摘要：针对多车场带时间窗车辆路径问题(MDVRPTW),提出一种改良自适应大邻域搜索算法(IALNS)。首先,在构造初始解阶段改进一种路径分割算法;其次,在优化阶段利用设计的移除和修复启发式算子相互竞争择优选取算子,为各算子引入评分机制,采用轮盘赌方式选取启发式算子;同时,将迭代周期分段,动态调整各周期内的算子权重信息,有效避免算法陷入局部最优;最后,采取模拟退火机制作为解的接受准则。在Cordeau规范算例上进行实验,确定IALNS的相关参数,将所提算法求解结果与该领域其他代表性研究成果对比。实验结果表明,所提算法与变邻域搜索(VNS)算法的求解误差不超过0.8%,在某些算例上甚至更优;与多相位改进的蛙跳算法相比,算法的平均耗时减少12.8%,所提算法在绝大多数算例上运行时间更短。因此,验证了所提算法是求解MDVRPTW的有效算法。

摘要：为解决带容量约束的车辆路径问题(CVRP)求解时收敛能力与探索能力不足、耗时长等问题,提出一种基于大邻域搜索的人工蜂群优化算法。设计了5个移除算子和2个插入算子,采用算子区别应用机制、仔细侦查蜂机制、更新策略宽松机制优化算法。所提算法能够快速搜索到可接受解,在实验数据集上能收敛到大部分已知最优解,并更新了4个已知最优精准解。实验结果表明,3种优化策略均能有效提升算法效率,算法具有较好的综合性能。

摘要：多项目资源管理有时需要采用一种资源专享-转移策略,该策略下可更新资源在多项目之间不共享,但在当前项目完工之后其资源可以转移至其它还未开始的项目。针对这一实际问题的理论研究非常有限。考虑活动工期的不确定性,从时差效用函数视角评价项目调度计划的鲁棒性,在考虑拖期成本-鲁棒性的多目标问题框架下,构建了一个资源专享-转移视角下的多项目资源分配(战术层)与鲁棒调度(运作层)双层决策优化模型。针对模型的NP-hard性质和多目标组合优化特征,设计了一种新的自适应大邻域搜索(adaptive large neighborhood search, ALNS)算法求解模型。该算法采用“项目-缓冲-资源-活动”列表的混合编码表示问题可行解,提出基于四类列表的destroy-repair邻域结构,设计一种超体积指标进行自适应搜索以提高算法性能。最后,为了验证ALNS算法的适用性和有效性,设计一种NSGA-II算法作为比较基准,通过大规模仿真实验对算法性能进行了对比分析,并探索工期不确定水平对多项目调度方案鲁棒性的影响。

摘要：针对单一机制的自适应大邻域搜索算法存在早熟收敛、易陷入局部最优的问题,提出了一种混合自适应大邻域搜索算法来求解冷链物流时间依赖型车辆路径问题(TDVRP)。首先,根据连续型行驶时间依赖函数来刻画时变车速,采用综合油耗模型来评估实时燃油消耗量,并建立了以总成本最小化为目标的路径优化模型;然后,根据问题的NP-hard性质和时间依赖特性设计了多种破坏和修复解的大邻域搜索算子,并将破坏-修复大邻域搜索算子融入到人工蜂群(ABC)算法之中,以提高算法的全局搜索能力。仿真实验结果表明,与自适应可变邻域搜索精英蚁群(AVNS_EAC)算法、自适应大邻域搜索精英蚁群(ALNS_EAC)算法、自适应大邻域搜索精英遗传(ALNS_EG)算法和自适应大邻域搜索模拟退火(ALNS_SA)算法相比,所提出的自适应大邻域搜索人工蜂群(ALNS_ABC)算法在多组测试数据上的最优适应度值分别平均提高了46.3%、5.3%、36.8%和6%。可见所提算法计算性能更高、稳定性更强,能够为冷链物流企业兼顾经济效益和环境效益提供更为合理的决策依据。

摘要：为提高电动公交系统运营效率,降低运营成本,本文提出一种考虑机会充电和行程时间可靠性的电动公交调度优化方法。首先,基于区域调度场景,提出在线路始末站配备快速充电桩,利用车次接续时间进行机会充电的策略;然后,考虑行程时间的随机波动,以表征特定可靠性的预留行程时间作为模型输入生成调度方案,同时,将发车延误成本纳入目标函数中,综合考虑公交企业从规划到运营阶段的整体效益,构建以总成本最小为目标的区域多车型电动公交调度优化模型,针对模型特点,设计自适应大邻域搜索算法进行求解;最后,以北京市大兴区4条公交线路为例,验证模型和算法的有效性。结果表明:基于本文方法得到的最优调度方案相较于传统单线路单车型调度方案,能使企业日均总成本下降37.93%,平均每辆车的发车延误时长减少5.63 min,说明本文所提方法能有效降低企业成本,提升公交系统可靠性。相较于不考虑机会充电和行程时间可靠性的区域多车型运营模式,本文最优方案能使总成本下降28.67%。此外,通过灵敏度分析,建议公交企业以240 kW的充电功率进行快速充电资源的配置,以90%的行程时间可靠性进行电动公交调度方案的编制。

