突发事件下的车辆路径问题研究综述

车辆路径问题是物流管理研究中的一项重要内容。概述突发事件下车辆路径问题研究的背景和意义,介绍车辆路径问题的衍化分类,针对突发事件下车辆路径问题的特点,综述国内外研究现状。重点探讨突发事件下车辆路径问题的研究范围和前景。     

基于混合禁忌搜索算法的物流配送路径优化问题研究

在对配送路径优化问题进行描述的基础上,建立物流配送路径优化问题的数学模型,提出了一种求解车辆路径问题的混合禁忌搜索算法。在该混合算法中,通过车辆—任务分配结构的划分,将大规模问题拆分成可并行计算的若干小规模问题,减少了算法的计算时间。并通过理论分析和仿真算例,证明了该混合禁忌搜索算法的有效性。     

基于启发式函数蚁群算法的VRP优化研究

车辆路径问题是一个NP难题,蚁群算法是求解诸如车辆路径安排等组合优化问题的有效工具,为此利用启发式函数对传统的蚁群算法进行改进和优化.并通过实例对该方法进行检验,其结果显示,启发式函数蚁群算法的性能,优于传统的蚁群算法.     

运输路径优化蚁群算法问题研究

对于某一特定源点和目的地之间的车辆运输调度问题,建立基于风险、考虑成本和时变条件下的路径优化模型,采用蚁群算法的信息素更新策略,使边上残留信息素能够正确反映时变网络中边上权值的变化,并结合遗传算法,采取最优个体交叉策略将蚁群每次遍历后形成的解作为初始群种进行单点交叉计算,以避免陷入局部最优解,提高算法的收敛性。通过算例分析验证算法的有效性。     

应急物流配送问题的蚁群聚类算法研究

提出了一种用于解决突发事件下,物流配送多目标优化问题的蚁群聚类优化算法。突发事件下的物流配送规划一般包含两方面内容,将救灾物资运往受灾地区和将灾区的伤员及时送至各医疗点。将多目标问题转化为单目标问题,结合蚁群的墓地构造行为特点,利用改进LF蚁群聚类模型,以节点需求未得到满足的不满意度最小和路由时间最短为优化目标,用LF蚁群聚类方法按约束条件进行聚类,最终确定车辆路由线路。     

单车场大规模车辆路径优化问题研究

针对传统优化技术在解决大规模车辆路径问题中存在的缺陷,提出了一种解决单车场大规模车辆路径优化问题的综合启发式算法。首先,采用Sweep技术将区域分解成几个子区。其次,设计了分区的禁忌搜索算法,并采用相邻区域综合优化技术,提高了算法的全局搜索能力。仿真试验表明,该算法能够有效解决大规模车辆路径优化问题。     

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.     

冷链物流车辆路径问题研究综述

随着冷链物流的快速发展,冷链物流车辆路径问题成为当下的一个研究热点和车辆路径问题研究中的重要内容.本文综述了带时间窗、多车舱车辆路径问题研究现状,指出在计算碳排放时将更多的实际因素如天气变化、突发故障等考虑在内的冷链物流车辆路径问题、多个时间窗的冷链物流车辆路径问题、电动车冷链物流车辆路径问题和外界温度变化等对新鲜度的...     

基于改进禁忌搜索算法的车辆路径优化

为解决车辆路径优化问题,提出改进禁忌搜索算法.首先,采用车辆一需求分配结构,将整个车辆路径问题分解成若干子问题,然后用禁忌搜索算法求解每个子问题,最后从所有子问题的最优解中选取全局最优解,并通过具有代表性的算例试验和分析.仿真试验结果表明,该算法拓展了搜索空间,提高了最优解的质量,能够有效地解决车辆路径优化问题.     

突发条件下的军事物流配送路径选择研究

在突发条件下,物流中心向部队用户配送应急物资,配送路径的选择是否合理,对加快配送速度、提高保障质量、降低配送成本及增加经济效益都有较大的影响。本文应用AHP法建立数学模型,将实际情况模拟化、数学化,运用现代信息技术使配送路径的选择更加科学、合理与有效。     

A Green Vehicle Routing Problem

A Green Vehicle Routing Problem (G-VRP) is formulated and solution techniques are developed to aid organizations with alternative fuel-powered vehicle fleets in overcoming difficulties that exist as a result of limited vehicle driving range in conjunction with limited refueling infrastructure. The G-VRP is formulated as a mixed integer linear program. Two construction heuristics, the Modified Clarke and Wright Savings heuristic and the Density-Based Clustering Algorithm, and a customized improvement technique, are developed. Results of numerical experiments show that the heuristics perform well. Moreover, problem feasibility depends on customer and station location configurations. Implications of technology adoption on operations are discussed.     

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。     

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。     

考虑换乘费用的城市公共交通票价优化

换乘所产生的附加费用,如时间和票价等,导致配流影响因素产生变化,如果沿用传统方式将降低预测精度和可靠性。通过引入换乘次数和方式等因子计算出行等待、乘车、换乘及风险评估预留时间等,定义广义出行费用与计算方法;建立双层规划模型求解最优票价,最后通过算例分析弹性出行需求、换乘费用、票价之间的关系。计算结果表明,换乘费用对出行需求的影响小于票价优化对出行需求的影响,优化票价随换乘费用增加而加速降低,为公共交通票价优化提供研究依据。     

基于复杂网络的我国西部铁路客运网可靠性研究

随着我国西部铁路网建设的推进,路网特性愈加复杂,为保障网络运行效率及安全,运用复杂网络理论,构建铁路客运复杂网络模型,设计各项拓扑参数,分析网络可靠性。以我国铁路旅客列车时刻表为基础,选取西部地区105个站点,构建我国西部铁路客运复杂网络,采用不同攻击策略对西部铁路客运网进行攻击,分析不同攻击策略下西部铁路客运网可靠性。结果表明:我国西部铁路客运网的基本可靠性较差,受到攻击时网络瘫痪速度较快,服务可靠性较好,但部分节点压力较大,在日常运行中需重点保护,为我国西部铁路客运高效安全运行提供理论参考。     

Three effective metaheuristics to solve the multi-depot multi-trip heterogeneous dial-a-ride problem

The Heterogeneous Dial-a-Ride Problem (HDARP) is an important problem in reduced mobility transportation. Recently, several extensions have been proposed towards more realistic applications of the problem. In this paper, a new variant called the Multi-Depot Multi-Trip Heterogeneous Dial-a-Ride Problem (MD-MT-HDARP) is considered. A mathematical programming formulation and three metaheuristics are proposed: an improved Adaptive Large Neighborhood Search (ALNS), Hybrid Bees Algorithm with Simulated Annealing (BA-SA), and Hybrid Bees Algorithm with Deterministic Annealing (BA-DA). Extensive experiments show the effectiveness of the proposed algorithms for solving the underlying problem. In addition, they are competitive to the current state-of-the-art algorithm on the MD-HDARP.