合分布, 且逐渐产生了适用于2E-LRP与LRPSPD等扩展LRP的测试算例; 根据物流市场环境变化和需求, 提出LRP未来扩展研究的主要方向, 包括多阶段LRP的扩展(如2E-LRPSPD、考虑库存的2E-LRP等)、节点二维连续的LRP、客户含优先级的带竞争或盈利LRP、混合不确定LRP等切合实际的问题; 提出了LRP求解算法未来方向, 包括设计新型精确算法求解中、大规模LRP, 设计更准确更高效的组合启发式算法与应用近似算法求解LRP及扩展LRP的最优解。      

计及碳减排的共享电动汽车网点选址优化

为解决共享电动汽车网点选址布局不合理问题，从低碳角度出发，以建设共享电动汽车网点成本、用户出行时间成本及建设共享电动汽车网点碳排放和共享电动汽车路径碳排放最小为目标，以共享电动汽车网点覆盖程度为约束，构建计及碳减排的网点多目标选址规划模型，设计多目标优化算法NSGA-Ⅱ(非支配排序遗传算法),以Chicago Sketch(芝加哥写生)网络为算例求解模型得出网点选址结果，并将其与基于K-means(K均值)的聚类算法网点选址结果进行对比。结果表明：计及碳减排的共享电动汽车网点选址模型在车辆路径碳排放、聚类内部平均距离和聚类间平均距离等指标上表现更好。     

铁路物流中心选址-分配问题研究

为了满足铁路集中化运输的要求,基于铁路物流中心的层级特点,结合分层选址的理论和方法,以铁路物流中心覆盖的总需求最大化和物流运输成本最小为目标,以各级物流中心数量、服务能力和服务覆盖范围为约束,构建了铁路物流中心分层选址-分配的0-1整数规划模型.最后针对铁路物流中心选址-分配模型的特点,设计了算例,并采用ILOG CPLEX软件进行求解.算例结果验证了该选址-分配方法的有效性和可行性.     

基于改进遗传算法的物流配送点选址问题研究

在已知物流配送点数目的条件下,以最低送货运输费用为目标,利用最小二乘法推导出多物流配送点的选址模型及其迭代算法;根据遗传算法的基本思想,设计了求解已知物流配送点数目条件下的选址和物流服务分配问题的遗传算法.通过实例证明该模型及算法具有较好的应用价值.     

特大暴雨下城市地铁人员应急救援与疏散优化

为提高特大暴雨下地铁车站人员救援与疏散效率,提出地铁人员的应急救援与疏散优化建模与求解方法,旨在协同优化救援中心选址、应急路径设计与分配决策。针对特大暴雨的危害性和地铁被困人员的心理恐慌程度,改进感知风险度量模型。结合应急救援与疏散的阶段性,建立成本和感知风险最小的应急救援与疏散的选址-路径优化模型。设计基于分解多目标进化算法和分支切割算法的两阶段求解步骤。最后,通过郑州实例和测试算例,验证新模型和算法的有效性。计算结果表明：新模型和算法能在2.13 s内求得有效方案;相较于传统风险模型,新模型能够降低9.03%的运输成本;相较于常规的多目标优化算法,新算法能缩短至少60.00%的求解时间,并有较高的计算稳定性。     

混合交通网络充电站选址模型

电动汽车充电站的合理布局对减少里程焦虑,提高出行舒适度及电动汽车的普及起到了关键作用。本文针对电动汽车充电站建立了基于随机用户均衡的双目标双层规划选址模型。上层模型考虑政府的目标,为系统最优模型,以最小化系统旅行时间和温室气体排放为目标,采用NSGA-II算法求解;下层模型考虑用户的目标,为随机用户均衡模型,考虑带里程约束的多车型混合交通网络分配问题,采用MSA算法求解。最后的算例结果表明电动汽车渗透率、交通组成模式、财政预算水平对充电站最佳选址有较大影响,论证了该模型和算法的有效性以及在实践中的可行性。     

