摘要：随着新能源和绿色物流等政策的出台,电动车逐渐成为物流配送的主要运输工具.考虑到电动车的电池容量、充电时间、耗电率和充电站位置等因素,研究载重影响耗电率的电动车车辆路径问题,建立以总成本最小化为目标的混合整数规划模型.结合禁忌搜索算法的思想,设计改进的自适应大邻域搜索算法对其求解,在该算法中,开发多种基于模型特性的破坏算子和修复算子以提高求解效率.通过算例求解验证模型和算法的有效性,为物流企业电动车配送方案的规划提供一定的决策依据.

摘要：随着低碳绿色、节能环保的经济发展理念越来越受到重视,电动车逐渐成为物流配送的主要运输工具,且物流配送服务的灵活性也越来越受到重视。在传统的车辆路径问题中,通常假设客户需要在指定的时间窗口内接收货物,如果未能按时送达,则会被视为违约,造成客户满意度下降。然而,在实际应用中,大部分客户接受在截止日期后一定时间内延迟接收货物,但这种灵活性通常伴随着额外的成本。针对货物具有可配送时间和柔性时间期限的情况,研究了考虑可配送时间和柔性时间期限的电动车车辆路径问题。构建了以车辆数量、行驶成本和违反时间期限的惩罚成本最小化为目标的混合整数规划模型,设计了改进的自适应大邻域搜索算法对其求解,基于问题特性设计了高效的破坏算子和修复算子以扩大解的搜索空间、运用自适应策略选择高效的搜索算子以及引入模拟退火新解接受策略避免陷入局部最优。通过对随机生成的算例进行计算验证了模型和算法的有效性,并分析了是否考虑柔性时间期限约束及不同的违反时间期限惩罚系数对总成本的影响,本研究为物流配送企业电动车车辆路径规划提供参考依据。

摘要：随着国家越来越重视绿色物流,电动车在物流配送中的应用日益广泛,同时在实际配送过程中存在同一个配送需求有多个取货点可供选择以及由于配送资源有限不足以满足所有配送需求的情况。针对此类问题,本文研究了有取货点选择的电动车集送货团队定向问题,首次建立了针对该问题的混合整数规划模型。在该模型中各配送需求的取货点为决策变量,在不超过规定车辆数量和时间资源限制下以最大化总收益为目标。结合模拟退火算法的思想设计改进的自适应大邻域搜索算法对该问题进行求解,在该算法中首次设计贪婪随机修复算子和最小支撑树破坏算子,并结合文献中已有的算子以提高算法性能。通过不同规模算例实验证明了所提出模型和算法的有效性,进一步对比分析了有取货点选择对总收益的影响,实验结果显示在有取货点选择的情况下,三种大规模算例的总收益均有了显著的提高,最后说明了所提出新算子的有效性。

摘要：设施位置与设施容量是影响供应链长期运营成本和服务质量的重要因素,也是企业获得竞争优势的两个决定性因素。针对设施选址及容量选择优化问题,本文提出以最小化成本为目标的混合整数规划模型,对工厂和仓库的位置及容量,工厂到仓库的产品流和客户到仓库的分配进行优化。根据模型特点设计拉格朗日松弛算法对其进行求解,为了提高解的质量,本文开发混合模拟退火禁忌搜索算法对拉格朗日松弛算法的求解结果进行改进。本文利用随机生成的大量具有不同规模及参数的实例对算法的有效性进行检验,数值实验表明该算法适用于同时优化设施选址及容量选择问题。

摘要：设施选址及其规模选择优化对供应链的长期战略成本和运营成本有着重要影响,是提高企业利润和竞争力的关键决策之一,也是运筹优化领域研究的热点与难点.针对已有的两阶段设施选址问题(two-stage facility location problem,TSFLP)研究中缺乏对设施容量选择的优化,在设施选址问题基础上引入了设施容量选择的优化,同时确定了工厂的位置、仓库的位置和容量、从工厂到仓库的产品流以及客户到仓库的分配,建立了以最小化总成本为目标的混合整数规划模型,并基于模型特点设计了适合求解此问题的拉格朗日松弛(Lagrangean relaxation,LR)方法和混合变邻域禁忌搜索(hybrid variable neighborhood tabu search,HVNTS)算法.基于随机生成的大量具有不同参数的实例,验证了所提出的算法可有效求解大规模的、且需同时优化设施选址及容量选择的问题.