云计算环境下的物流资源调度算法研究

针对系统处理大规模物流调度信息能力不足的情况,提出了一种基于云计算环境下的物流资源调度优化模型对问题进行求解.在云计算环境下处理订单信息、车辆调度信息,并针对所有订单生成最合理的配送方案,通过对物流主要资源配送车辆的调度研究,建立配送路径算法模型以及最小配送成本算法模型,作为物流资源调度方案的解决策略.通过仿真结果表明,该算法能有效处理大量的物流资源调度信息,同时缩短计算求解时间.     

基于改进遗传算法的成品油配送车辆调度问题研究

为有效解决成品油配送中的油罐车车辆调度问题,构造了多车型-多油品-多加油站的成品油配送车辆调度优化的数学模型,设计了改进遗传算法对所提出模型进行求解,并用具体算例验证了模型和算法的有效性.     

遗传算法在VRP问题中的应用

配送是物流系统中一个直接与消费者相连的重要环节,对配送系统进行优化,可以提高物流经济效益、实现物流科学化。因此配送系统的优化问题显得尤为重要。进行配送系统优化,主要是配送车辆调度的优化。文章在全面分析研究物流配送业务特点的基础上．针对配送中的核心问题——车辆调度优化问题进行了深入的研究,建立了单源点物流配送车辆调度优化问题的数学模型,并运用遗传算法对其进行求解,仿真实例证明了该方法的有效性。     

考虑外包车辆和加班条件的车辆调度问题研究

针对现实生活中配送企业车辆资源有限和配送工作人员加班工作的特征,在同时考虑外包车辆和配送人员加班情况下,建立以最小化车辆配送总成本为目标函数的车辆调度模型,并将免疫算法与蚁群算法相结合对模型进行求解。最后结合车辆调度具体算例,将免疫蚁群算法与蚁群算法进行比较,结果表明该算法不仅可以获得最优解,而且提高了求解效率,是一种有效的方法。     

异质车辆配送库存优化问题研究

本文考虑了不同车型及车辆容积载重、配送优化等约束,研究了多车型短周期配送的带补货的库存优化问题,建立数学模型,确定周期内的配送计划,并设计了一种基于装箱的贪心算法求解。本文最后通过算例测试算法求解本文模型,求解结果表明了本文模型是一种求解多车型短周期配送考虑库存补货优化问题的有效解决方法。     

基于粒子群算法的应急物流配送车辆调度研究

结合应急物流配送的车辆优化调度问题,根据应急物流配送的突出特点,对应急物流配送车辆调度路径优化进行了探讨。并建立应急物流配送车辆调度模型,用粒子群算法对车辆的配送路径进行优化。最后通过对实例的分析,验证了本文所提出的模型、算法具有合理性和可行性。     

基于低碳排放的多车型车辆路径优化问题研究

针对物流配送过程中,如何合理安排配送路线,提高配送效率、降低配送成本和碳排放量的问题,分析了车辆载重量、行驶速度、行车距离、交通状态等因素对车辆油耗的影响,建立了以最小化配送成本和碳排放量为优化目标的多车型车辆配送路径模型。同时,结合蚁群算法对该优化问题进行求解。仿真结果验证了算法能够有效的降低配送成本和碳排放量。     

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。     

配送车辆调度问题刍议

1研究配送车辆调度问题的意义配送是物流系统中的一个重要环节,它是指按客户的订货要求,在物流中心进行分货、配货工作,并将配好的货物及时送交收货人的物流活动。在配送业务中,配送车辆调度问题的涉及面较广,需要考虑的因素较多,对配送企业提高服务质量、降低物流成本、增加经济效益的影响也较大。该问题包括集货线路优化、货物配装及送货线路优化等,是配送系统优化的关键。国外将配送车辆调度问题归结为VRP(VehicleRoutingProblem,即车辆路径问题)、VSP(VehicleSchedulingProblem,即车辆调度问题)和MTSP(MultipleTravelingSalesma…     

基于遗传算法的车辆路径问题ExtendSim仿真与优化

文章首先介绍了物流领域中经典的车辆路径问题（VRP）,以及解决该问题的算法,然后论述了遗传算法在解决VRP上的应用,并详细地叙述ExtendSim仿真软件如何对某一VRP进行建模优化,最后得出最优方案.验证了这一仿真优化方法是解决VRP的一种有效途径.     

