基于Web/J2EE的公路运输货物自动配送系统

针对公路运输货物配送的现状和需求,引入J2EE架构体系和技术,基于MVC开发模式,设计并实现一个基于Web方式的公路运输货物自动配送系统,实现了车辆配载、货物配装、行车路线规划等功能,建立了车辆配载模型、货物配装模型和行车路线规划模型,并研究了相应的算法及实现,实现了公路运输货物的自动配送,提高了配送效率,降低了配送成本,实现了物流配送经济效益及社会效益最大化。     

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…     

货物配装问题两种算法的比较研究

货物配装问题是NP-难问题，对这类问题如何求解，学术界提出了多种算法，这些算法可归结为2大类：精确算法和启发式算法。通过对这2类算法中最具代表性的几种算法的分析、比较和总结，指出了各种算法的优缺点、适用范围和场合、存在的问题以及改进的方案，为货物配装问题求解过程中算法的选择提供了依据和参考.     

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。     

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.     

考虑客户需求优先级的货物配装问题的模型与算法研究

通过引入顾客需求紧急性系数，建立了考虑客户需求优先级的货物配装问题的模型。设计了该问题的两阶段求解。通过实倒计算验证了算法的有效性。     

基于前景理论的电动汽车配送路径优化

针对带时间窗的电动汽车物流配送路径优化问题,基于前景理论的价值函数量化了客户对电量补给的行为感知,由此设计了超时配送的补偿费用函数;并以补偿费用、充电费用、车辆行驶费用组成的配送总成本最低为目标,构建了决策模型,采用改进的遗传算法进行求解;最后通过Solomon-R101算例对模型及算法进行验证,得到的配送方案可以兼顾客户高满意度、高时效性、高载重量和低成本四个方面。     

物流合理配送问题的多阶段建模优化求解方法

简述了现有货物配装问题在实际应用中的缺陷,并针对货物配送问题,提出了多阶段建模优化求解方法,并应用于实例中。实例证明该方法所求得的最优解更具合理性和实际意义。     

货物配装优化问题研究及其应用

货物配装是配送的一个重要环节,运输成本占配送成本的比重较大,这就要求我们最大程度发挥装载工具容积和承载能力,在容积和载重量一定情况下,尽量做到满载满装,从而降低配送成本。货物配装问题解决得好坏直接关系到车     

基于神经网络的多车多件货物装载问题研究

货物装载问题属于带约束的布局问题,不仅要考虑合理利用车辆的载重量和有效容积,而且还要考虑配装平衡的问题。作者建立了以最大化车辆装载率为目标的数学模型,针对该模型,利用目标函数与神经网络中能量函数相等的关系来设计Hopfield神经网络的结构,利用模拟退火的方法,来求解货物在车厢内装载布局方案,最后是装载实例,计算表明,车辆利用效果良好,各件货物布局位置数据正确,满足约束。     

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。     

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。     

多源点物流配送车辆调度模型探讨

根据问题的复杂性,考虑车辆条件的约束,建立了以总费用最小为目标的数学模型,并根据模型的特点设计出相应的启发式算法,使问题在合理的时间内得出由多个配送中心为所有需求点配送货物的车辆分派方案。实例证明,该模型符合实际问题,算法合理,具有实际应用价值。     

基于蚁群系统算法的车辆路径问题研究

通过引入改进的蚂蚁算法--蚁群系统算法来解决基本的车辆路径问题。针对具体实例运用计算机编程得出了基于蚁群系统算法的最优解,并与其它两种启发式算法进行对比,指出了蚁群系统算法的优势与存在的不足,提出了进一步研究的方向。     

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。     

物流配送中心车辆优化安排的研究

针对物流配送中心如何根据货物运单来调度运输车辆的问题,在研究了各种货物配装优化模型的基础上,建立了车辆安排的多目标优化模型。然后,利用线性加权法和主要目标法将多目标优化问题转化为单目标优化问题,采用精确算法思想进行模型求解。最后,编程实现了车辆优化安排功能,将该功能应用到了物流配送中心管理系统中,通过实例验证了该模型的优越性和实用性。     

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。     

集装箱堆场出口箱堆存模型及其算法

本文提出了不同重量、不同目的港的集装箱按照一定顺序随机到达堆场的堆存模型。模型同时考虑了集装箱目的港、箱重和作业难度三个因素，这样可以保证装船时尽量少倒箱，极大地提高了装船效率。本文给出了启发式算法解决该问题。实例结果表明，按照此算法可在装船作业时倒箱次数较少的情况下产生实用的实配载图。     

城市多网点配送车辆调度模型与算法研究

通过对城市多网点车辆调度特点的深入分析和研究,建立了追求总体效益最优的多网点车辆调度多目标决策模型,并设计了求解该模型有效的启发式算法。     

基于 RFID物联网的生鲜食品冷链配送实时监控策略

文中针对生鲜食品冷链配送的过程信息是构建食品安全追溯平台的重要信息来源,提出了一个基于RFID物联网技术的冷链配送监控方案,探讨了基于RFID技术的冷链配送业务中装卸货作业自识别策略、RFID数据容错机制和去重过滤算法。利用面向物联网的冷链配送监控,可实时了解冷链配送环节中冷藏车设备运行性能、地理位置实时定位、货物种类与数量、温度等环境参数,实现对冷链配送全程的精细化监测与管理,该研究有助于提升冷链配送作业的自动化程度,有利于提高生鲜食品质量的监管溯源能力,对于保证食品安全具有重要现实意义。