长大货物多式联运路径优化模型与算法

基于可行性与合理性的角度, 分析了长大货物多式联运路径优化的影响因素。以最小运输时间、里程与费用为目标函数, 以线路限界、桥梁承载能力、起重设备的起重能力为约束条件, 建立了长大货物多式联运路径优化原始模型。考虑了约束条件的改造性特征, 将原始模型扩展优化, 设计了二维序列编码策略, 运用遗传算法求解扩展模型。计算结果表明: 运用提出的优化模型与遗传算法, 最优运输时间、里程和费用分别为12.5d、1 116km、58.18万元, 运用提出的优化模型与模拟退火算法, 最优运输时间、里程和费用分别为15.5d、1 131km、67.74万元; 运用单一的铁路运输方式与遗传算法, 最优运输时间、里程和费用分别为12.7d、1 152km、56.50万元。与其他2种情况比较, 提出的优化模型与遗传算法的综合优化程度分别提高52.22%与8.95%, 可见, 模型可行, 算法有效。     

基于随机时变路网的运输路径选择

针对运输路网中各路段上的行驶时间受交通管理、交通拥挤、天气变化等不确定性因素的影响而呈现出随机时变的特点,引入了路网评审技术中的三时估值法,建立了随机时变路网下以行驶时间最短为目标的路径优化模型,提出了车辆跨时段行驶时路段的时间依赖函数,设计了动态规划标号算法求解。算例求解优化结果的对比分析验证了模型及算法的有效性。     

基于能耗测度的道路拥挤收费模型

分别建立了考虑能源消耗与拥挤收费的小汽车广义出行费用及考虑舒适性消耗的 公共汽车广义出行费用,构建了由这两种交通出行方式组成的交通系统总能源消耗函数.考虑 能耗对出行者路径选择行为的影响,建立能耗目标约束下的以出行时间最小为上层目标函数 的双层规划模型,其中上层模型以一定节能水平下的系统延误最小为目标;下层模型满足双 模式交通网络的随机用户平衡,并采用遗传算法和Frank-Wolfe 算法求解.通过算例,将道路拥 堵收费及节能目标抽象化后代入模型,探讨了道路收费前后交通能耗变化及在不同的节能目 标情况下,道路拥堵收费的节能效果.计算结果表明,在交通需求量较大时,实施道路拥挤收费 有利于减少交通能耗,当节能目标小于25%且同时采取道路收费时,路网出行时间都会相应 减少.     

动态信息下的机场定制巴士路径优化

为解决因航班延误而造成旅客候机时间较长问题,考虑现实路网中阻抗不确定性和机场接驳定制化及差异化出行需求,以运营收益最大、车辆出行成本最小和车辆提前到达的时间窗惩罚成本最小为目标函数,建立了动态信息下机场定制巴士路径优化模型,并采用差分进化算法对其进行求解.为避免算法早熟,提出了改进的自适应操作方法,增强算法的全局寻优能力.通过算例计算表明:考虑航班延误和路网实时订单的动态路径优化模型,可以减少旅客26.61％～46.68％的候机时间,该模型具有较强的可靠性和应用价值.     

基于轨道交通的长清大学城物流配送路径

为缓解城市地面交通压力,提出"轨道交通+配送车"的城市配送新模式。在满足载质量、车辆等约束条件下,以总成本最低为目标函数,建立配送网络并进行路径优化。以济南轨道交通1~#线参与长清大学城物流运输为例,通过里程最小原则得出初始配送方案,根据总运输成本最小原则,采用Ford-Fulkerson算法优化得出最优方案,并与单独采用货车配送的路径方案进行对比,结果表明:基于轨道交通的物流配送可大大缩短配送车的行驶里程,节约运输成本。     

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.     

