基于连通可靠性的车辆路径问题

物流配送车辆路径问题(VRP)是一个NP-hard问题,很多求解方法仅考虑路网连通无穷大的情况,将其看成平均旅行时间问题,对于突发事件下造成路网拥堵情况下的车辆路径问题很少涉及,对此结合蚁群算法,对突发事件下各路段的连通可靠性进行比较后选择合适路段通过,用以提高路网的通行能力。     

改进蚁群算法在物流配送路径择优规划中的应用

<正>1.基于改进蚁群算法的物流配送路径择优规划方法1.1建立目标函数物流配送路径择优规划问题，是由多个配送中心和多个客户节点组成，此次研究场景为配送中心，根据物流配送路径择优规划需求，对物流配送择优规划问题提出如下假设：假设1：用于物流配送的车辆型号相同，物流配送路程不能超出配送车辆运行的最大行驶距离；假设2：物流配送车辆均从配送中心取货，     

基于遗传模拟退火算法的战时物流配送路径优化研究

综合考虑战时物流配送车辆路径问题（VRP）的多目标评价，提出多属性道路网络下战时物流配送的VRP算法，并建立完全分层优化模型。将进化算法与传统优化技术相结合，构造了模型的两层求解算法，第一层采用遗传算法和模拟退火算法混合的GASA算法，第二层采用枚举法。并以成品燃油配送为例进行了实验，结果表明算法较标准遗传算法更有效。     

基于蚁群算法和人工神经网络的物流配送中心选址决策

将蚁群聚类算法和人工神经网络进行融合,提出ACC—BP算法,并将其用于物流配送中心的选址问题,利用实验数据进行训练得出最终评价模型。     

聚类车辆路径问题研究综述

<正>车辆路径问题（Vehicle Routing Problem,VRP）是学者们在交通运输与物流领域研究的一个热点问题,聚类车辆路径问题（Clustered Vehicle Routing Problem,Clu VRP）更好地描述了现实场景下的包裹递送服务。对聚类车辆路径问题的研究可以为物流企业在制定配送计划方面提供理论支持,帮助企业更好地进行物流配送服务计划的制定,具有一定的现实意义。本文将对聚类车辆路径问题进行概述,并对国内外研究进行简要综述,分析总结当前的研究成果并进行未来研究方向的展望。     

突发事件下高速铁路列车运行调整研究

列车运行调整属于大规模的组合优化问题,其约束条件多,求解复杂,而突发事件下运行调整难度进一步加大。基于高速铁路采用的准移动闭塞制式,综合考虑列车区间运行时间、发车时间、停站时间、车站到发线数量以及追踪间隔时间等约束,以所有列车的总延误时间最小为目标,建立突发事件下的列车运行调整优化模型,利用具有动态变化惯性权重的粒子群算法求解模型。分析表明:突发事件下的列车运行调整优化模型及算法可以满足突发事件下高速铁路列车运行调整的时效性要求;动态变化惯性权重的粒子群算法具备较快的收敛速度与较强的局部挖掘能力。     

基于遗传禁忌混合策略的配送车辆优化调度问题研究

本文从为物流配送的企业提供智能化、决策化支持的目标出发,对车辆优化调度问题进行分析,提出了实用性强的遗传禁忌混合式启发算法对物流配送车辆进行优化调度,为物流配送企业实现计算机优化车辆调度、降低物流成本和提高物流经营管理水平、更快地响应顾客,最终能显著增加企业竞争力提供参考。     

经济时代下成品油物流配送运输与管理的建议

<正>石油是我国工业发展的主要依托能源，在我国经济社会中是不可或缺的资源。成品油作为石油加工的产品，其运输管理水平和效率都将直接影响石油能源的利用率。本文将从成品油物流配送运输概述出发，以石油能源可持续利用、经济高质量增长为主要方向，在分析成品油物流配送运输与管理现状以及存在问题的基础上，探求经济时代下成品油物流配送运输与管理优化策略，以期为相关产业的健康发展提供参考。     

物流配送车辆优化调度模型研究

综合我国物流配送的特点,在车辆类型、车辆载重、客户时间窗等约束条件下,建立多配送中心、多车型的物流配送车辆优化调度模型,并综合应用启发式算法中的C-W节约法和精确算法中的动态规划法进行算例分析,验证所建模型的正确性.     

基于经济性和时效性的城市配送中心选址模型研究

配送中心的选址对城市物流配送的时效性具有决定性影响,在进行配送中心选址时必须综合考虑经济性和时效性要求.根据物流配送的时间需求,结合城市配送特点,构造具有时效性约束的配送中心选址模型,以总成本最低为目标,对物流配送中心进行选址优化.算例表明,运用LINGO 9.0对城市配送网络模型进行选址优化,可以快速得到最优解.     

基于启发式函数蚁群算法的VRP优化研究

车辆路径问题是一个NP难题,蚁群算法是求解诸如车辆路径安排等组合优化问题的有效工具,为此利用启发式函数对传统的蚁群算法进行改进和优化.并通过实例对该方法进行检验,其结果显示,启发式函数蚁群算法的性能,优于传统的蚁群算法.     

