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%.     

排放控制区下集装箱班轮运输船期设计与燃油补给联合优化

为解决排放控制区下集装箱班轮运输船期设计和燃油补给联合优化问题,分析了多时间窗、多起讫时间和多装卸效率等合作协议条款与船舶航行、装卸及到/离港时间之间的关联性。结合燃油补给港燃油价格差异和折扣因素,以船公司航线服务周总成本最小化为目标,构建排放控制区下船期设计和燃油补给混合整数非线性规划模型,设计线性割线近似的求解方法。以中远海运集团有限公司AWE1航线为例,数值实验验证了模型及其求解方法的适用性和有效性。结果显示：船期设计与燃油补给联合优化可使船公司航线服务周总成本降低7.41%;随着船舶到港时间窗长度的增大,船公司航线服务周总成本及船舶在排放控制区内平均航速均随之降低。研 究表明,上述合作协议条款不仅有助于船公司更为灵活地调整船舶航速和船期,还有利于减少船舶在排放控制区内的温室气体排放。     

碳税机制下的生鲜农产品冷链配送路径优化研究

针对冷链配送过程产生大量碳排放的问题,提出了碳税机制下的生鲜农产品冷链配送路径优化方法.首先以碳排放成本和综合成本最小为目标,引入碳税机制定量分析,考虑需求量、需求时间和卸货时间约束,建立了该问题的数学模型;然后提出了一种改进的量子蚁群算法,利用蚁群算法信息更新策略保持群体记忆性,利用碳税成本作为改进算法的决策变量,提...     

全球化：专用汽车产业的大趋势

在汽车产业越来越全球化的年代,作为汽车特殊品种的专用汽车业也避免不了全球化的冲击.专用汽车企业在全球化过程中如何取得竞争优势?他们在全球化的观念上存在什么误区?欧洲专用汽车企业如何攻克诱人的亚洲市场?Kogel公司董事会主席Alexander Tietje将给大家解答这些问题.     

1983年展评会对我国专用汽车影响深远——访汉阳专用汽车研究所首任所长张文礼

回顾我国专用汽车行业60年来所取得的成绩,不能不提"专用车企业的娘家"汉阳专用汽车研究所.从创立至今,汉阳所见证了我国专用车行业的快速发展时期,为我国专用汽车行业的发展做出了突出贡献.最近,记者采访了汉阳所的第一任所长张文礼.     

IAA 2008带来新理念

第62届汉诺威商用车展上,林立着一辆辆崭新的高科技的商用车,让众多汽车爱好者过足了一把瘾.在这些新车的背后,是IAA2008带给我们的全球商用车发展趋势和新的理念.     

抗击疫情 宁波凯福莱紧急动员增援武汉一线

庚子新春,全国人民遇到了一场突如其来的巨大考验:新型冠状病毒感染的肺炎疫情来势汹汹,从武汉蔓延并逐渐波及全国。多个城市宣布暂时关闭景区景点。全国各医疗器械的厂家,加班加点努力生产,口罩厂的工人们放弃假期,坚守在生产岗位上,优先供给湖北;医护人员聚集武汉参加抗击病毒的斗争,给更多的人带去了希望;为了与疫魔竞速,火神山、雷神山医院争分夺秒加速施工建设并投入使用。     

施密茨推出冷藏车新概念

施密茨位于德国Vreden的工厂即将迎来它的"五十岁"生日,这个紧挨荷兰边境的生产基地最近又推出了全新的产量——能量车轴。根据了解,这款车轴应用于冷藏车上。对于一家挂车企业来说,推出一款创新的、独立的、零排放的车轴来说是一个重要的里程碑。     

值得关注的轻量化专用汽车和零部件

锻造铝合金车轮:推广需要时间在国外,美国高速公路上90%的运输车辆的车轮都是锻造铝合金车轮,欧洲、加拿大、南非和澳大利亚等国家和地区的运输     

面向多元场景结合GLNet的车道线检测算法

各种复杂环境下路面车道线的高效精确检测是自动驾驶领域中车道偏离预警系统的关键性技术之一。由于车辆实际运行环境的复杂性和路面车道线的多样性，现有方法在车道线检测的准确性和鲁棒性上仍需不断增强。提出一种面向多元场景结合GLNet的车道线检测算法。首先采用改进Gamma校正对待检测路面图像预处理，消减光照不均匀、夜晚等环境干扰，增强车道线纹理。然后为增强数据集的多样性，在LaneNet网络的基础上引入对抗生成网络DCGAN，构建GLNet网络模型。该模型采用编码-解码的网络结构提取车道线特征（车道蒙板和像素点），通过DBSCAN聚类算法将不同车道线划分为不同的实体，使用H-Net网络学习的视觉转换矩阵优化并拟合输出车道线。最后基于已训练好的GLNet权重模型对车道线进行精确提取，并在Tusimple数据集和自制数据集上测试验证。试验结果表明：该方法的检测准确率可达97.4%，相较于基于LaneNet网络的车道线检测算法明显提高；DCGAN网络的加入丰富了数据集类型，并提高了该模型的表征及分类能力；DBSCAN聚类算法的平均聚类时间约为0.016 s，相较于Meanshift算法运行效率更高。所提出的方法考虑了不规范、环境复杂等多种道路类型的车道线检测任务，提升了对复杂噪声与多元场景的处理能力，在车辆辅助驾驶领域具有较好的鲁棒性和适用性。