摘要：目的优化基于“货到人”拣选模式自动化电缆堆场中货位分配,提高自动化电缆堆场作业效率。方法针对堆场内电缆容器多层堆存造成调库搬运次数多的问题,建立以出入库行车总搬运次数最小为目标的动态货位分配数学模型,设计基于最大堆栈时序间隔的自适应大邻域搜索算法进行求解,得到货位分配优化方案。结果基于最大堆栈时序间隔的自适应大邻域搜索算法的优化方案可以减少出入库行车搬运次数8.12%左右。结论与现行货位分配规则相比,文中提出的货位分配策略能够有效提高系统作业效率。

摘要：为减少调机及机车组人员,提高运用效率,均衡作业量,在“中心站”模式基础上,提出铁路枢纽区域调机集中调度模式,将调机集中到技术站,由技术站领导指挥调车作业。为最小化调机数及总走行距离,在列车运行图基础上考虑列车运行时间范围及车站作业时间窗约束,构建多技术站下的区域调机集中作业模型。基于自适应大邻域搜索(Adaptive Large Neighborhood Search,ALNS)及随机邻域下降(Random Variable Neighborhood Descent,RVND),设计两阶段启发式算法求解。对国内某铁路枢纽展开案例分析,结果证明:区域调机集中作业模式技术经济效果显著,可在完成作业的前提下,削减65%的调机及约17%的总走行距离,大幅度缩减调机及机车组人员成本,优化枢纽资源配置,改进调车作业方案,为优化调车作业质量提供参考。

摘要：在电子商务背景下,物流公司为了实现及时交付并缓解交通拥堵,可按照客户不同的服务需求,将其分为自取型和配送型,进而选择开放自助点或配送点对客户进行服务。自助点和配送点作为二级物流设施,配送中心作为一级物流设施,由此形成了二级选址-路径问题。在配送车数量约束、自助点容量约束等限制下,兼顾客户点物品回收,以总物流成本最小为目标,建立考虑服务差异的二级选址-路径问题模型。设计自适应大邻域搜索算法进行求解,通过Nguyen的2E-LRP算例进行测试,更新了1个算例的全球最优解,其余算例达到或接近最优解,平均Gap值在1.22%以内,验证了算法的有效性及良好的收敛性。实际案例模拟分析验证了模型的有效性和适用性,可以为相关物流企业提供决策依据和参考。

摘要：结合城市物流共同配送体系两层级、多中心、多车型等特点,研究了两层级共同配送选址-路径问题。以总成本极小化为目标,建立该问题混合整数规划模型,设计求解模型的自适应大邻域搜索算法。算法应用多种删除操作符和插入操作符生成邻域解,根据每次迭代得到的邻域解优劣调整相应操作符的选择概率,加快收敛速度。利用选址-路径问题的标准测试集生成若干算例,分别利用自适应大邻域搜索算法和Gurobi软件进行求解,通过对比分析验证自适应大邻域搜索算法的快速有效性。

摘要：轨道交通供给侧的计划性与需求侧的时变性相互冲突,为更好地协同供需双方,提出了需求响应机制下城市轨道交通列车运行计划的优化方法,包括出行预约和需求响应2个环节;建立了需求响应与列车运行计划协同优化模型,以最小化乘客出行成本和列车运行成本为目标,重点关注乘客由于预约行为产生的延误时间成本;考虑列车运行、运输能力、编组情况、客流分布等因素,设计了基于乘客优先级的自适应大规模邻域搜索算法,外层优化列车运行计划,内层优化客流分配方案,最终实现客流的供需匹配;以北京地铁八通线为例,按照需求响应机制对该线路全天的需求处理与运输组织进行数值试验,并对试验结果从车底运用、乘客等待时间和满载率分布三方面进行分析。研究结果表明:该优化方法可使开行的列车数降低13.8%,同时采用多编组模式,使用车辆数减少了29.8%,这能够有效压缩列车走行公里数,削减企业开支;能够在保证乘客基本出行的前提下,最高可将乘客平均在站等待时间缩短约35.3%,并且预约比例的提升对等待时间的削减效果明显;优化后的运行计划能控制列车满载率维持在设定水平,有效降低人员密度,避免人群大规模聚集,对城市轨道交通疫情的有效防控做出有益探索。