为最小化电动公交系统的总运营成本,本文提出一种考虑分时电价和多车型的电动公交行车与充电计划的一体化优化模型。该模型同时考虑车次链构建、充电时间窗及充电桩数量等实际运营约束。通过设计自适应大邻域搜索算法(Adaptive Large Ne...为最小化电动公交系统的总运营成本,本文提出一种考虑分时电价和多车型的电动公交行车与充电计划的一体化优化模型。该模型同时考虑车次链构建、充电时间窗及充电桩数量等实际运营约束。通过设计自适应大邻域搜索算法(Adaptive Large Neighborhood Search, ALNS)求解车次链,该算法针对多车型下的车次与车型匹配和车次链可行性等问题特性多元化设计可行解的破坏与修复算子。对于ALNS迭代中生成的可行车次链组合,构建分时电价下的充电计划优化子问题,并将其转化到特定的网络图中,设计基于最小费用流的算法求解充电时长,优化决策充电开始时间。选取北京市的3条公交线路验证模型和算法,结果显示,相比于现状,车队规模从30辆减少至24辆,电费成本和运营总成本分别降低了25.84%和20.63%。通过对比实验,探讨不同修复指标权重和车型组合对优化结果的影响。展开更多
文摘为最小化电动公交系统的总运营成本,本文提出一种考虑分时电价和多车型的电动公交行车与充电计划的一体化优化模型。该模型同时考虑车次链构建、充电时间窗及充电桩数量等实际运营约束。通过设计自适应大邻域搜索算法(Adaptive Large Neighborhood Search, ALNS)求解车次链,该算法针对多车型下的车次与车型匹配和车次链可行性等问题特性多元化设计可行解的破坏与修复算子。对于ALNS迭代中生成的可行车次链组合,构建分时电价下的充电计划优化子问题,并将其转化到特定的网络图中,设计基于最小费用流的算法求解充电时长,优化决策充电开始时间。选取北京市的3条公交线路验证模型和算法,结果显示,相比于现状,车队规模从30辆减少至24辆,电费成本和运营总成本分别降低了25.84%和20.63%。通过对比实验,探讨不同修复指标权重和车型组合对优化结果的影响。
文摘货位分配(storage location assignment problem,SLAP),即在存储区域为物料分配货位的过程。当仓库布局、拣货路径、订单组合等其他因素确定时,货位分配策略对订单拣货效率有很大影响。本文研究实际生产型仓库中的关联物料区位分配问题。生产中使用的相对稳定的BOM(bill of material)使得仓库中的物料具有稳定的相关性,因此,本文考虑将具有需求关联的物料存储在同一区域,以尽可能地减少在拣选物料时所需要的区域访问次数。此外,该仓库还存在两个重要特征,即存在两类不同尺寸货架构成的两类不同容量的区域及采用严格的重物下置原则。本文建立了以最小化区域访问次数为目标的数学规划模型,给出了求解该问题的一种聚类启发式方法与自适应大邻域搜索算法(adaptive large neighborhood search,ALNS),并设计了能够反映物料关联特征的小规模和大规模算例用于测试两种算法的性能。将两个算法结果与随机策略、CPLEX求解结果对比,结果显示聚类启发式方法与ALNS在大规模算例中表现明显优于随机策略和CPLEX的求解结果。