基于静态博弈论的物流配送中心选址优化研究

在叙述物流配送中心选址相关知识的基础上,站在投资人的立场,把物流配送中心的选址问题归结为收益最大问题,建立物流配送中心布局和多维logit选址优化模型,运用静态博弈论的相关理论,采用C++编程作为技术支持,通过模型求解物流配送中心的最佳布局和选址位置,并进行算例分析。     

���ڶ�Ŀ���Ż��ĵ�·����վ��ѡַ�о�

为了研究道路客运站场规划的站场选址优化,提出了一种基于多目标优化的道路客运站场选址方法。首先,将道路客运站场规划区域的道路网简化为有向赋权图,使选址优化问题转化为0-1规划问题;然后,以道路客运站场的建设投资、网络总运输成本以及乘客的总出行距离为优化目标,同时把道路客运的实际条件转化为优化目标的约束条件;最后,利用基于目标值排序组合选择的多目标遗传算法求解模型的Pareto最优解集合,并通过客运站场选址优化算例阐述了模型的求解过程。     

基于新鲜度损耗的社区团购电商配送中心选址研究

社区团购电商S2B2C供应链模式带来了新环境下的选址问题,进行选址决策能够有效降低社区团购平台的运营成本并保障企业利益。为了使选址决策更符合社区团购运营实际,作者调研了社区团购供应链模式并建立了考虑新鲜度损耗的混合整数选址模型,借助蚁群算法设计两阶段求解模型,用于优化选址过程中的成本求解,最后通过算例进行比较分析。结果表明选址策略能够有效降低企业的运营成本,局部最优解会在特定配送中心数量约束条件下出现。     

混合模式下的多车型交叉甩挂调度优化

多车型是甩挂运输发展的新趋势,载重大的牵引车拖带不超过吨位限制的多 种挂车称之为交叉甩挂.为分析多车型交叉甩挂的优势和客户点分布规律的影响,本文建 立了轴辐式与网络型相结合的混合模式下的多车型交叉甩挂调度模型,针对该模型的特 点设计了混合模拟退火算法进行求解,并将其与其他3 种牵引车-挂车匹配策略进行对 比,验证了模型和算法的有效性,同时体现了多车型交叉甩挂在成本节约方面较之于其 他3 种甩挂匹配策略的优势.最后运用4 种策略求解改进的Solomon 经典算例,分析了客 户点分布对目标函数的影响,可为甩挂运输车辆调度提供决策支持.     

多源风险防控下危险废物物流的应急选址模型

为有效防控危险废物安全事故的环境污染、人员伤亡及财产损失,提出一种多源风险防控下危险废物物流的应急选址模型.根据风险受体和环境介质的多样性,构建多源风险度量模型;考虑应急服务半径和多源风险控制的隶属关系,设计"多源风险控制"系数,以多源风险控制最大化和应急成本最小化为目标,构建0-1整数线性规划模型;根据模型计算的复杂性,设计基于遗传算法的多目标求解方法.通过算例验证模型和算法的有效性,计算结果表明:新模型和算法可为危险废物应急管理提供有效选址方案,相较于传统精确算法,新方法可为小规模问题提供的优化方案节约应急成本0.02×108元,并在求解大规模问题时缩短91.67％ 的搜索时间.     

考虑客户满意度的生鲜电商前置仓选址-路径优化

针对生鲜电商前置仓选址-路径问题中成本与客户满意度之间存在的效益背反现象，在仅考虑成本目标的传统选址-路径模型基础上，以生鲜产品送达时间和新鲜度量化客户满意度构建总成本最低和平均客户满意度最高的多目标优化模型。设计带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ),运用精英选择策略、快速非支配排序及拥挤度计算保留优质解和加快算法收敛速度等方法，对Solomon标准算例RC105数据集加入时间窗约束后进行仿真实验，得出最小成本为10 961.87、最高平均客户满意度为0.68的结果。实验结果表明：在不大幅度增加成本投入的情况下，考虑客户满意度的生鲜电商前置仓选址-路径优化模型相较于传统模型，平均客户满意度最高提升19.64%,验证了模型的有效性。同时，该模型还可以为决策者提供不同情景下的前置仓选址-路径方案，满足生鲜电商企业不同发展阶段的决策需求。