基于蚁群算法的应急物流配送车辆调度研究

以车辆配送问题为背景,运用了蚁群算法来求解应急物流配送车辆调度模型。在带有时间窗的基础上考虑应急系统各节点的运输距离和费用构造模型。根据模型的特点,设计了蚁群算法求解方法,并针对蚂蚁路径选择做了改进性分析。实例研究结果表明．蚁群算法在应急物流配送车辆调度问题中具有合理性、可行性和有效性。     

基于模拟退火算法的应急系统选址优化

考虑时间、协作性、安全可靠性和成本等因素,给出了应急系统选址问题的模型,并利用模拟退火算法进行求解.通过实例计算,确定应急系统选址的最佳组合方案,表明了模拟退火算法求解此类问题的有效性.     

基于模拟退火算法的应急系统选址优化

考虑时间、协作性、安全可靠性和成本等因素,给出了应急系统选址问题的模型,并利用模拟退火算法进行求解。通过实例计算,确定应急系统选址的最佳组合方案,表明了模拟退火算法求解此类问题的有效性。     

应急物资中心选址问题的研究

说明了应急物资中心的建设选址问题是应急物流整个体系结构中不可或缺的一个环节,并基于LRP(定位-路径方法)建立了两种选址模型,通过分析两者的关系和区别得到最优模型,最终对所归纳的模型求解.     

基于蚁群算法的甘肃省应急物流配送路径优化研究

针对甘肃应急物流运输与配送问题,构建了配送车辆数最少和车辆行驶总距离最短的多目标应急配送模型,设计蚁群算法对应急物流配送路径模型求解,兼顾考虑多个制约条件下,优化应急配送路线,并以定西市漳县和岷县的二十八个乡镇为算例进行分析,求解配送路线,假设配送中心有容量不同的车辆,每个受灾点只能由一辆车提供配送服务,每条路线上只有一辆车配送,同时规定车辆从配送中心出发完成配送任务后再返回配送中心,研究结果表明蚁群算法对配送路径优化的优越性。     

基于MDHGF改进算法的物流中心选址决策模型

在分析现有选址模型的基础上,本文将MDHGF算法进行改进,建立基于MDHGF改进算法的物流中心选址决策模型.该模型的最大特点是将定性的研究方法和定量的研究方法有机结合,克服各自的缺点.在算法的改进过程中,本文主要是将成本因素单独提出,建立多目标线性规划模型,然后用启发式算法得出可行性方案.对可行性方案,在不考虑成本因素的情况下运用改进的MDHGF算法计算其它因素的综合评价值,然后再次考虑成本因素,借鉴指标满意度法对所得结果进行无量纲化处理,算出每个方案的综合得分,对方案进行排序,为决策者提供依据.     

基于蚁群算法考虑路线安排的单配送中心选址

对一类要求考虑路线安排的单配送中心选址问题建立基于蚁群算法的选址模型,模型目标以配送中心建设费用与运输费用之和最小;同时构造模型的蚁群算法求解结构;最后初步应用证明了该模型解决此类问题的有效性,为单配送选址提供又一种方法。     

基于重心法的应急物流中心选址初探

文章针对应急物流系统对时间的特殊要求,利用重心法建立了应急物流中心的选址模型。结果表明:重心法是一种简便、工作量较小的方法,能较好地简化应急物流中心的选址问题,具有较强的实用性。     

基于免疫—蚁群算法的应急物流配送网络优化研究

论文针对应急物流的配送车辆路径优化问题,建立以应急物流初期有限资源的分配达到整体的最优化（时间短、效率高、安全高、成本低）的多目标模型,结合模型的特点,利用免疫算法和蚁群算法相融合的启发式算法进行求解,最后进行算例分析,解决应急物流配送车辆路径选择的实际问题。     

