基于改进节约算法的选址与配送一体化问题优化研究

针对一类配送中心选址以及路线选择的一体化问题,提出一种能同时解决配送中心选址和配送问题的方法。通过建立改进的车辆路径选择模型,然后将节约算法进行改进,从而同时解决这类一体化问题。并以荣森物流公司的选址问题为基础,给出算例,验证该算法的可操作性。     

闭环物流系统的成本因素分析

根据定位-配给。运输车辆安排，定位运输，定位-路径-库存等问题概念给出了此类问题的国内外研究现状，并结合闭环物流系统特征，给出闭环物流系统中关于选址-路径-库存问题的研究思路及成本因素分析。     

基于遗传算法的配送中心选址问题研究

以绵阳市配送现状为背景,在充分考虑配送中心利益的基础上,考虑了配送中心选址地点、建设费用以及配送中心车辆调度等因素,基于遗传算法提出一种新的选址模型,最大限度上降低物流配送成本。     

微粒群算法在现代物流系统优化中的应用

根据物流系统优化问题和微粒群优化算法的各自特点，提出了采用微粒群优化算法求解物流系统优化问题的相关策略，对微粒群优化算法在旅行商问题、车辆路径问题、配送中心选址问题、布局优化问题上的应用进行了研究。     

考虑多运输模式的农村快递共配LRP问题

为完善农村县-乡-村三级物流寄递体系,满足农村快递发展需要,基于配送资源共享理念,以整合快递、邮政、交通、商贸流通等多产业物流配送资源为导向,提出了基于县域共配的“1+N+N”农村快递共配模式。同时,以优化共配网络为目标,结合县域共配模式分析,针对车辆调度中自有车辆运输和委托运输两种运营方式,设计了联盟自有车辆循环取货、定点定线的客货联运班列运输和社会车辆捎带开环运输三种运输模式,并构建以节点建设成本、车辆运输成本和系统总成本最低为目标,以车辆行驶里程和载重量为约束,考虑同时取送货和多运输模式对应多车型的二级网络选址-路径规划模型,最后设计遗传算法求解乡级节点选址、各下级节点运输服务方式选择及车辆路径问题,并通过实例验证模型的可行性和准确性。     

基于双层规划的供应链分销中心选址模型与算法研究

在以往的选址模型的基础上,建立了反应客户需求的分销中心选址双层规划模型,该模型在引入产品厂家到分销中心的运输成本费用以及客户对产品的时间限制的基础上,考虑具有非满载车辆路线选择问题,来确定使总费用最小化的分销中心的数量,以及分销中心与用户的供需关系.     

带车辆路线安排的多配送中心选址问题的求解——基于SPSS和遗传算法

研究了带车辆路线安排的多配送中心选址问题。首先根据宏观的定量指标对需求点运用SPSS进行区域划分,将一个多配送中心选址问题转化为多个单配送中心选址问题,然后,在一辆配送车一次只能为一个需求点供货的情况下,建立并求解了单配送中心选址问题的整数线性规划模型;在一辆配送车一次可以为多个需求点供货的情况下,用遗传算法求出了最佳车辆配送路线和最佳选址位置。     

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。     

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。     

基于人员和车辆可租赁条件下的车辆路径选配模型及优化

物流服务供应商面临的决策问题常常是复杂的规划问题。文中考虑短程的计划,物流服务供应商在需求点的时间窗、车辆的容积和人员的调度,包括租用的人员和车辆的条件下决定收发件路线,建立了路线和人员调度相结合的规划模型。采用节约启发式算法来求解车辆路径问题,得到路线安排的满意解。之后采用贪婪启发式算法对人员进行分配,通过实际案例得出:在租赁人员和车辆的情况下比不租赁人员和车辆总的费用更低。结果表明,启发式算法既能够满足时间限制,又能够节约运输里程和费用。     

Vehicle flow formulation for two-echelon time-constrained vehicle routing problem

