基于层次分析法的钢铁物流园车辆动态排队方法研究

车辆作为钢铁物流园作业系统的中心环节,是钢铁物流优化调度研究的重要内容之一。目前车辆入园排队管理大部分采用人工调度,缺乏科学优化。对此,通过分析物流园相关的作业数据,建立基于各项数据的评价指标模型,结合层次分析法确定各项评价指标的权重,搭建了车辆入园排队模型,合理的车辆入园顺序能够减少物流成本,增加客户的满意度。最后,参考某钢铁物流园区车辆作业实际情况,运用多组规模算例对模型与算法的有效性进行了分析和验证。结果表明,本研究对钢铁物流园区的运作具有一定的实际意义和借鉴价值。     

集宁物流园区配电网网架规划研究

文章在研究国内外配电网规划模型及算法的基础上,以集宁物流园区配电网规划为研究对象,对配电网规划模型及算法进行探究。文章提出一种年费用最小法的配电网优化模型,采用改进粒子群算法进行计算,得出了集宁物流园区配电网规划结果,规划结果显示:模型合理,改进算法精度高、收敛速度快,规划结果良好。     

基于免疫粒子群优化算法的物流配送车辆调度算法

将物流企业的车辆调度问题建模为一个单目标多约束的优化问题,将免疫原理与粒子群优化算法相结合,提出了一个车辆调度的免疫粒子群算法。该算法能在群体进化时注入满足约束的疫苗,从而加快种群寻优的效率,得到质量更高的解。实验结果显示:相比传统的遗传算法和粒子群算法,该方法能够得到更加满意的车辆调度结果。     

基于免疫粒子群优化算法的物流配送车辆调度算法

将物流企业的车辆调度问题建模为一个单目标多约束的优化问题,将免疫原理与粒子群优化算法相结合,提出了一个车辆调度的免疫粒子群算法.该算法能在群体进化时注入满足约束的疫苗,从而加快种群寻优的效率,得到质量更高的解.实验结果显示:相比传统的遗传算法和粒子群算法,该方法能够得到更加满意的车辆调度结果.     

基于粒子群算法的应急物流配送车辆调度研究

结合应急物流配送的车辆优化调度问题,根据应急物流配送的突出特点,对应急物流配送车辆调度路径优化进行了探讨。并建立应急物流配送车辆调度模型,用粒子群算法对车辆的配送路径进行优化。最后通过对实例的分析,验证了本文所提出的模型、算法具有合理性和可行性。     

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。     

运筹学在物流管理中的应用第六讲排队论及其应用

排队论，也称随机服务系统理论，是研究要求获得某种服务的对象所产生的随机性聚散现象的理论，它是从1909年丹麦的爱尔朗发表“概率与电话通话理论”开始的。在服务系统中，经常出现“等待线”问题，例如一台装卸设备用于给进库的车辆卸货，车辆可能随时到达，无车辆到达时装卸设备处于等待状态，车辆到达而装卸设备正在工作，车辆就要排队等待；仓     

智能优化算法求解车辆路径问题的对比分析

利用智能优化算法解决车辆路径问题(VRP)是组合优化领域的一个研究热点。论文介绍了蚁群算法，粒子群算法和模拟退火算法的算法原理和求解流程，选用了Solomon数据集的三种不同客户规模，通过利用python编制程序对三种智能优化算法的求解性能进行了测试。研究表明粒子群算法对各规模CVRP问题求解的效果均不尽人意；模拟退火算法在中小规模时算法求得最优解能力更好，蚁群算法求解大、中、小规模CVRP问题的综合评价最高。研究结果对于带容积限制的车辆路径问题的算法选择具有一定的参考价值。     

基于车道排队系统模型的高速公路收费站资源配置优化研究

车辆在高速公路上相当比例的延误时间是由于停车收费引起的,优化收费站资源配置是保障高速公路快速通行的重要途径。根据随机服务系统理论,利用M/M/m/∞/∞/FCFS排队系统模型构建高速公路收费站资源配置优化模型,计算最优收费亭数算法。就某高速公路某日实际车辆通行数据和收费亭配置数目对模型进行验证,计算结果显示在保证不低于二级服务水平的前提下,平均收费亭使用数目略有降低,优化效果明显。     

考虑总量和体积双重约束的时间窗车车两路径问题研究

车辆路径问题是被学者普遍研究的一个问题,也是一个经久不衰的研究课题.文章通过对车辆路径问题的改进,基于多种种类的货物,对考虑货物的不同重量和体积限制的带时间窗的车辆路径问题建立模型.通过粒子群算法求解模型,给出合适的解决方案.     

