车辆路线问题的平行节约启发式算法

在分析了车辆路线问题特征的基础上，建立了数学模型，并给出了平行节约启发式算法。     

需求可拆分的车辆路径问题及其研究进展

车辆调度是运输环节优化的关键所在,可拆分车辆路径问题作为车辆路径问题的一个重要分支,具有更切合车辆配送的实际情况,更能满足企业经营管理的实际需求。本文首先对需求可拆分的车辆路径问题进行了简要介绍,然后对其国内外研究进展进行了详细分析。     

随机时变下带时间窗的取送货车辆路径问题优化研究

针对城市交通路网存在时变性和随机性的特点,文章研究了随机时变下带时间窗的取送货车辆路径问题,提出了随机时变车辆行驶时间的鲁棒优化方法,考虑车载限制和客户服务时间窗的约束,以总行驶时间最小化为目标,建立混合整数规划模型,并提出两阶段的混合遗传模拟退火算法。使用三行染色体编码方式、多段多点交叉算子和修复算子的遗传算法获得较优解,使用模拟退火算法进行优化,获得高质量的解决方案。最后,基于PDPTW标准数据集和STDPDPTW测试算例对文章所提出的算法进行了大量的数值实验,充分验证了模型及算法的有效性。     

车辆路线安排的一种改进节约算法

首先介绍了求解路线安排的节约算法,指出了其存在的不足,然后提出了一种改进的节约算法,可以更好地解决车辆路线安排问题。     

模糊需求车辆路径问题及其优化算法研究

在实际物流配送问题中,客户需求量可能在制定物流配送路径计划问题时无法被准确获取,随着配送工作的进行,才能逐步获取客户的实际需求量,在需求未明的预优化阶段建立初始路径规划模型,在获知实际需求的实时调整阶段,制定调整策略进行调整。通过对当前模糊需求车辆路径问题相关文献的研究,文章不仅对常见的模糊需求车辆路径问题模型进行了系统的归纳,还对现有的寻优算法进行总结归纳,指出不足,拓展今后可能的研究方向。     

基于随机需求的库存仿真研究

对于随机性（Q，S）库存系统，难以用解析方法求解最优的库存控制策略。利用EXCEL软件和VBA模拟仿真过程，实现了对再订货点和订货量的预测。最后的实例仿真结果验证了算法的合理有效性，表明了该方法在实践生产中的应用性。     

基于随机需求的军事物流中心选址研究

军事物流中心的合理选择,对于提高后勤与装备保障水平,降低军事物流成本具有重要意义。文章针对军用装备的特点,当需求量为随机变量时,建立了军事物流中心选址的随机数学模型。通过等价变换。将该随机数学模型转换成确定性等价问题。结果表明：在随机需求条件下,该方法在保障军事目标实现的同时,能够有效降低军事物流成本,实现了军事效益和经济效益的和谐统一。     

面向随机需求的安全库存管理研究

在考虑到提前期和服务水平的情况下，针对随机需求下的安全库存问题，从定量的角度分析和研究企业应如何设置安全库存，以达到安全库存水平最优，最后以企业实际数据作出算例分析。     

带软时间窗车辆路径问题改进遗传算法

研究了考虑车辆数和总成本情况下的软时间窗车辆路线问题的多目标规划问题。提出了一种改进的遗传算法,在算法中利用适应度函数解决了两个目标之间平衡问题。通过修改交换算子,不仅增加了算法的搜索能力,还去掉了种群差异性的限制。通过实例验证说明该算法能有效地解决软时间窗车辆路线问题,为实际应用提供有力的决策支持。     

服务水平约束的一类随机需求商品进货模型

针对现代企业普遍重视顾客满意度的现实,研究了企业维持一定服务水平和获取最大利润之间的平衡问题,建立了一类受服务水平约束的随机需求商品的最优进货量模型,并进行了求解,最后利用超市蔬菜进货算例验证了该模型的正确性和适用性,为随机需求商品的进货决策提供了理论依据。     

随机存放点和体积下拣货路径问题研究

针对货物存放点和货物体积的不确定性,提出应用交叉熵法解决拣货车路径问题的方法,由于目标函数的复杂性,设计一种基于Monte-Carlo抽样求解路径期望距离的有效方法.为了提高标准交叉熵(CE)法的性能,设计了随分位值大小发生变化的更新Markov转移矩阵关键路径的自适应调整算法.计算结果验证了采用该方法解决此间题的鲁棒性和有效性.     

带混合时间窗的配送车辆路径问题研究

针对传统的配送车辆路径问题,在传统的运距及容量等限制下,增加客户的混合时间窗和车辆在客户点的服务时间,以惩罚、配送总成本最低为目标,构建出带有混合时间窗的车辆路径问题的数学模型.并引入优良基因及最优个体保护策略改进遗传算法,同时设计参数自适应调整公式调整交叉概率,设计了带混合时间窗的配送车辆路径问题的改进遗传算法,最后由实例证明了VRPMTW模型及遗传算法的有效性.     

随机时间约束的城市物流配送车辆路径问题研究

考虑了城市物流配送中道路交叉口延误的影响,提出了基于一定置信水平下满足客户时间约束的机会约束模型,并用遗传算法进行了求解,实例分析表明,该模型及其算法是可行的。     

以均衡为目标的车辆调度问题研究

针对物流配送企业私人承包车辆以及均衡配送线路工作量等新的物流管理理念,提出新的车辆调度模型,将车辆调度问题（VRP）转换为车辆选型和车辆路径优化两个子问题,设计Ak-FirstFit混合算法解决车辆选型问题,运用遗传算法解决车辆路径问题。基于JAVA编写计算机程序,运行结果表明该两阶段算法能够在有效时间内得到满意解。与基于传统物流管理理念的模型进行比较,得出新的两阶段模型能充分体现兼顾效率与公平思想的结论,其理念在物流配送企业中具有相当的借鉴性和推广前景。     

基于混合粒子发群算法的车辆路径化问题研究

设计了一种引入了量子和遗传算法思想的粒子群算法.该算法结合了粒子群优化算法的快速寻优能力和量子算法可以同时处理多个目标的优点,避免了基本粒子群算法易陷入局部最优的缺点.提高了求解速度.该算法用于解决车辆路径问题.通过实验表明了这种算法具有较好的性能.     

基于混合粒子群算法的车辆路径优化问题研究

设计了一种引入了量子和遗传算法思想的粒子群算法．该算法结合了粒子群优化算法的快速寻优能力和量子算法可以同时处理多个目标的优点．避免了基本粒子群算法易陷入局部最优的缺点,提高了求解速度。该算法用于解决车辆路径问题。通过实验表明了这种算法具有较好的性能。     

基于进化策略的开放式车辆路径问题

开放式车辆路径问题(OVRP)是标准车辆路径问题(VRP)的一个扩展,该问题是针对车辆在服务完最后一个顾客点后不需要回到车场的车辆路径问题。针对这类问题,提出了一种改进的进化策略。首先通过优化选择方案研究初始种群,然后基于轨迹进行变异获得子代,同时通过多父代组合来确定每个个体的策略参数。最后,通过若干经典OVRP实例对该算法进行了检验,结果表明这种改进的进化策略是一种求解OVRP问题的有力工具。     

物流配送车辆调度优化方法比较研究

目前，对物流配送车辆优化调度问题（VRP）还是一个研究热点．许多学者采用了各种优化方法来解决实际问题。本文综述了物流配送车辆调度问题的各种优化方法．对其发展历程．优缺点、适用性等都作了详细的说明，并对它们作以比较分析，从而找到最适合现实状况的优化方法。