城市末端物流配送问题研究

基于VRP问题,对城市内部直接面对消费者的末端物流配送进行研究,建立了基于实时路网下的配送模型,并且根据配送时间最短的优化目标进行求解.提出了结合Dijkstra算法的优化遗传算法求解方法.     

改进的蚁群算法在物流配送路径问题中的实现

蚁群算法是受自然界中蚁群搜索食物行为启发而提出的一种智能优化算法,通过介绍蚁群觅食过程中基于信息素的最短路径的搜索策略。以及蚁群算法在TSP问题中的应用,在分析TSP与车辆路径问题（VRP）的异同后,给出用于求解车辆路径问题（VRP）的蚁群算法,并针对蚁群算法在求解过程容易出现过旱收敛问题,提出了几种改进算法的措施。最后通过powerbuilder的仿真实现结果表明,这种算法对VRP问题有较好的求解效果。     

基于遗传算法的车辆路径问题ExtendSim仿真与优化

文章首先介绍了物流领域中经典的车辆路径问题（VRP）,以及解决该问题的算法,然后论述了遗传算法在解决VRP上的应用,并详细地叙述ExtendSim仿真软件如何对某一VRP进行建模优化,最后得出最优方案.验证了这一仿真优化方法是解决VRP的一种有效途径.     

基于蚁群算法的物流配送避障路径规划方法

针对物流配送路径规划问题,以可视图法所建的求解环境为基础,利用蚁群优化算法,提出了一种在障碍物环境下求任意两点间的最短路径方法,算法采用了优势个体指导机制,保证了最优解的搜索能力和解的全局收敛性。实验结果证明,该算法收敛快,可靠性高。与传统算法相比,该算法具有全局最优解方面的高效性,明显提高了路径搜索效率。     

基于并行模拟退火算法的VRP问题研究

针对VRP问题构建相应的数学模型,在传统的模拟退火算法的基础上提出一种基于记忆功能的并行模拟退火算法求解VRP模型,并用模拟数据对模型和算法进行了验证。实验结果表明,改进的模拟退火算法求解VRP问题,不仅可以取得很好的计算结果,而且算法的计算效率较高,收敛速度较快,计算结果也较稳定,显示了良好的寻优性能。     

一类VRP问题的改进PSO算法求解

VRP问题是物流领域的热点研究问题。在对一类典型的VRP问题建立了数学模型,提出了一种改进粒子群优化算法以求解该模型。算法针对问题设计了顺序编码方案,并引入了局部搜索以提高算法的局部搜索能力。仿真结果表明了所提离散粒子群优化算法求解此类VRP问题的有效性。     

基于并行模拟退火算法的VRP问题研究

针对VRP问题构建相应的数学模型,在传统的模拟退火算法的基础上提出一种基于记忆功能的并行模拟退火算法求解VRP模型,并用模拟数据对模型和算法进行了验证.实验结果表明,改进的模拟退火算法求解VRP问题,不仅可以取得很好的计算结果,而且算法的计算效率较高,收敛速度较快,计算结果也较稳定,显示了良好的寻优性能.     

公铁联运中的拖运建模

首先对公铁联运中的拖运进行了研究,并从承运人的角度,以承运人成本最小为目标,建立了拖运优化模型.该模型可以求解出成本最小的拖运计划.其次指出了这种建模方法相较于传统VRP模型的优点和不足,并且建议用列生成法对模型进行求解,最后给出了以后建模中应该考虑的因素.     

时变路网无能力约束车辆路径优化

讨论了一类时变路网下的无能力约束车辆配送路径优化问题,建立了基于时变路网的以配送总耗时最短为优化目标的无能力约束车辆配送路径优化模型。提出了基于实时Dijkstra算法的模型求解方法。数值算例表明考虑路网时变特性得到的优化配送方案将更加符合配送实际。     

