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.     

应急物资保障系统模糊多目标LARP 研究

为了将应急物资快速有效地配送至灾区,从供应链的角度构建一个包含应急 物资供应点、集散点、配送中心及受灾点四层结构的应急物资保障系统. 在考虑需求不确 定性的基础上建立一个双层优化模型. 上层模型以最晚运达时间最小、配送总成本最小 及车辆载重利用率最大为目标,决策灾区应急物资配送中心的选址及车辆路径安排;下 层模型以运输总成本最小为目标,决策应急物资集散点的选址及应急物资的分配. 设计 一种自适应遗传算法求解上层模型,运用GAMS 软件求解下层模型. 以“4· 20”四川芦山 地震应急物资保障为背景构建算例,验证模型和算法的可行性和有效性.     

道路网单向交通优化设计模型

为了提高道路网的通行能力和服务水平, 提出了单向交通组织的双层规划模型。上层模型的目标函数为最小总走行时间、最短绕行距离和最少交叉口冲突点数量, 用于求解单向交通的优化方案; 下层模型为用户均衡交通量分配模型, 用于计算上层模型给出的道路网中的路段交通流特征。提出路段组合、可行解判断等方法减少决策变量和解空间, 设计多目标遗传算法进行求解, 并以威海市数据进行实例分析。分析结果表明: 在实施单向交通组织后, 机动车流量与道路容量的平均比值由0.516 1下降至0.487 1, 平均值的方差从0.418 9下降至0.379 1, 机动车的平均出行时间由27.1min下降至25.4min, 单行引起的平均绕行时间仅有0.61min。可见, 提出的模型可应用于中等城市道路网的单向交通方案设计。     

基于双层规划的危险货物配送路径鲁棒优化

针对不确定环境下带时间窗的多配送中心危险货物配送路径优化问题, 提出一种含鲁棒控制参数的鲁棒优化方法; 综合考虑危险货物运输风险、运输费用和服务时间窗, 构建了危险货物配送路径多目标双层鲁棒优化模型, 上层模型追求运输风险和运输费用最小化, 下层模型采用用户均衡交通分配模型; 根据Bertsimas-Sim鲁棒优化理论, 对含有不确定参数的上层模型进行鲁棒对等转化; 联合增强型Pareto遗传算法和Frank-Wolfe算法构建了求解多目标双层鲁棒优化模型的混合算法, 采用3段式编码和解码方法、等位匹配交叉操作以及翻转变异等遗传操作方法求解上层模型, 采用Frank-Wolfe算法求解下层用户均衡模型; 以经典的Sioux-Falls交通网络为例, 对含有3个配送中心、7个需求点的危险货物配送路径优化问题进行案例分析, 以验证模型及其算法的合理性。研究结果表明: 当鲁棒控制参数分别为0、30和60时, 构建的混合算法能分别快速得到3、2和3组鲁棒最优解, 且所有解均为包含具体运输路段和发车时刻的配送方案, 而非配送顺序; 该混合算法与传统两阶段启发式算法相比, 运算时间能节省54.74%。可见, 该混合算法无论是在求解效率上, 还是在解的表达形式上均优于两阶段启发式算法, 能较好地完成不确定环境下危险货物配送路径多目标双层鲁棒优化任务。     

面向多目标站的灵活型公交路径优化调度模型

在已知乘客需求量、车辆载客容量和站点间行程时间的条件下,将车辆的运行时间和乘客出行时间最小化作为目标,构建面向多目标站的灵活型公交路径优化调度模型. 该模型采用引力模型进行车辆路径初始化,采用启发式算法对车辆路径进行最优化求解. 根据仿真案例结果发现,在乘客需求分布存在较大差异和不确定性时,模型仍能满足所有乘客需求,且车辆总行程耗时较为稳定,系统进行路径优化计算耗时较小,验证了模型及算法的实用性. 研究结果表明,面向多目标站的灵活型公交路径优化调度模型能够最大程度满足乘客需求,并在企业成本、乘客时间成本与需求响应方面达到最大平衡,在实际交通中具有重要意义.     