动态重规划的多目标路径产生方法研究

随着城市现代化发展,交通问题越来越突出,为解决这些问题,智能交通加速发展,合理优化资源分配成为一大焦点。因此,提出一种动态重规划的多目标路径产生方法,主要分为路径选择模型以及路径优化算法两个方面。提出基于时间最短、距离最短、拥挤度最低三个目标的多目标路径选择模型,确定路径求解算法,改进竞争学习神经网络确定拥挤度分类,通过逆向A*算法进行全局路径优化。当检测到路网信息发生变化时,将新信息反馈到系统中,通过增量更新算法进行动态更新,从而实现实时动态路径规划。最后,根据北京市某片区路网情况进行模拟,验证算法的可行性和有效性。     

基于MapBasic的战时运输最优路径问题研究

战时运输最优路径问题是一个多目标多约束随机动态路网寻优问题。在分析战时运输最优路径问题特性前提下,着重研究战时运输路阻函数模型,求出时间阻抗、风险阻抗和费用阻抗,标定阻抗参数μ1,μ2和μ3,及确定函数模型的MapBasic表达,在给出最优路径模型基础上,利用改进的Dijkstra算法求解。实例验证表明研究成果满足实用要求。     

考虑随机需求和时间约束LIRP联合协同优化

针对多节点多层次多功能的供应链管理中整体效益亟待提高的问题,结合某连锁超市的单一供应商、多分销中心、多零售店所构成二级分销网络,建立以系统总成本和供货时间为目标的多目标选址-库存-路径问题(location-inventory-routing problem,LIRP)集成规划模型.利用线性加权法将其转化为单目标规划模型,提出遗传算法和节约里程法相结合的两阶段启发式算法并求解模型,第1阶段用遗传算法求解选址-库存问题,第2阶段用节约里程算法求解车辆路径规划问题.并结合某连锁超市实例,对不同总成本权重下的不同决策方案的分销网络进行LIRP集成优化,优化后的系统方案比原文献的总里程减少了3 606.9 km,系统总成本减小了6 526.2元,缺货成本降低了124.6元,只有19.7元,验证了模型和算法的有效性.     

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。     

城市群环路的双目标规划模型

为了确定城市群环路的合理半径及其环带服务宽度,提出了以走行距离和路径总阻抗为目标函数的双目标规划模型.其中,走行距离函数考虑OD点3种相对位置情况,利用d ijkstra算法求解;路径总阻抗函数采用预算约束的离散交通网络设计的双层规划数学模型,用分枝定界算法求解.研究表明,城市群环路所服务的对象,主要是夹角小于90°的OD对.以成都市都市圈路网为实例验证了模型的可行性.     

带软时间窗的集货与送货多车辆路径问题节约算法

研究了物流配送中多车运输的集货与送货车辆路径规划问题, 以增加时间惩罚费用的方式插入软时间窗约束, 将租车费用、货车运输费用和时间惩罚费用三者之和最小作为优化目标, 建立数学模型。采用启发式节约算法求解该模型, 考虑时间惩罚费用和运输费用, 比较每一配送节点上直接送货和间接送货的节约费用关系, 求出最优配送路径。试验结果表明: 当配送次数达到50次时, 货车平均装载率仍能达到80%以上, 该节约算法能减少货车空程行驶和租车次数, 优化了全局费用。     

动态环境感知的多目标室内路径规划方法

为了满足复杂室内环境中用户的多目标导航需求,提出了动态环境感知的多目标室内路径规划方法. 该方法顾及室内路径复杂度、拥挤程度与阻断事件等多维室内环境语义,扩展了节点-边表示的室内导航路网模型,通过量化表征多维室内环境语义,建立了能够综合感知室内环境语义变化的导航通行成本函数,然后,将顾及室内动态环境语义的导航通行成本函数值作为室内导航路网模型的边长,设计实现了基于Dijkstra的多目标室内路径规划算法. 通过模拟实验分析比较室内路径规划结果,实验结果表明:由于扩展后的室内导航路网模型增加了具有方向性语义的垂直组件,考虑了阻断事件因素,导航路径规划能够避开不可用连接边;在路径拥挤程度分别为轻度、缓慢和堵塞情况下,由于考虑了路径复杂度和拥挤程度,节约的通行时间平均提升了17%.      

基于遗传算法的定制公交路线多目标优化

常规公交乘客乘坐舒适度低,消耗时间长,推行定制公交在一定程度上能够缓解此问题.首先,以最小化乘客的出行时间、最小化车辆的油耗为目标函数,考虑车辆容量限制、出行时间约束、出行费用约束等,建立定制公交路线多目标优化模型.其次,采用改进的NSGA?Ⅱ算法(Nondominated Sorting Genetic AlgorithmⅡ)求解,采用基于未到达交通节点顺序的自然数编码方法进行编码,采取锦标赛选择策略进行选择操作,采用均匀变异方式进行变异操作.最后以兰州市局部路网进行模拟研究.研究结果表明:运用建立的定制公交路线多目标优化模型及算法,能够快速得到优化路径,并且该路径能同时满足乘客出行时间短及车辆油耗低的要求.     

