多车多品种货物配装问题的研究

在使用聚类分析法组合货物基础上,首先建立配装优化问题的数学模型,并详述了基于启发式算法的问题求解方法,最后用实例表明了该算法的有效性和实用性。     

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。     

货物配装和车辆路径问题的一种联合求解方法

货物配装和车辆路径问题(VRP)都是NP难问题,启发式算法是求解此类问题的常用方法。求解单配送中心多车型的货物配送问题,需要改进传统遗传算法:首先采用双层结构表示染色体,车辆数无需事先确定;然后对随机产生的客户序列,利用三叉树算法进行货物配装确定每辆车的配装方案,从而可以知道每个客户的货物装车顺序;依据先装后卸的原则,可得每辆车的客户装车顺序的逆序便是每辆车的客户配送顺序;最终得到货物配装方案和配送方案。基于此思想,通过Java编程验证了一个实例,证明算法切实可行,对实际作业有一定借鉴作用。     

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.     

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。     

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。     

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。     

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。     

粒子群自进化算法求解物流装箱问题

为了解决当今物流行业中装载货物类型为强异构的情况,提高装载填充率和效率,提出了一种求解三维装箱问题的元启发式算法——粒子群自进化算法。算法包含两部分：极限点构造启发式算法和粒子群自进化规则。极限点构造启发式算法引入了极限点的概念,利用新的极值点思想推导出了三维装箱问题的启发式算法。粒子群自进化规则提出了在货物装载序列中表示粒子的方法,推导了粒子间交叉、变异算子,在极限点构造启发式算法的基础上不断迭代进化完成货物的装载。通过不同结果的比对,证明该算法显著提高了物流装载的空间利用率,强异构货物的平均装载率达到了85%,验证了算法在强异构货物下的有效性与优越性,并给出了货物装载的三维模型。由于实际测试集的缺少,分别为机腹仓装载类和集装板类模型提出了实例生成器,通过生成器的测试集验证了算法在实际应用中的紧凑性、实用性和快捷性。     

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。     

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。     

基于混合优化算法的带时间窗的车辆调度问题求解研究

论文建立了带时间窗的车辆调度问题的数学模型，并针对遗传算法在局部搜索能力方面的不足，提出将模拟退火算法与遗传算法相结合，从而构造了求解车辆调度问题的混合优化算法，并进行了实验计算。计算结果表明，用这种混合优化算法求解车辆调度问题，可以在一定程度上用模拟退火算法突跳性克服遗传算法在局部搜索能力方面的不足，从而得到质量较高的解。     

物流配送路径优化问题的模型及改进混合算法

在建立带有时间窗的物流配送路径优化问题数学模型的基础上．构造了求解该问题的遗传模拟退火混合算法。该混合算法利用了遗传算法较强的全局搜索能力和模拟退欠算法较好的局部搜索能力,克服了两种算法各自在寻优方面的不足,使其在全局最优搜索和计算速度方面都有了很大的提高。最后经仿真试验证实了混合算法解决物流配送路径优化问题的优越性。     

基于遗传算法的军用集装箱装载优化

以军用集装箱装载为研究对象，在考虑实际应用中的一些约束条件下，构造了军用物资的装载优化模型，提出了一种军用集装箱三维装载的遗传算法。该算法考虑了货物放置方向、装载客积、装载质量及装载重心等约束条件。最后对一个案例进行了计算，验证了该模型的有效性，并且利用3ds max得到了装载方案的三维图。     

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。     

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。     

基于遗传算法的库位优化问题

应用遗传算法对邯运集团仓库库住进行优化。在充分考虑邯运集团仓库所存放的货物种类、货物数量、出入库频率等因素的基础上进行库位预分区规划。建立了二次指派词题的数学模型。利用遗传算法对其求解，结合MATLAB进行编程计算并得出最优划分方案。     

基于扫描算法的启发式构造方法比较

针对车辆路径问题,基于扫描算法第一阶段的解,应用启发式算法中的最近插入算法、凸包算法和最远插入算法求解第二阶段。通过仿真实验,从总里程和算法运行时间两个方面对各算法性能给出评价。结果显示,在应用扫描算法进行聚类后,求解路径排程阶段,凸包算法虽然用时多于其它两种算法,但在里程上有明显优势,最远插入算法与最近插入算法在运行时间上没有显著差别,但在总里程上,前者较好。     

基于混合智能算法的仓库有限容量下随机存贮模型

针对仓库容量有限条件下的随机存贮管理问题,通过找出商品在销售进货过程中会出现的全部可能,确定得到总损失最小的方法,然后以最优订货点作为决策变量并确定约束条件,建立优化决策模型。采用基于随机模拟的混合智能算法对该决策模型进行求解。对模型中的不确定函数进行随机模拟,使用由其产生的一组输入输出数据来训练神经网络对该不确定函数进行逼近,然后将该神经网络作为适应度函数嵌套于遗传算法中,最后应用遗传算法解得模型的最优解。通过计算机仿真得到所需要的最优方案。实验表明,文中提出的基于混合智能算法的仓库随机存贮模型,较好地解决了实际应用中的仓库容量有限的随机存贮问题,具有很强的普遍性和实用性。