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
随着经济的发展,城市交通路网拓扑的日益复杂且交通状况突发多变,传统的设定客户间道路唯一且通行状态不变的动态车辆路径规划模型很难有效指导物流企业进行物流配送作业.本文利用智慧交通系统,结合物流配送作业需求,构建了分时段的动...随着经济的发展,城市交通路网拓扑的日益复杂且交通状况突发多变,传统的设定客户间道路唯一且通行状态不变的动态车辆路径规划模型很难有效指导物流企业进行物流配送作业.本文利用智慧交通系统,结合物流配送作业需求,构建了分时段的动态交通路网模型,量化了不同类型的城市道路对物流车辆调度与路径规划的影响,以燃油、时间窗、司机等综合成本最低为目标,建立了考虑城市道路分级与动态交通路网的动态车辆路径问题(DVRP-RD,Dynamic Vehicle Route Problem with Road Condition)的两阶段混合整数模型,改进了遗传算法对其进行求解.最后,以深圳市的南山区与宝安区的真实路网为例,模拟了不同规模的客户需求与3种不同的动态更新机制,实验结果表明该方案与模型可以有效的为物流企业降低城市物流配送成本、提高调度效率与改善服务质量.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
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。
文摘随着经济的发展,城市交通路网拓扑的日益复杂且交通状况突发多变,传统的设定客户间道路唯一且通行状态不变的动态车辆路径规划模型很难有效指导物流企业进行物流配送作业.本文利用智慧交通系统,结合物流配送作业需求,构建了分时段的动态交通路网模型,量化了不同类型的城市道路对物流车辆调度与路径规划的影响,以燃油、时间窗、司机等综合成本最低为目标,建立了考虑城市道路分级与动态交通路网的动态车辆路径问题(DVRP-RD,Dynamic Vehicle Route Problem with Road Condition)的两阶段混合整数模型,改进了遗传算法对其进行求解.最后,以深圳市的南山区与宝安区的真实路网为例,模拟了不同规模的客户需求与3种不同的动态更新机制,实验结果表明该方案与模型可以有效的为物流企业降低城市物流配送成本、提高调度效率与改善服务质量.
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。
