危险货物运输中最佳路径的计算

以运输风险最小、运营时间最小和运营成本最小作为危险货物运输路径问题的目标函数,建立多目标决策模型。把多目标问题按权重转化为单目标问题,然后应用图论中的广度优先搜索思想,给出优先队列的进出队方式,求出最佳路径。最后通过算例验证了算法的有效性,证明了该算法简单,计算效率高。     

基于总成本最小的多式联运运输方式选择

运输总成本是多式联运企业选择运输方式最优先考虑的因素,而总成本最小是目前大多数多式联运企业追求的目标。通过运筹学中的网络图理论构建多式联运运输网络图,基于总成本最小建立模型,将求解最短路径的Dijkstra算法用来求解模型,在求解实例问题过程中印证了整个模型的可行性。     

基于演化蚁群算法的多目标物流网络优化

物流网络优化中普遍存在着多目标优化的问题.传统的多目标优化算法容易陷入局部最优,采用了多种群相关的蚁群算法求解多目标物流网络优化问题,两个种群分别针对总运费最小和最大单程距离最小两个优化目标,考虑蚁群算法的收敛速度,采用遗传算法对蚁群算法的多个初始参数进行优化选择.实验结果证明,该模型算法可以有效迅速地求得最佳路径,为决策者提供多个可选择的优化方案,避免局部最优解.     

考虑客户分级的冷链物流多温共配车辆路径优化

考虑客户分级的冷链物流多温共配车辆路径问题,结合软时间窗约束,依据多温共配特性对客户实施分级处理,建立以车辆运输成本、蓄冷箱成本和时间惩罚成本之和最小为目标的多温共配车辆路径优化模型,设计相应的单亲遗传算法对模型进行求解。实验结果表明,该模型能够引导企业优先服务重要客户,从而提高企业的竞争力。     

蚂蚁算法在复杂性运输路径问题中的应用——多车场多车型路径问题

车辆路径问题中,行驶路线往往取决于一系列约束条件,如配送中心个数,货物需求量,交发货时间,车辆容量限制等。要想达到一定的目标,如路程最短,费用最小,时间尽量少,车辆尽量少等,就得借劲于合适的算法去解决实际的问题。蚂蚁算法在解决著名的旅行商（TSP）问题上已取得了很好的成效,目前已陆续渗透到其他问题的求解上。文章主要针对多车场多车型车辆路径问题,用蚁群算法以及蚁群算法的优化算法去解决一些实际问题。     

应急物流分配模型及算法研究

以带有完成任务时限最短和总费用最小为目标的应急物流分配问题为研究对象;构造了基于网络算法,通过消弧和最小费用路算法求多目标最优解的算法步骤;最后给出了算例,验证了算法的有效性.     

多式联运路径优化模型与方法研究

考虑到多式联运路径的选择受到运输成本、运输时间、运输质量和服务水平等相关因素的影响,将多式联运的路径优化问题转化成为一个广义最短路径问题.以成本和时间为优化目标建立了适应运量变化情况下的多式联运路径优化数学模型,并选择蚁群算法对实际问题进行了求解验证.     

基于聚类与遗传算法的生鲜产品配送优化

物流配送订单地理位置复杂繁多,配送路径纵横交错,合理的配送路径选择能降低物流配送的成本,提高配送效率以及提高企业的整体管理水平.在k-means算法以及遗传算法的基础上,对生鲜超市的配送订单进行分析,构建仓储成本、运营成本、建设成本、配送燃油与过路费用、运输压力损失成本和产品新鲜损失成本等综合成本最低的多目标规划模型.通过实际案例验证,结果表明k-means和遗传算法能有效解决生鲜产品配送优化问题,为生鲜产品配送优化提供参考.     

分层物流网络设计及启发式算法求解研究

按照服务小区将物流设施分层划分,在传统物流网络的基础上设计了分层网络.以建设费用最小、运输费用最小为目标,建立了多目标整数规划模型.模型分解为选址问题和运输问题,并采用邻域搜索算法计算选址问题、免疫克隆算法求解运输问题,设计了求解模型的启发式算法.算例说明了算法的可行性和有效性.最后,在给定不同建设、运输费用权重参数的条件下对零售商的建设数鼍进行了灵敏度分析.     

需求不确定条件下低碳供应链网络设计研究

不同的碳排放约束会对供应链网络设计的选址及工厂环保等级的选择产生影响。文中综合考虑环境投资决策、网点选择以及路径的选择等问题,以总运作成本、生产和运输途中碳排放量最小为目标,建立不同需求情境下、需求不确定的多产品双目标混合整数规划模型,结合ε约束法设计了基于情景的求解算法。最后通过算例分析,验证模型和算法的有效性。