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。     

物流园区服务质量评价及改进策略研究

服务质量是企业生存和发展的灵魂,在市场经济的发展之上,推升企业的服务,带动物流园区竞争优势提升,有效提升服务水平、降低服务成本,才能提升物流园区服务的核心竞争力。在新旧动能转换的关键时期,新一代科技革命和产业革命蓄势待发,为了赢得未来竞争和发展的优势,将新技术、新业态和新模式应用到物流园区的服务发展中来,能带动物流园区发展,让智慧物流园区建设迎来新生机。物流园区的服务质量提升本身需要以物流园区优化创新为基底,带动物流园区发展,提升物流园区质量,才能带动物流园区智慧化转型。     

考虑总量和体积双重约束的时间窗车辆路径问题研究

车辆路径问题是被学者普遍研究的一个问题，也是一个经久不衰的研究课题。文章通过对车辆路径问题的改进，基于多种种类的货物，对考虑货物的不同重量和体积限制的带时间窗的车辆路径问题建立模型，通过粒子群算法求解模型，给出合适的解决方案。     

带时间窗车辆路径问题的混合量子粒子群算法

针对带时间窗的车辆路径问题,采用混合量子粒子群算法对该问题进行了求解,该算法将量子粒子群算法与模拟退火算法相结合．充分发挥量子粒子群算法全局寻优能力强以及模拟退火算法局部寻优能力强的特点,从而能有效地避免早熟。仿真结果表明,该算法不仅收敛速度快,而且还具有较高的求解质量。     

平均最优信息粒子群算法在车辆调度中的应用

针对标准粒子群算法在求解车辆调度问题中存在的易陷入局部最优、早熟等缺陷,从粒子群算法本身出发,引入粒子个体与群体的平均信息,提出一种基于平均最优信息的粒子群算法(AVGPSO),该算法利用粒子个体最优信息和全局最优信息的平均值来提高全局搜索能力。将该算法应用到车辆调度问题中,并与标准粒子群算法进行比较。实验结果表明,该算法在解决车辆调度问题中表现出了更优的性能,是解决车辆调度问题的有效方法。     

货箱到人模式下的AMR拣选路径规划

针对货箱到人拣选模式下AMR的拣选路径规划问题,构建以总作业时间最小化为目标的AMR拣选作业优化模型,并采用粒子群算法对模型进行求解。为解决标准粒子群算法存在易早熟收敛和陷入局部最优解等问题,设置二阶振荡环节和随机惯性权重,提出一种改进的粒子群算法。在实验分析中,将文章方法应用于某配送中心AMR库系统,并将改进的粒子群算法与标准粒子群算法进行比较。实例实证表明改进的粒子群算法具有更高的迭代效率和求解精度,相较于标准粒子群算法节约了15.6%的拣选时间,能有效降低货箱到人模式下AMR拣选作业耗时。     

加强电网的无功电力调度

文章基于对粒子群优化算法的分析,分析了如何加强电网无功电力调度。粒子群优化算法是基于迭代的优化方式,有着调整参数少、容易实现的优势,可以在迭代次数较少的情况下获取到最优解,该种算法以其收敛快、精度高、容易实现的优势在各个领域中都得到了广泛的使用。     

基于改进粒子群算法的工程项目多目标集成管理研究

传统工程项目注重对工期、成本、质量三大目标的研究,较少考虑其他控制目标,造成工程项目分析不全面。针对这一不足,将安全和绿色环保目标纳入工程管理目标,形成更全面的多目标管理体系。首先,研究多目标之间的非线性函数关系,并对质量、绿色和安全目标进行量化。其次,利用目标集成优化理论构建工期-成本-质量-绿色-安全的多目标综合集成优化模型,采用改进的粒子群算法对模型进行求解。最后,将构建的集成优化模型用于实际项目中进行模型适用性验证,同时验证了改进的粒子群算法对实际项目五目标模型求解的有效性。     

粒子群算法邻域拓扑结构研究

粒子群算法(PSO算法)是一种启发式全局优化技术。PSO的邻域拓扑结构是决定粒子群优化算法效果的一个很重要的因素,不同邻域拓扑结构的粒子群算法,效果差别很大。文章分析了邻域拓扑结构与PSO算法的关系,阐述了粒子群算法邻域拓扑结构研究现状,提出了未来可能的研究方向。