基于预值的区域应急物流中心选址方式研究

基于应急物流的时间效益需求,在进行应急物流中心选址时,提出选址过程分两个阶段：第一个阶段,构建应急物流中心时间运行费用模型,利用枚举法计算出若干个最优解作为预值。第二个阶段,根据得出的预值,利用最大覆盖模型进行二次选址。最后给出实例对此模型算法做进一步的验证。     

基于聚类算法和蚁群算法的物流配送路径优化研究

物流配送的研究已经成为提高物流效率、降低物流成本的关键。文中在研究物流问题现状以及相关配送路径算法的基础上,提出了一种新的物流配送路径优化方案,对于一个城市内的多个配送点,首先通过K均值算法进行聚类分析得到局部配送中心及其配送范围内的客户点,然后利用蚁群算法设计该配送区域内的最优配送路径。通过仿真实验得知,文中方案设计出的最优配送路径长度较单纯采用蚁群算法有了较大改善。     

基于OpenMP的并行蚁群物流调度算法研究

物流中心调度问题是物流管理的核心问题,基于OpenMP并行编程规范,提出了基于蚁群的物流调度并行优化算法,挖掘多核高性能计算能力,提高物流过程中物件的动态分配效率,提高物流调度系统的可扩展性。     

基于改进蚁群算法的物流配送路径研究

车辆路径问题（Vehicle Routing Problem,VRP）是近几十年来运筹学、应用数学、网络分析、图论、计算机应用及交通运输等学科研究的一个热点问题,其产生于现实的公路交通运输领域,并在通讯、生产、国防、生物、计算机应用等领域得到了广泛的应用。本文着重研究有时间窗的车辆路径问题（Vehicle Routing Problem with Time Windows,VRPTW）}VRPTW现已被证明为NP-hard问题,当问题规模较大时,将很难得到问题的精确解。探讨如何经过少量的计算,得到一个相对满意的解,已成为现阶段学者研究的重点。文中提出用混合蚁群算法求解VRPTW,有效的缓解了信息传递快速与物流反应缓慢的矛盾,提高了物流配送的科学化效率,对电子商务物流配送的发展具有一定的理论意义与应用价值。     

针对第三方物流企业的物流中心选址模型研究及其算法讨论

针对第三方物流企业,提出以物流中心自身能够取得的最大利益为目标的区域物流中心选址模型,并且考虑了物流中心固定运营成本和可变运营成本等成本因素,通过数学模型分析、分解和过滤,结合实际情况,提出一种启发式算法对模型进行求解,并在实际应用中取得了很好的效果。     

基于AHP方法的物流中心选址研究

分析了影响物流中心选址合理性的因素，并将层次分析法应用于物流中心选址中，介绍了采用此方法的具体流程。     

考虑交通区位的物流配送中心选址模型及求解

从交通运输系统的角度出发,物流配送中心选址在考虑物流规划部门与客户之间利益分配问题的基础上。还应该考虑到交通区位优势给物流配送中心运营带来的便利性。在已有双层规划模型的基础上进行改进,通过在模型中设立相关参数来描述交通区位产生的影响。建立了考虑交通区位的物流配送中心选址双层规划模型,同时还考虑到竞争的存在。笔者设计了基于遗传算法的模型求解算法,最后通过一算例来对比验证模型及其算法的可行性。在物流配送中心选址时利用交通区位优势能大大提高其运营效率及效益。     

混合蚁群算法求解物流配送车辆路径优化问题研究

文中在分析VRP与旅行商问题（TSP）区别的基础上,构造了求解VRP的混合蚁群算法。将蚁群系统（ACS）算法同节约量和局部搜索策略2-opt法相结合来改进基本蚁群算法。仿真实验结果表明混合蚁群算法性能优良,能够有效地求解VRP问题。     

国内物流中心选址研究方法综述

以选址方法是否带有主观权重赋值为切入点,通过两个方面对这类问题进行了简要的文献回顾,并在此基础上概要地综述了他们的研究方法,对于个别研究方法也提出了需要进一步改进之处。最后,讨论了在物流中心选址研究中比较适宜的研究方法。