基于蚁群算法和人工神经网络的物流配送中心选址决策

将蚁群聚类算法和人工神经网络进行融合,提出ACC—BP算法,并将其用于物流配送中心的选址问题,利用实验数据进行训练得出最终评价模型。     

基于经济性和时效性的城市配送中心选址模型研究

配送中心的选址对城市物流配送的时效性具有决定性影响,在进行配送中心选址时必须综合考虑经济性和时效性要求.根据物流配送的时间需求,结合城市配送特点,构造具有时效性约束的配送中心选址模型,以总成本最低为目标,对物流配送中心进行选址优化.算例表明,运用LINGO 9.0对城市配送网络模型进行选址优化,可以快速得到最优解.     

基于重心法与离散模型的配送中心选址研究

采用重心法确定物流配送中心的位置，由于选址因素只包括运输费率和货运量，在实际应用中受到很大限制。为此在用重心法得到备选地点的基础上，引用离散模型解决配送中心的最佳地点问题。结合实例分析，说明基于重心法与离散模型的配送中心选址方法的实际应用。     

车辆调度问题的混合算法

针对多配送中心车辆调度问题,以及考虑到遗传算法与禁忌搜索算法各自的优缺点建立了多配送中心车辆优化调度的数学模型设计了遗传算法和禁忌搜索算法相结合的混合算法。该算法避免了遗传算法和禁忌搜索算法各自的缺陷,并进行了仿真分析。     

瑞仕格为澳洲电商企业建设先进的订单处理系统

近日,澳大利亚最大的电商集团The Catch Group旗下企业,开始在其位于墨尔本的中央配送中心内运营澳洲首个AutoStore系统。瑞仕格澳大利亚分公司为其提供的这套解决方案是目前箱式存储与货到人拣选的最新技术。Catch Of The Day从2006年10月份开始运营,至今已发展成为澳大利亚领先的电商集团,旗下拥有catchoftheday.com.au、scoopon.com.au、groceryrun.com.au、mumgo.com.au     

动态OD矩阵推算模型及算法应用

动态OD矩阵反映每个OD对(对应交通运输网络中每个特定的起点—终点对)间特定时段内时变的交通需求。在论述动态OD矩阵推算方法的基础上,通过回顾动态OD矩阵估计研究进展,分析各类模型的特点及问题,结合铁路旅客OD矩阵推算进行了实例分析,并指出需要进一步研究的问题。     

二次指派问题的蚁群算法研究

蚁群算法是受自然界蚂蚁觅食过程中,基于信息素的最短路径搜索食物行为启发,提出的一种智能优化算法。在采用蚁群算法求解二次指派问题中,针对蚁群算法存在的过早收敛问题,使用距离及流量作为启发式信息并引入局部优化,对蚁群算法的结果加以改进,计算机仿真结果表明,蚁群算法对求解二次指派问题有较好的效果。     

铁路空车调整蚁群算法的研究

依据数量调配和网络配流两个空车调整的核心问题,建立了空车调整协同优化模型,并设计了相应的蚁群算法。由于共同径路约束与模型是不协调的,且对流约束不会对模型的最优解产生影响,故而模型可以描述为线性整数规划模型。同时,研究表明蚁群算法对求解空车调整问题具有一定优势。     

模糊车辆路径问题模型及算法研究

分析模糊需求信息条件下车辆路径问题,考虑客户对配送时间的要求和车辆行驶时间的不确定性,运用模糊数学的可能性理论建立以车辆配送总行驶距离最小化为目标的机会约束规划模型,并将模糊模拟、神经元网络和遗传算法结合在一起,设计出混合智能算法对该问题进行求解.通过实例说明算法的有效性.     