改进的遗传算法在战时油料运输车辆路径问题中的应用研究

文章首先对战时油料运输车辆路径问题（VRP）进行了分析,阐述了战时油料运输车辆路径问题的优化目标,并建立了多目标的优化模型;接着简介了遗传算法的优缺点,并设计了一种改进的遗传算法运用到问题的求解中;最后举例进行了计算和分析．验证了模型和算法的有效性     

车辆路径问题:研究综述及展望

车辆路径问题是物流系统优化中的关键内容之一,是现代物流管理研究中的重要内容。文章梳理分析了车辆路径问题(VRP)的分类、模型及算法等,详细综述了多车型、多车场、时间窗车辆路径问题研究现状,指出联盟车辆调度问题、考虑车辆(供应)时间窗的车辆调度问题可能是VRP问题未来新的研究趋势。     

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。     

蚁群算法解决有时间窗的车辆优化调度问题研究

有时间窗的车辆路径问题（Vehicle Routing Problem With Time Windows，VRPTW）属于NP-Hard问题，严格的时间约束使VRFTW非常复杂。应用蚁群算法（Ant Colony Algorithm,ACA）思想来解决VRPTW。对已有蚁群算法解决车辆路径优化问题（VRP）的模型进行改进，对算法中相应的转移规则和轨迹更新规则进行了重新设定，改进了算法转移策略和信息素更新策略。给出了算法的实现步骤。通过算例分析，将计算结果与遗传算法（GA）和粒子群算法（PSO）作了比较，对模型和算法的正确性、高效性、适用性进行了验证。实验结果表明，ACA可以快速、有效求得VRFTW的优化解，是求解VRFTW的一个较好方案。     

微粒群算法在自然灾害等引起的变化路径运输问题中的应用研究

"11.15"的上海特大火灾造成了巨大的人员与经济的损失。如果消防车辆能克服交通系统的不畅而更及时赶到的话,或许结果会不一样。因此如何将路径变化运输转化为车辆路径问题(Vehicle Routing Problem,VRP),并求解恰当的行车路径,对于城市应急以及日常的物流配送企业都有着重大的现实意义及经济价值。文中将微粒群算法(Particle Swarm Optimization,PSO)应用于车辆路径问题,建立车辆路径问题的微粒群算法的数学描述,编译出此问题的程序,并对一个实例进行仿真分析。     

一类VRP问题的改进PSO算法求解

VRP问题是物流领域的热点研究问题。在对一类典型的VRP问题建立了数学模型,提出了一种改进粒子群优化算法以求解该模型。算法针对问题设计了顺序编码方案,并引入了局部搜索以提高算法的局部搜索能力。仿真结果表明了所提离散粒子群优化算法求解此类VRP问题的有效性。     

面向对象的车辆路径问题仿真研究

针对车辆路径问题的复杂性和随机性,采用离散事件仿真的方法对车辆配送过程建模,并用面向对象技术实现了仿真模型。通过对象识别和层次划分,将模型分为实体建模和仿真控制建模两部分,构建了面向对象的车辆路径问题的仿真框架。这种方法克服了精确算法和智能启发式算法较难解决具有NP—hard性质的多约束车辆路径问题的弊端,实验结果验证了新方法的有效性和可行性。     

基于扫描算法的启发式构造方法比较

针对车辆路径问题,基于扫描算法第一阶段的解,应用启发式算法中的最近插入算法、凸包算法和最远插入算法求解第二阶段。通过仿真实验,从总里程和算法运行时间两个方面对各算法性能给出评价。结果显示,在应用扫描算法进行聚类后,求解路径排程阶段,凸包算法虽然用时多于其它两种算法,但在里程上有明显优势,最远插入算法与最近插入算法在运行时间上没有显著差别,但在总里程上,前者较好。