Two-echelon routing problems, including variants such as the two-echelon vehicle routing problem (2E-VRP) and the two-echelon location routing problem (2E-LRP), involve assignment and location decisions. However, the two-echelon time-constrained vehicle routing problem (2E-TVRP) that caters to from-linehaul-to-delivery practices does not involve assignment decisions. This routing problem variant for networks with two echelons has not yet attracted enough research interest. Localized or long-distance services suffer from the lack of the assignment decisions between satellites and customers. Therefore, the 2E-TVRP, rather than using assignment decisions, adopts time constraints to decide the routes on each of the two interacting echelons: large-capacity vehicles transport cargoes among satellites on the first echelon, and small-capacity vehicles deliver cargoes from satellites to customers on the second echelon. This study introduces a mixed integer linear programming model for the 2E-TVRP and proposes a heuristic algorithm that incorporates the savings algorithm followed by a variable neighborhood search phase. Illustrative examples are used to test the mathematical formulation and the heuristic and a case study is used to demonstrate that the heuristic can effectively solve realistic-size instances of the 2E-TVRP.     

基于二层规划的选址库存路径问题研究

针对一个生产基地,多个配送中心和多个零售商的供应链二级分销网络,根据物流配送决策的实际过程,利用二层规划方法建立了一个选址库存路径问题模型,其中上层规划为配送中心选址模型,下层规划表示客户选择最佳配送中心、库存及路径问题,设计了双层模拟退火算法求解该模型,最后利用不同问题规模的算例将该算法与标准的模拟退火算法进行对比,结果证实改进算法的有效性。     

基于真实路网的车辆路径问题研究

车辆路径问题(VRP)是广泛应用于物流配送的组合优化问题。在实际应用中,传统的处理方法是先利用路网信息求出任意两点间最短路,生成完全连通图,然后进行VRP的优化求解,这样会浪费时间和空间,降低求解效率。因此,提出了一种基于真实路网的VRP建模方法,把任意两点间最短路的求解与VRP联合起来,通过仿真实验与传统的处理方法进行了比较,两种方法得到了相同的最优解,但基于真实路网的VRP建模方法在计算时间方面占优。     

基于PDDL智能规划的车辆路径问题研究

针对车辆路径问题和多种扩展问题,文章提出一种基于PDDL智能规划的建模和求解方法,给出了多种车辆路径问题的PDDL模型,并利用SGPlan6和DaeYa规划器对PDDL模型进行了求解。实验结果表明,该算法能够在较短时间内给出高质量的车辆路径安排方案,并具备很好的扩展能力。     

装卸混合的软时间窗VRP问题混合算法研究

考虑了配送车辆在客户点会同时发生卸货和装货的情况,构建了装卸混合的软时间窗VRP模型,并通过遗传禁忌混合算法求解。通过实例说明,该混合遗传算法能很好地解决装卸货混合VRPTW问题,获得较好的优化效果。     

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。     

有时限取送混合车辆路径问题的模型及其禁忌搜索算法研究

研究了带时间窗的取送混合车辆路径问题.问题中,每个客户带有取货和送货两个时间窗,每个客户处的取货和送货任务可以通过访问一次全部完成,也可以分两次访问分别完成送货和取货任务.在对该类问题进行描述和取送一体化战略的基础上,建立了有时限取送混合车辆路径问题的数学模型.通过设计一种新的解的表示方法构造了该问题的禁忌搜索算法.实验计算结果表明,用该禁忌搜索算法求解有时限取送混合车辆路径问题,不仅可以取得很好的计算结果,而且收敛速度较快,计算结果也较稳定.     

随机需求车辆路线问题研究

由现实生活中的不确定性因素引出需求随机的车辆路线问题,根据该问题随机性强的特点,设计了不断优化的求解方法。即首先用SFC和2-opt算法求解TSP以确定客户的访问顺序,并在车辆访问过程中不断对路线进行优化。最后,通过实例模拟验证该求解方法的可行性和适用性。     

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。