基于混合集合规划的车辆路径优化

使用自然约束语言NCL对车辆路径优化问题进行建模.用混合集合规划可以方便地描述问题中的复杂约束与目标.最后对带有时间窗口的取货送货问题的算例进行了求解.     

同时取送货车辆路径问题的改进粒子群优化算法

同时取送货车辆路径问题(VRPSDP)是指车辆在服务过程中,对顾客同时进行取货和送货服务,针对这类问题,提出一种改进的粒子群优化算法.通过惯性权重的更新和路径链接更新策略有效地扩大算法的搜索空间,从而改进了算法的性能.另外,采用邻域搜索扩大策略(ENS)加快了算法的搜索速度.最后,应用所提出的改进的粒子群优化算法求解了两类同时取送货的车辆路径问题的算例.结果表明,该算法与经典的求解结果相比较,取得了比较好的计算结果,表明该算法是求解同时取送货车辆路径问题的有效工具.     

同时取送货车辆路径问题的改进粒子群优化算法

同时取送货车辆路径问题(VRPSDP)是指车辆在服务过程中,对顾客同时进行取货和送货服务,针对这类问题,提出一种改进的粒子群优化算法。通过惯性权重的更新和路径链接更新策略有效地扩大算法的搜索空间,从而改进了算法的性能。另外,采用邻域搜索扩大策略(ENS)加快了算法的搜索速度。最后,应用所提出的改进的粒子群优化算法求解了两类同时取送货的车辆路径问题的算例。结果表明,该算法与经典的求解结果相比较,取得了比较好的计算结果,表明该算法是求解同时取送货车辆路径问题的有效工具。     

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.     

B2C电子商务中带退货的多配送站点车辆路径优化问题研究

研究了一个带退货的多配送站点车辆路径优化问题,建立了求解该问题的0-1整数规划模型,以实现各个配送站点在给他们客户配送货物的同时,沿途取回这些客户的退货,以节约运输成本的目的。设计了一种新的解的表示方法和邻域变换,以此为基础构造出直接求解多配送站点车辆路径优化问题的禁忌搜索算法,在该禁忌搜索算法中首先通过一个启发式算法求得了0-1整数规划模型的一个较好的初始可行解,从而提高了禁忌搜索算法的收敛速度及性能,最后通过例子对禁忌搜索算法及其性能进行了说明。     

多配送中心单向车辆调度问题的模型与禁忌搜索算法的研究

在对无时间窗和软时间窗多配送中心单向车辆调度问题进行直观描述的基础上,分别建立了相应问题的数学模型。提出了直接解决多配送中心单向车辆调度问题的禁忌搜索算法,设计了求解多配送中心单向车辆调度问题的算法流程,并对已经存在的实例进行了实验计算。     

基于遗传算法的快递配送车辆路径问题研究

在快递配送过程中,快递配送中心作为货物集散点,首先要分派车辆到各个配送点(客户)送货和取货,为降低配送成本,提高配送效率,车辆的调度是一个重要的问题.根据快递配送的特点,主要研究的车辆路径问题为配送中心在为各分点进行快递配送时,采用快件送达和收集同时服务的配送策略,假设车辆在各点之间的行驶时间服从正态分布,配送分点有软时间窗约束并且快件收集数量服从泊松分布的条件下,建立了问题的求解模型,并进行了基于遗传算法求解的应用设计.该遗传算法通过基于适应度排名和最佳个体保留的选择策略和自适应交叉概率的参数控制来保证所求结果的优良性,并设计算例用matlab编程进行实验,证明了算法的可行性.     

有里程和软时间窗约束的开放式多车场集送货一体化车辆路径问题研究

基于现代物流业的现实状况和实际需求,研究了一个带有里程和软时间窗约束的开放式多车场集送货一体化车辆路径问题。给出一个遗传算法对该问题进行求解。在该算法中,为了提高其性能,并全面考虑所有约束,论文采取如下措施:(1)在初始种群形成之前,将各个任务的送货点按时间窗进行排序;(2)在所有任务的一个序列中用里程约束来控制车场的插入,并对软时间窗约束采取加入惩罚的方式解决。最后论文举例对该遗传算法进行说明,并对进一步的研究工作进行了展望。     

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。     

汽车零部件循环取货车辆路径优化研究

在现代汽车制造企业中,循环取货模式在零部件配送中得到越来越广泛的应用。文章针对汽车零部件循环取货特点．建立车辆路径优化模型,并提出了结舍扫描法和禁忌搜索法的两阶段求解算法,将车辆路径问题转化为多个旅行商问题,降低了算法的复杂度．     

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。     

A survey on pickup and delivery problems

This paper is the second part of a comprehensive survey on routing problems involving pickups and deliveries. Basically, two problem classes can be distinguished. The first part dealt with the transportation of goods from the depot to linehaul customers and from backhaul customers to the depot. The second part now considers all those problems where goods are transported between pickup and delivery locations, denoted as Vehicle Routing Problems with Pickups and Deliveries (VRPPD). These are the Pickup and Delivery Vehicle Routing Problem (PDVRP – unpaired pickup and delivery points), the classical Pickup and Delivery Problem (PDP – paired pickup and delivery points), and the Dial-A-Ride Problem (DARP – passenger transportation between paired pickup and delivery points and user inconvenience taken into consideration). Single as well as multi vehicle mathematical problem formulations for all three VRPPD types are given, and the respective exact, heuristic, and metaheuristic solution methods are discussed.      