轨道交通系统票务清分算法的研究

随着城市轨道交通的不断发展，同一轨道交通网络中的线路将会由不同的运营商来经营，运营商之间收益的合理分配是城市轨道交通亟待解决的问题。在对实现轨道交通票务清分算法进行分析的基础上，提出有效路径算法。通过计算出OD问的有效路径和不同运营商的线路比例，对收益进行分配，并用清分算例进行实际应用说明。     

铁路学生票分配优化模型与算法研究

通过分析铁路学生订票的特点,以及现有学生票发售模式存在的问题,提出在充分掌握学生票预订信息的条件下,根据各种优化目标和限制条件构建自动分配学生票的数学模型,运用启发式算法得到问题的满意解,实现车站学生票预订信息处理的整体最优.通过实例计算,说明模型的应用效果.     

鲍摩-瓦尔夫模型在物流配送中心选址中的应用

物流配送中心是物流系统的重要组成部分,选址更是配送中心规划中至关重要的环节,合理的配送中心选址可以有效降低配送中心的运营成本和建造成本.鲍摩-瓦尔夫模型不仅考虑了运输成本,而且还考虑了可变成本和固定成本,因此可按其求解方法进行求解.通过实例计算,得到较好效果.最后指出该模型存在的缺点.     

物流配送中心规模设计方法研究

物流配送中心是进行货物流通的场所,为合理利用城市土地资源,必须对物流配送中心的规模进行优化设计。根据规模设计的原则和配送中心的业务量、性质及远期发展等,对物流配送中心规模进行细化,分别进行量化计算,从而达到优化设计的目的。     

乘务员运用计划编制模型与计算方法的研究

分析铁路在轮乘制方式下编制乘务员运用计划的方法，提出以运行图为基础数据，建立乘务日计划编制的多目标数学模型，运用回溯搜索算法对模型进行求解，并给出了算法的基本步骤。以京沪高速铁路为例，将研究成果运用于列车服务信息系统的乘务子系统中，验证了模型与算法的正确性。     

基于遗传模拟退火算法的战时物流配送路径优化研究

综合考虑战时物流配送车辆路径问题（VRP）的多目标评价，提出多属性道路网络下战时物流配送的VRP算法，并建立完全分层优化模型。将进化算法与传统优化技术相结合，构造了模型的两层求解算法，第一层采用遗传算法和模拟退火算法混合的GASA算法，第二层采用枚举法。并以成品燃油配送为例进行了实验，结果表明算法较标准遗传算法更有效。     

铁路路用燃油配送模型研究与算法实现

通过建立具有一定普遍性的铁路路用燃油配送数学模型,探讨目前铁路燃油配送的运行模式和经济效益,并提出一个简化的求解方法,从而提高计算效率,优化铁路路用燃油的配送与储存。     

机场进出场客流量分配模型及方法研究

以机场出发旅客为研究对象,分析不同交通方式下旅客进出场出行成本对交通方式选择的影响,构建了机场进出场不同交通方式下交通工具选择的均衡配流模型,并设计了求解该模型的灵敏度分析方法.构建模型主要基于旅客的选择行为,能够定量反映不同交通工具出行费用与其流量分担率间的变化关系.算例结果表明,构建的模型及其求解方法可行、有效.     

长江流域海铁联运模式下港口集疏运物流网络研究

为加快构建长江流域综合立体交通走廊,提出以海铁联运模式为主的港口集疏运物流网络。根据复杂网络的中心性理论选取度中心度、中间中心度、接近中心度和特征向量中心度构建城市物流连通性评价指标,结合收敛相关算法对城市进行分类,筛选出长江流域海铁联运物流网络的枢纽城市;建立以物流成本最小化为目标,考虑枢纽城市铁路运输规模效益的整数规划模型,以模拟退火算法求解该模型,构建以南京、武汉、重庆、株洲、鹰潭为枢纽的海铁联运物流网络。研究发现,铁路运输的单位成本随运输规模和运输距离的提升而降低;与各城市不经枢纽的单一运输模式相比,货物由海铁联运物流网络运输可获得更大的运输规模效益,使其产生的运输成本更低,可节省约20.5%的物流成本。