摘要：本文主要研究时变路网条件下的冷链物流配送车辆路径优化问题。为了更真实地反映车辆在实际行驶过程中所遇到的时间变化特征,基于百度地图交通大数据平台的拥堵指数来描述时变路网。以最小化配送成本为目标,设计一种改进的粒子群优化算法求解。以H公司乳制品配送实例进行测试,通过速度恒定的静态路网和时变路网进行对比。结果表明:优化后的时变路网更符合现实情况,且对比静态路网降低配送成本13.65%。

摘要：针对配送中心车型多样、客户需求动态变化且车辆行驶时间依赖配送区域路网速度变化特征的动态车辆路径问题,基于先预优化后动态调整的思想建立了以配送成本最小化为目标的两阶段优化模型.在预优化阶段,设计改进自适应遗传算法获得初始配送方案;在动态调整阶段,综合考虑客户需求变化和配送路网速度的变化,制定连续性和周期性相结合的优化策略,将问题转化为多中心车辆路径问题进行求解.通过实验分析验证了模型与算法的有效性,研究成果可丰富车辆路径问题的相关研究,为物流企业优化决策配送方案提供理论依据.

摘要：针对车辆行驶时间依赖配送区域路网速度变化的多中心电动车-无人机协同配送路径问题,本文综合考虑配送区域路网交通信息,无人机最大飞行距离、承重能力,配送过程中电动车电池的荷电状态,以及车辆行驶速度、载重量等对电动车能耗的影响等,以总配送成本最小化为目标建立多中心车辆-无人机协同配送路径优化模型。根据问题特征,本文设计遗传大邻域搜索混合算法求解模型,该算法在传统遗传算法基础上,采用整数编码随机生成初始种群,通过无人机最大承重能力、飞行距离筛选无人机可服务的客户,然后确定车辆及无人机的配送路径生成初始解,并嵌入2组摧毁和重建算子进行进化操作。本文通过多组算例验证了算法及模型的有效性,并分析了车辆搭载的无人机数量以及车辆行驶速度对配送方案制定的影响。研究成果丰富和拓展了车辆路径优化的研究领域,可为交通、物流企业优化决策配送方案提供理论依据。

摘要：针对时变路网下多中心混合车队联合配送车辆路径问题,综合考虑多配送中心开放、燃油车及电动车联合配送、车辆行驶速度连续变化等因素的影响,构建以车辆固定成本、运营成本和时间窗惩罚成本之和最小为目标的优化模型。根据问题特征,设计混合启发式算法进行求解,算法中采用K-means聚类方法生成初始种群,然后用变邻域搜索算法进行搜索优化,提升算法的求解性能。设计多组实验对本文算法进行对比分析,验证了算法的有效性。研究成果丰富了时变路网和混合车队车辆路径问题的相关理论研究,为运输企业制定合理的运输方案提供了理论依据。

摘要：针对城市物流系统中的多物流中心联合配送问题,设计一种多物流中心处理方法共享物流资源;分析城市路网的时变特性,设计路段行驶时间计算方法;综合考虑客户需求、时间窗、车辆不同出发时间、油耗、碳排放与联合配送模式等因素,以总成本最小为目标构建联合配送的开放式时变车辆路径规划模型,设计改进蚁群算法求解;实验结果表明以上方法具有可行性与有效性。

摘要：为了使客户得到更加优质的服务,设计科学合理的算法进行车-货匹配并优化车辆路径,结合同城货运平台订单需求实时变化特点,以车辆使用成本、燃油成本、延误或提前到达货主位置产生的违约成本、为避免道路拥堵或产生过大违约成本产生的等待成本最小为目标函数,建立考虑车-货匹配、城市时变路网等约束的车辆路径优化模型。设计一种混合量子粒子群优化算法,决策最优货物匹配方案、车辆路径及车辆运行时间计划方案。研究结果表明:设计改进的量子粒子群算法得到的小规模算例优化解与Cplex优化软件得到最优解的相对偏差为3.7%,但所设计算法的平均求解时间仅需54.84 s,而Cplex的平均求解时间则需8640.80 s;在合理规划周期内,所提出的路径规划模型可通过调整车辆出发时间有效地将违约成本转化为代价较低的等待成本,或通过牺牲油耗成本降低违约和等待成本从而降低平台运营总成本;当单位等待成本为单位违约成本的30%时,考虑时变路网可有效降低平台运营总成本,当单位等待成本为单位违约成本的20%时,考虑时变路网可降低0.7%的平台运营总成本,当不考虑等待成本时,考虑时变路网可降低10.6%的平台运营总成本。

摘要：为解决城市交通状况复杂情况下5G通信公共基础设施运维成本居高不下、运维效率低的问题,考虑将具有时间依赖性的城市交通网络加入到基站运维车辆路径规划中,构建速度与行程时间函数用于决策行驶路线、取货量和服务路线。为保证求解结果可行且求解速度高效,设计了改进的最短路算法与变邻域搜索算法结合的混合算法,以实时处理动态需求。根据中国铁塔公司真实运营数据设计了算例实验,结果表明所提出的方法能够显著地降低基站掉线个数、基站掉线时长,实现基站运维成本降低和效率提高。

摘要：随着电子商务发展,越来越多的城市、企业采用多配送中心模式,优化补货车辆、配送站点车辆出行时刻及出行路线的优化变得越来越重要。目前考虑城市时变速度特征的多车型联合配送中,对配送车辆出行时刻和配送路径联合优化角度的研究成果较少。基于此,主要构建基于时变速度多配送中心多车型联合配送模型;并设计基于禁忌搜索求解算法。收集了北京市城市配送大数据,以北京市公铁联运城市配送为应用背景,对算法进行了验证;通过计算发现本算法可以有效优化多配送中心多车型联合配送运输成本和时间成本,能够应用于北京这种特大城市的公铁联运城市配送方案中。

摘要：针对道路行驶速度时变且软时间窗条件下的同时配集货车辆路径问题,以车辆派遣成本、时间窗惩罚成本以及车辆运输成本之和最小化为目标建立路径优化模型。根据问题特征设计了考虑时空距离的混合变邻域搜索遗传算法,采用时空距离对客户进行聚类生成初始解,提高算法求解质量;将变邻域搜索算法的深度搜索能力运用到遗传算法的局部搜索策略中,增强算法的局部搜索能力;提出自适应邻域搜索次数策略以及模拟退火的新解接受机制,平衡种群进化所需的广度和深度。通过多组不同规模的算例验证了本文模型及算法的有效性,研究成果不仅深化和拓展同时配集货车辆路径问题的相关研究,也为物流企业优化车辆调度方案提供理论依据。

摘要：【目的】生鲜产品在冷链物流配送过程中的新鲜度及货损成本与配送行程所耗时间密切相关,而配送车辆在城市路网中不同时段行驶的速度不同,基于此在考虑了道路交通状况的时变路网特性之后研究配送的优化问题。【方法】针对时变路网环境下的多温区产品配送车辆调度问题,考虑载重质量与车厢容积及时间窗约束,建立由运输成本、货损成本及制冷成本构成的目标为总配送成本最小的数学优化模型,设计基于模拟退火算法的求解程序,并用MATLAB对实例进行求解。【结果】与以往研究中用平均速度方法求解出时间变量的方法不同,通过时变路网理论及模型求解,验证了时变路网环境下冷链配送路径优化模型及算法的有效性。【结论】结合时变路网,改进了货损成本中腐败函数的时间变量求解方法,刻画了各配送车辆每完成一个客户的配送后,车辆剩余货物在余下配送时间里货损成本继续发生的动态过程。