面向多目标站的灵活型公交路径优化调度模型

在已知乘客需求量、车辆载客容量和站点间行程时间的条件下,将车辆的运行时间和乘客出行时间最小化作为目标,构建面向多目标站的灵活型公交路径优化调度模型. 该模型采用引力模型进行车辆路径初始化,采用启发式算法对车辆路径进行最优化求解. 根据仿真案例结果发现,在乘客需求分布存在较大差异和不确定性时,模型仍能满足所有乘客需求,且车辆总行程耗时较为稳定,系统进行路径优化计算耗时较小,验证了模型及算法的实用性. 研究结果表明,面向多目标站的灵活型公交路径优化调度模型能够最大程度满足乘客需求,并在企业成本、乘客时间成本与需求响应方面达到最大平衡,在实际交通中具有重要意义.     

多路公交优先交叉口配时优化的双层规划模型

公交优先感应信号控制会对非优先相位车辆产生不利影响, 为了均衡非优先相位的损失, 降低交叉口及下游公交站台的乘客延误, 建立了多路公交优先交叉口配时优化的双层规划模型。上层模型描述了基于交叉口延误以及下游公交站台乘客排队延误的优先策略时长优化, 下层模型在计算交叉口停驶-加速延误的基础上描述了各相位绿时损失的均衡过程, 以优先策略时长为决策变量, 将优先策略的影响引入到下层模型。利用Gauss-Seidel迭代法设计了求解算法, 并进行了实例分析。分析结果表明: 配时优化后, 周期内交叉口和下游站台乘客的总延误减少了23 576.12s, 同时交叉口车辆停驶-加速延误减少了62.87s, 双层规划模型在公交优先的前提下保障了交叉口的整体效益。     

路径信息诱导的双层规划模型

为了缓解交通拥堵与提高路网运行效率, 建立了路径诱导信息的双层规划模型。上层模型描述信息发布者通过交通诱导信息发布手段优化路网层面的性能函数, 下层模型采用效用函数描述驾驶员最优路径选择行为, 其决策变量为交通信息类型, 从而将交通信息对于驾驶员路径选择行为的影响引入模型中。利用极点搜索算法对一个简单路网的双层规划模型进行算例分析, 得出了各种交通信息条件下上层目标函数值。虽然计算结果存在8%~13%的波动范围, 但交通拥堵时发布的拥堵消散信息是最优方案, 定性信息带来的总体效益要好于指示信息, 因此, 该模型可行。     

基于停车场限制的物流中心选址模型及算法

针对停车场限制的物流中心选址问题,建立了双层规划模型．上层规划以物流中心费用最小来确定物流中心的位置,下层规划建立了配送／采购车辆与城市道路交通组合分配模型,最后,采用遗传模拟退火算法对模型进行求解．     

“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。     

历史街区交通微循环优化的双层规划模型

为满足历史街区日益增加的交通需求, 利用街区内密布的街巷网络组织交通微循环, 建立了历史街区交通微循环优化的双层规划模型, 以提高干路畅通性与路网平均行程车速、缩短绕行时间和控制环境污染为优化目标, 以街区内街巷的通畅和历史遗存保护为约束条件, 构建上层模型, 采用用户均衡交通分配与借助TransCAD求解下层模型, 并选取开封市草市街历史街区进行实例分析。计算结果表明: 优化计算使干路平均饱和度可由0.69最多降至0.36;路网平均行程车速可由26.33 km·h^-1最多提升至28.87 km·h^-1; 街区内街巷平均饱和度可由0.07最多提升至0.37;绕行时间及环境污染得到控制。可见, 该模型的应用缓解了干路网络的交通压力, 提高了街区可达性及总体运行效率, 具有良好的交通效益和环境效益。     

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。     

大型活动后车道单行优化的双层规划

为了缓解大型活动后疏散期间的拥堵,建立了车道单行优化问题的双层规划模型．该模型考虑了交通组织者与参与者之间的共同作用．模型的上层模型的优化目标是总疏散时间最短,下层模型的优化目标是出行者自身疏散时间最短．将离散粒子群算法用于解决该双层规划问题．用简化的实际交通网络检验优化效果．实验结果表明,基于双层规划模型的车道单行方案能减少总疏散时间20％．     

基于层次蝙蝠算法的应急车辆调度与交通疏散协同决策

城市路网多事故应急救援中，因交通拥堵造成应急车辆滞留现象时常发生，严重影响道路交通事故救援效率.提出通过交通疏散提高救援路径的可靠性，构建双层规划模型对应急车辆调度和交通疏散进行协同决策. 设计一种双层蝙蝠算法，上层算法在应急车辆需求、事故时间窗和可用车辆约束下求解响应时间最短的调度方案，下层算法在路段容量和疏散需求约束下求解多条最短路径的交通疏散策略，从中选取最短时间路径. 算例结果表明，本文模型通过缩短应急车辆在途时间有效提升了应急救援效率，算法具有优秀的寻优能力和运行速度.     