铁路空车调整蚁群算法的研究

依据数量调配和网络配流两个空车调整的核心问题,建立了空车调整协同优化模型,并设计了相应的蚁群算法。由于共同径路约束与模型是不协调的,且对流约束不会对模型的最优解产生影响,故而模型可以描述为线性整数规划模型。同时,研究表明蚁群算法对求解空车调整问题具有一定优势。     

基于改进型蚁群算法的货物作业车取送模型优化

介绍了蚁群算法及其改进型的原理、模型和算法实现过程,并采用改进型算法对货物作业车取送数学模型进行了优化计算。优化计算结果表明,改进型蚁群算法的优化计算切实可行,为类似其他的铁路运输优化计算提供了新的思路和方法。     

A modified ant colony optimization algorithm for multi-item inventory routing problems with demand uncertainty

This paper addresses an integrated model that schedules multi-item replenishment with uncertain demand to determine delivery routes and truck loads, where the actual replenishment quantity only becomes known upon arrival at a demand location. This paper departs from the conventional ant colony optimization (ACO) algorithm, which minimizes total travel length, and incorporates the attraction of pheromone values that indicate the stockout costs on nodes. The contributions of the paper to the literature are made both in terms of modeling this combined multi-item inventory management with the vehicle-routing problem and in introducing a modified ACO for the inventory routing problem.     

铁路编组站阶段计划动态调整方法研究

铁路编组站阶段计划执行过程中的不确定事件导致其无法持续最优,阶段计划动态调整方法对于提高编组站作业效率具有重要意义。研究提出包括时间预测、动态车流推算、计划调整、计划实施、实时信息采集反馈等步骤的阶段计划动态调整流程,通过计算残差相关系数进行数据属性相关性分析和降维处理,利用机器学习方法和神经网络模型预测各阶段作业过程用时,建立基于作业过程用时精准预测的动态车流推算模型,对动态车流推算过程进行符号化描述,提出模型的约束条件和目标函数,设计基于蚁群算法的编组站动态车流推算模型求解算法。结果表明,作业过程用时预测误差随训练集样本数量增大而逐渐减小,蚁群算法计算时间满足阶段计划动态调整实际应用的需要。     

Hierarchical multi-objective evacuation routing in stadium using ant colony optimization approach

Evacuation planning is a fundamental requirement to ensure that most people can be evacuated to a safe area when a natural accident or an intentional act happens in a stadium environment. The central challenge in evacuation planning is to determine the optimum evacuation routing to safe areas. We describe the evacuation network within a stadium as a hierarchical directed network. We propose a multi-objective optimization approach to solve the evacuation routing problem on the basis of this hierarchical directed network. This problem involves three objectives that need to be achieved simultaneously, such as minimization of total evacuation time, minimization of total evacuation distance and minimal cumulative congestion degrees in an evacuation process. To solve this problem, we designed a modified ant colony optimization (ACO) algorithm, implemented it in the MATLAB software environment, and tested it using a stadium at the Wuhan Sports Center in China. We demonstrate that the algorithm can solve the problem, and has a better evacuation performance in terms of organizing evacuees’ space-time paths than the ACO algorithm, the kth shortest path algorithm and the second generation of non-dominated sorting genetic algorithm were used to improve the results from the kth shortest path algorithm.     

Ant colony optimization for disaster relief operations

This paper presents a meta-heuristic of ant colony optimization (ACO) for solving the logistics problem arising in disaster relief activities. The logistics planning involves dispatching commodities to distribution centers in the affected areas and evacuating the wounded people to medical centers. The proposed method decomposes the original emergency logistics problem into two phases of decision making, i.e., the vehicle route construction, and the multi-commodity dispatch. The sub-problems are solved in an iterative manner. The first phase builds stochastic vehicle paths under the guidance of pheromone trails while a network flow based solver is developed in the second phase for the assignment between different types of vehicle flows and commodities. The performance of the algorithm is tested on a number of randomly generated networks and the results indicate that this algorithm performs well in terms of solution quality and run time.     

铁路旅客列车车底套用优化模型的研究

在列车车底数量有限的条件下,利用多商品网络流模型对列车车底的套用问题建立数学优化模型,对车底套用方案进行优化,即把列车运行图转化为网络图,而后根据流守恒、容量限制和维修等约束条件,建立以列车运输能力最大化为目标的整数规划模型。     

基于谱系聚类分析的集装箱装箱方案优化研究

围绕集装箱装箱优化问题,在聚类分析中利用谱系聚类分析原理,提取包装箱的长、宽、高作为3行1列矩阵,对包装箱进行聚类分析后,得到聚类的个数和各类的长、宽、高尺寸。然后,选取聚类中的任意4种作为方案生成的输入,利用层叠原理、边际方法、递归原理对选取的包装箱进行装箱,以达到占有率较高的目的。同时通过图形显示,对方案生成结果进行简单的一维和二维示意。     

用蚁群算法求解类TSP问题的研究

铁路运输调度问题能否很好解决对于铁路运输公司至关重要,旅行商问题(简称TSP)经常被用来研究运输调度问题。根据某化工集团铁路运输公司的生产实际,提出了“类TSP”问题,但由于“类TSP”和TSP有很大区别,以前求解TSP的优化算法不能直接用于“类TSP”的求解。利用蚁群算法是可以较好解决TSP的一类新型模拟进化算法,适应“类TSP”的要求,并通过“蚁后规则”和变异机制的引入,提出了一种改进的人工蚁群算法。计算机仿真结果表明该算法求解“类TSP”是行之有效的。