基于碳排放量对城市道路车辆路径规划研究

为满足城市内多区域发展需求,提高车辆配送效率,降低碳排放量,实现低碳绿色出行.通过考虑碳排放环境下对多配送中心车辆路径规划问题(VRP)的影响研究,基于化学反应优化算法(CRO)对模型进行仿真求解,确定最优路径.首先,以碳排放量成本、惩罚成本等总成本最小为目标建立模型;其次,利用化学反应算法进行对比仿真求解,并对优化前后路径进行对比分析.以乌鲁木齐市社区蔬菜直销点的配送中心为例开展研究,结果表明:当原始路径距离为57.82 km时,优化后的路径可增加至60.3 km,优化后的路径距离虽然有所增加,但碳排放成本在一定程度上却有所减少,当碳排放成本为0.1万元/kg时,碳排放成本减少4.65万元,若碳排放成本增加至0.3元/kg,则碳排放成本的减少可达15.75万元,成本节约更加明显,具有一定的实用性与有效性.     

随机时变车辆路径问题的多目标鲁棒优化方法

车辆路径问题 （vehicle routing problem,VRP） 是物流配送的核心问题之一,为了提高物流配送的时效性,在传统VRP模型的基础上,同时考虑了路网交通状态的时变性和随机性,基于最小最大准则,提出了一种带硬时间窗的随机时变车辆路径问题 （stochastic time-dependent vehicle routing problem,STDVRP） 的多目标鲁棒优化模型. 设计了一种非支配排序蚁群算法 （non-dominated sorting ant colony optimisation,NSACO）,求解STDVRP多目标优化模型;通过测试算例,对比分析了NSACO算法与改进型非支配排序遗传算法 （non-dominated sorting genetic algorithm II,NSGA-II）. 研究结果表明:对于车辆数最小的Pareto边界解,NSACO算法的平均车辆数比NSGA-II算法小3.33%;对于最坏行程时间最小的Pareto边界解,NSACO算法的平均最坏行程时间比NSGA-II算法小17.49%.      

���ڿɱ乫������Ƶ�ʵij���ӵ����·�շѶ����Ż�

考虑城市路网中不同出行方式车流之间相互影响,通过对私家车实行拥挤道路使用收费和增加公交发车频率之间的相互制约关系分析,提出了基于可变公交发车频率的城市拥挤道路收费定价的优化问题. 在分析确定路网上公交车和私家车出行方式的广义出行成本的基础上建立了该问题的双层规划模型,其中上层规划以路网上的出行者消费盈余最大为优化目标,下层规划为弹性需求下的组合出行网络用户平衡模型;并设计了基于模拟退火算法求解的优化算法. 算例分析表明,基于可变公交发车频率的城市拥挤道路收费定价模型和算法能够更有效地解决道路拥挤问题.     

基于可变公交发车频率的城市拥挤道路收费定价优化

考虑城市路网中不同出行方式车流之间相互影响,通过对私家车实行拥挤道路使用收费和增加公交发车频率之间的相互制约关系分析,提出了基于可变公交发车频率的城市拥挤道路收费定价的优化问题. 在分析确定路网上公交车和私家车出行方式的广义出行成本的基础上建立了该问题的双层规划模型,其中上层规划以路网上的出行者消费盈余最大为优化目标,下层规划为弹性需求下的组合出行网络用户平衡模型;并设计了基于模拟退火算法求解的优化算法. 算例分析表明,基于可变公交发车频率的城市拥挤道路收费定价模型和算法能够更有效地解决道路拥挤问题.     

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182km。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。     

双模式的交通拥挤收费模型研究

针对公交车和私家车辆两种交通模式,建立了交通拥挤收费的双层规划模型.在模型的阻抗函数计算中,考虑了两种模式之间相互影响及其车载能力的差异.以总体出行成本最小为目标建立上层模型、以用户最优的交通配流模型作为下层模型,出行模式的选择满足Logit模型.通过"对角化"算法直接搜索满足路径选择/模式选择的下层交通配流模型均衡解.通过步长加速和惩罚函数法对这个双层规划模型进行求解,最后给出了算例.