基于GAMS的VRP问题求解研究

对VRP问题的求解长期以来以启发式算法居多。立足于VRP问题的精确求解研究,以GAMS优化软件为计算平台,对经典VRP问题的模型进行了求解。通过对计算结果分析,针对计算过程中产生的不包括配送中心的回路,定义了小回路及其阶数。为解决随着计算深入其阶数不断增大的小回路问题,逐步引入了破除各阶小回路的约束条件,取得了问题的精确解。在此基础上,归纳出了破除小回路的一般约束条件,完善了经典VRP问题的模型。     

有时限取送混合车辆路径问题的模型及其禁忌搜索算法研究

研究了带时间窗的取送混合车辆路径问题.问题中,每个客户带有取货和送货两个时间窗,每个客户处的取货和送货任务可以通过访问一次全部完成,也可以分两次访问分别完成送货和取货任务.在对该类问题进行描述和取送一体化战略的基础上,建立了有时限取送混合车辆路径问题的数学模型.通过设计一种新的解的表示方法构造了该问题的禁忌搜索算法.实验计算结果表明,用该禁忌搜索算法求解有时限取送混合车辆路径问题,不仅可以取得很好的计算结果,而且收敛速度较快,计算结果也较稳定.     

随机需求车辆路线问题研究

由现实生活中的不确定性因素引出需求随机的车辆路线问题,根据该问题随机性强的特点,设计了不断优化的求解方法。即首先用SFC和2-opt算法求解TSP以确定客户的访问顺序,并在车辆访问过程中不断对路线进行优化。最后,通过实例模拟验证该求解方法的可行性和适用性。     

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。     

生态旅游区废弃物回收的逆向物流选址-路径问题

研究了生态旅游区废弃物逆向物流网络设计问题,包括中转站选址和车辆路径问题,并建立了最小化选址费用和运输费用的模型。选址路径问题为NP困难问题,本文采用了四叉树原理划分满足车辆容量限制的收集区,将问题化为小型的TSP问题。     

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。     

A parallel insertion heuristic for vehicle routing with side constraints

In the early eighties, Fisher and Jaikumar developed a generalized assignment heuristic for vehicle routing problems. In this paper, we discuss some of the strong and weak points of this heuristic, and take its basic ideas to develop a new parallel insertion heuristic for the vehicle routing and scheduling problem that is better able to handle various side constraints.     

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。     

混合遗传算法在运输路径问题中的应用

建立物流运输优化的数学模型,来构造求解该问题的遗传算法。通过分析和比较几种混合遗传算法,提高运输车辆路径优化问题的求解效率并可优化解的质量。     

车辆路径问题:研究综述及展望

车辆路径问题是物流系统优化中的关键内容之一,是现代物流管理研究中的重要内容。文章梳理分析了车辆路径问题(VRP)的分类、模型及算法等,详细综述了多车型、多车场、时间窗车辆路径问题研究现状,指出联盟车辆调度问题、考虑车辆(供应)时间窗的车辆调度问题可能是VRP问题未来新的研究趋势。     

Feasibility on the integration of passenger and freight transportation in rural areas: A service mode and an optimization model

Public transport operators in rural areas have been under pressure from weak profitability and emission issues. At the same time, scattered demand for transport has been preventing logistics systems from reaching the last mile in residential areas. Multimodal transport can synergistically integrate passenger and freight demand, increase transportation network coverage, and reduce the cost of transportation, while demand-driven services improve the flexibility and reliability of operational decisions. Therefore, this paper proposes a demand-driven passenger-and-freight-integration service (DDPFIS) mode. From the perspective of routing decisions, a new mixed-integer linear programming model based on the green vehicle routing problem is formulated to assist public transport operator’s complex decision-making. In the proposed model, vehicle capacity is fully utilized through a combination of passenger and freight demand so that optimal decisions are made about vehicle routing. Numerical experiments are designed and conducted based on realistic instances with the results indicating that: the DDPFIS mode enables effective integration of different demands, leading to high-level vehicle capacity utilization and cost reduction; and compared with two conventional models of vehicle routing problems, the proposed model achieves lower fuel consumption and cost for all problem sizes. In addition, some important management insights are provided, e.g., a greater proportion of integrated service nodes is not necessarily better; and it is more suitable to provide a service for rural residents who are relatively insensitive to time.