基于时空模型的交通流故障数据修正方法

为了提高交通流数据的准确性, 从时间相关性、空间相关性和历史相关性三方面分析了交通流大数据的特点, 建立了基础交通流时空模型。为保证数据处理的精度和速度, 进行了时空模型的简化和标定。将时空模型简化, 抽象为双层规划模型, 上层模型通过控制时空相关参数的数量实现运算速度的优化, 下层模型通过控制误差实现计算精度的优化。应用数据驱动法进行双层规划模型的求解, 完成时空模型的标定。在时空模型的基础上, 提出了交通流故障数据修正方法。以北京市某路段为例, 对交通流故障数据修正方法进行有效性和可行性验证。验证结果表明: 基于历史趋势、空间相关与时间序列的交通流故障数据修正方法的精度分别为79.65%、85.16%、89.84%, 基于时空模型的交通流故障数据修正方法的精度为90.91%, 具有较高的精度, 而且可准确描述交通流大数据的特点。     

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。     

带时间窗VRP问题的多智能体进化算法

基于实用性和合理性的角度, 研究了单个配送中心带时间窗的车辆路径问题。以行驶时间最短和客户等待时间最小为目标函数, 以服务时间窗与车辆载质量为约束条件, 建立了双目标优化模型, 采用基于整数编码的多智能体进化算法求解模型, 并将计算结果与利用遗传算法求得的结果进行对比。计算结果表明: 当客户需求点的数量为13, 需求点的服务时间为5min, 车辆最大载质量为3t, 初始智能体个数为49, 最大进化代数为200次时, 经过30次计算后, 采用遗传算法的最差值为121.8min, 最优值为110.3min, 采用提出多智能体进化算法的最差值为113.6min, 最优目标值为103.6min。可见, 采用多智能体进化算法能够获得更高质量的最优解, 而且经过多次反复试验, 最终解的变化不大。     

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.     

动态行驶时间取送一体化车辆路径问题

为优化真实路网下的车辆配送路径,采用优化 + 调整的两阶段求解方法. 在优化阶段,根据常发拥堵信息,采用遗传算法求解时变取送一体化车辆路径,安排车辆初始配送路径. 在调整阶段,以路段行驶时间为时间间隔,采用滚动更新策略调整车辆配送路线躲避偶发拥堵. 在针对车辆路径调整问题构建了一系列混合整数规划模型的基础上,设计了2-opt + insertion启发式算法求解模型,并结合Dijkstra算法求解到的客户点间最短行驶路线,将车辆配送路径转化成了真实路网中的车辆配送路线. 数值实验测试结果表明:滚动更新策略中,以路段行驶时间为时间间隔比以客户间行驶时间为时间间隔减少车辆行驶时间0.24～11.95 min;以路段行驶时间为时间间隔比以24 min为时间间隔减少车辆行驶时间0.08～8.06 min,比以6 min为时间间隔减少更新次数10.02～34.59次,因此,固定时间滚动更新策略中的最优时间间隔难以确定,其实用性较差. 2-opt + insertion启发式算法求解速度是遗传算法的4倍.      

基于CTM的信号优化设计及求解

为合理控制交叉口交通流, 优化相位方案和信号配时, 基于元胞传播模型和双层规划方法进行信号优化设计。以交叉口入口引道交通流为研究对象, 改进元胞划分及其状态描述方法, 建立了交叉口元胞传播模型; 以相位优化问题为上层规划, 以配时优化问题为下层规划, 同时优化信号相位和配时。应用精确罚函数法转化下层规划后, 集成遗传算法和混沌优化方法, 设计了信号优化求解算法。实例计算结果表明: 该算法克服了混沌优化在大范围内失效的缺点, 提高了遗传算法的局部搜索能力和搜索精度, 与相位固定的感应控制相比, 车流总延误为270.2 pcu·h, 总延误减少了5.6%。