有时间窗的车辆路径问题改进蚁群算法研究

针对目前蚁群算法在求解有时间窗的车辆路径问题上较少对蚁群算法本身进行优化的问题,提出了一种改进蚁群算法,通过改进状态转移概率和信息素更新规则,以及使用改进的精英蚂蚁策略,改善蚁群算法搜索能力。通过对Solomon标准数据集的实验,结果表明改进的蚁群算法在求解有时间窗车辆路径问题上是有效的。     

Bi-objective decision support system for routing and scheduling of hazardous materials

This paper presents a Pareto-based bi-objective optimization of hazardous materials vehicle routing and scheduling problem with time windows and shows its application to a realistic hazardous material logistics instance. A meta-heuristic solution algorithm is also proposed, which returns a set of routing solutions that approximate the frontier of the Pareto optimal solutions based on total scheduled travel time and total risk of whole transportation process. It works in a single-step fashion simultaneously constructing the vehicle route and selecting the optimal paths connecting the routed locations from a set of non-dominated paths obtained in terms of travel time and risk value.     

考虑多模糊时间窗医药物流配送路径优化

以医药物流客户满意度最大和总成本最低为目标,建立了考虑多模糊时间窗的车辆路径问题优化模型。为满足低碳物流的要求,在路径规划中引入碳排放成本,为防止类似大型医疗器械运输超载问题引入超载惩罚项,引入多模糊时间窗来评价客户在可以忍受送达时间段和期待送达时间段的满意度。以单个配送中心3辆配送车辆25个客户为算例,运用遗传算法对模型求解,求解得到的最优车辆配送路径提高了满意度并降低了总成本。该模型亦适用于满足相应约束条件的类似行业的供应链优化。     

混合柔性充电策略支持下的电动汽车配送路径优化

针对电动汽车在市区配送中应用越来越广泛的现象,提出了混合充电策略支持下带时间窗的电动汽车路径规划问题。在充电站,电动汽车可以选择快速充电方式充满电池或充一部分必须的电量,也可以选择直接更换满电状态的电池,这种柔性的充电策略为电动汽车提供了更灵活的运作方式,降低配送的时间和成本。通过引入充电策略相关的决策变量,在车辆路径问题的基础上,建立了混合充电策略的电动汽车路径优化的非线性混合整数规划模型。设计了一种改进的蚁群算法,通过集成局部搜索算法,提高了问题求解的效率。最后通过三个具有不同客户点分布特征的实例验证了算法的有效性,并分析了混合充电策略的影响。     

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。     

A survey on pickup and delivery problems

This paper is the first part of a comprehensive survey on pickup and delivery problems. Basically, two problem classes can be distinguished. The first class, discussed in this paper, deals with the transportation of goods from the depot to linehaul customers and from backhaul customers to the depot. This class is denoted as Vehicle Routing Problems with Backhauls (VRPB). Four subtypes can be considered, namely the Vehicle Routing Problem with Clustered Backhauls (VRPCB – all linehauls before backhauls), the Vehicle Routing Problem with Mixed linehauls and Backhauls (VRPMB – any sequence of linehauls and backhauls permitted), the Vehicle Routing Problem with Divisible Delivery and Pickup (VRPDDP – customers demanding delivery and pickup service can be visited twice), and the Vehicle Routing Problem with Simultaneous Delivery and Pickup (VRPSDP – customers demanding both services have to be visited exactly once). The second class, dealt with in the second part of this survey, refers to all those problems where goods are transported between pickup and delivery locations. These are the Pickup and Delivery Vehicle Routing Problem (PDVRP – unpaired pickup and delivery points), the classical Pickup and Delivery Problem (PDP – paired pickup and delivery points), and the Dial-A-Ride Problem (DARP – passenger transportation between paired pickup and delivery points and user inconvenience taken into consideration). Single as well as multi vehicle versions of the mathematical problem formulations are given for all four VRPB types, the corresponding exact, heuristic, and metaheuristic solution methods are discussed.      

基于遗传算法的带时间窗约束车辆路径问题研究

在建立带时间窗约束物流配送路径优化问题数学模型的基础上,构造了求解该问题的遗传算法,并进行了实验计算.计算结果表明,用遗传算法进行物流配送路径优化,可以方便有效地求得问题的最优解或近似最优解.