为提高物流配送质量,在以传统的车辆配送行驶成本最小化为目标的基础上,兼顾顾客的满意度(配送及时性)和车辆数目最小化目标,建立优化的多目标带有时间窗的车辆路径问题(Ve-hicle Routeing Problem with Time Windows,VRPTW)模型.引用...为提高物流配送质量,在以传统的车辆配送行驶成本最小化为目标的基础上,兼顾顾客的满意度(配送及时性)和车辆数目最小化目标,建立优化的多目标带有时间窗的车辆路径问题(Ve-hicle Routeing Problem with Time Windows,VRPTW)模型.引用国际公认的车辆路径问题库中的数据作为算例,对3个目标函数都进行标幺化处理后,运用遗传算法进行求解,最终得出模型解的运算结果和时间都在理想范围之内,表明新模型是有效可行的.该模型的建立有助于有效地解决带有时间窗的车辆路径问题,不仅能够提高物流工作效率,而且能够为城市交通质量的提高提供保障.展开更多
针对带时间窗的时间依赖型同时取送货车辆路径问题(Time Dependent Vehicle Routing Problem with Simultaneous Pickup-Delivery and Time Windows,TDVRPSPDTW),本文建立以车辆固定成本、驾驶员成本、燃油消耗及碳排放成本之和为优化...针对带时间窗的时间依赖型同时取送货车辆路径问题(Time Dependent Vehicle Routing Problem with Simultaneous Pickup-Delivery and Time Windows,TDVRPSPDTW),本文建立以车辆固定成本、驾驶员成本、燃油消耗及碳排放成本之和为优化目标的数学模型;并在传统蚁群算法的基础上,利用节约启发式构造初始解初始化信息素,改进状态转移规则,引入局部搜索策略,提出一种带自适应大邻域搜索的混合蚁群算法(Ant Colony Optimization with Adaptive Large Neighborhood Search,ACO-ALNS)进行求解;最后,分别选取基准问题算例和改编生成TDVRPSPDTW算例进行实验。实验结果表明:本文提出的ACO-ALNS算法可有效解决TDVRPSPDTW的基准问题;相较于模拟退火算法和带局部搜索的蚁群算法,本文算法求解得到的总配送成本最优值平均分别改善7.56%和2.90%;另外,相比于仅考虑碳排放或配送时间的模型,本文所构建的模型综合多种因素,总配送成本平均分别降低4.38%和3.18%,可有效提高物流企业的经济效益。展开更多
在经典车辆路径问题(vehicle routing problem,VRP)的基础上增加了客户要求访问的时间窗约束,以车辆行驶路径最短和使用车辆数最小为目标,建立了不确定车辆数的多约束车辆路径问题(multi-constraint vehicle routing problem with varia...在经典车辆路径问题(vehicle routing problem,VRP)的基础上增加了客户要求访问的时间窗约束,以车辆行驶路径最短和使用车辆数最小为目标,建立了不确定车辆数的多约束车辆路径问题(multi-constraint vehicle routing problem with variable fleets,MVRP-VF)的数学模型。引入遗传算法的交叉操作以及大规模邻域搜索算法中的破坏算子和修复算子,重新定义了基本灰狼优化算法(grey wolf optimizer,GWO)的操作算子,优化了GWO的寻优机制,从而设计出用于求解MVRP-VF问题的混合灰狼优化算法(hybrid grey wolf optimizer,HGWO)。通过仿真实验与其他参考文献中的算法求解结果进行比较,验证了HGWO求解该类问题的有效性与可行性。展开更多
文摘为提高物流配送质量,在以传统的车辆配送行驶成本最小化为目标的基础上,兼顾顾客的满意度(配送及时性)和车辆数目最小化目标,建立优化的多目标带有时间窗的车辆路径问题(Ve-hicle Routeing Problem with Time Windows,VRPTW)模型.引用国际公认的车辆路径问题库中的数据作为算例,对3个目标函数都进行标幺化处理后,运用遗传算法进行求解,最终得出模型解的运算结果和时间都在理想范围之内,表明新模型是有效可行的.该模型的建立有助于有效地解决带有时间窗的车辆路径问题,不仅能够提高物流工作效率,而且能够为城市交通质量的提高提供保障.
文摘针对带时间窗的时间依赖型同时取送货车辆路径问题(Time Dependent Vehicle Routing Problem with Simultaneous Pickup-Delivery and Time Windows,TDVRPSPDTW),本文建立以车辆固定成本、驾驶员成本、燃油消耗及碳排放成本之和为优化目标的数学模型;并在传统蚁群算法的基础上,利用节约启发式构造初始解初始化信息素,改进状态转移规则,引入局部搜索策略,提出一种带自适应大邻域搜索的混合蚁群算法(Ant Colony Optimization with Adaptive Large Neighborhood Search,ACO-ALNS)进行求解;最后,分别选取基准问题算例和改编生成TDVRPSPDTW算例进行实验。实验结果表明:本文提出的ACO-ALNS算法可有效解决TDVRPSPDTW的基准问题;相较于模拟退火算法和带局部搜索的蚁群算法,本文算法求解得到的总配送成本最优值平均分别改善7.56%和2.90%;另外,相比于仅考虑碳排放或配送时间的模型,本文所构建的模型综合多种因素,总配送成本平均分别降低4.38%和3.18%,可有效提高物流企业的经济效益。
文摘在经典车辆路径问题(vehicle routing problem,VRP)的基础上增加了客户要求访问的时间窗约束,以车辆行驶路径最短和使用车辆数最小为目标,建立了不确定车辆数的多约束车辆路径问题(multi-constraint vehicle routing problem with variable fleets,MVRP-VF)的数学模型。引入遗传算法的交叉操作以及大规模邻域搜索算法中的破坏算子和修复算子,重新定义了基本灰狼优化算法(grey wolf optimizer,GWO)的操作算子,优化了GWO的寻优机制,从而设计出用于求解MVRP-VF问题的混合灰狼优化算法(hybrid grey wolf optimizer,HGWO)。通过仿真实验与其他参考文献中的算法求解结果进行比较,验证了HGWO求解该类问题的有效性与可行性。
