摘要：有容量车辆路径问题是组合优化问题中比较热门的问题,它属于经典的NP-hard问题并且时间复杂度高.本文提出了一种基于策略梯度的超启发算法,将强化学习中的确定性策略梯度算法引入到超启发算法的高层策略中的底层算法选择策略,确定性策略梯度算法采用Actor-Critic框架,另外为了能够在后续计算和神经网络参数更新中引用历史经验数据,在确定性策略梯度算法中设计了经验池用于存储状态转移数据.在超启发算法解的接受准则方面,文中通过实验对比了3种接受准则的效果,最终选择了自适应接受准则作为高层策略中解的接受准则.通过对有容量车辆路径问题标准算例的计算,并将求解结果与其他算法对比,验证了所提算法在该问题求解上的有效性和稳定性.

摘要：针对速度时变的时间依赖型车辆路径问题,分析时间依赖型路网的行程时间计算方法,提出了一种改进天鹰优化(improved Aquila optimizer,IAO)算法。设计了一种天鹰位置-顾客序列(Aquila-customer,A-C)编解码方式,结合天鹰狩猎的拓展勘探、缩小勘探范围、扩大开发范围以及缩小开发范围四种搜捕猎物的方式,重新定义其智能寻优行为,引入自适应大规模邻域搜索策略,设计多种邻域破坏算子与修复算子,并在算法中加入劣解接受准则,提出循环启发式扰动机制与精英解扰动机制两种停滞扰动策略。Solomon基准算例对比实验以及基于Figliozzi测试算例与遗传算法、粒子群算法、蚁群算法的仿真对比实验均验证了IAO算法的优化性能,同时实际案例的实验结果充分证明了IAO算法在收敛速度与求解质量上的优越性,表明其具备求解时间依赖型车辆路径问题的应用价值。

摘要：针对多行程取送货车辆路径问题(VRP)收敛性与多样性相互制约的问题,提出一种融合自适应大邻域搜索(ALNS)算法和自适应邻域选择(ANS)的混合快速非支配排序遗传算法(NSGA-Ⅱ-ALNS-ANS)。首先,考虑初始解对算法收敛速度的影响,提出一种改进的后悔插入法以获得高质量初始解;其次,结合取送货问题特性,设计多组破坏和修复算子,以及多种邻域结构,提高算法的全局搜索能力和局部搜索能力;最后,设计基于随机采样的最佳拟合下降(BFD)算法与高效的可行解评价标准,生成路径分配方案。采用不同规模的标准公开算例进行仿真实验,与模因算法(MA)相比,所提算法的最优解质量提升了27%。实验结果表明,所提算法可快速得到满足多重约束的高质量车辆多行程路径分配方案,并在收敛性与多样性上优于对比算法。

摘要：园林绿化垃圾资源化循环利用的基础是处理设施体系建设。以武汉市中心城区为例,分别对园林绿化垃圾空间分布与处理设施选址进行研究。针对前者,基于高清卫片、街景影像、行道树空间点位等大数据,利用机器学习中的分类(卷积神经网络)、聚类(K均值聚类)和回归预测(多项式回归、随机森林)等模型,实现对现状及规划地区的日常和峰值园林绿化垃圾产生量的合理测算;针对后者,采用车辆路径问题类算法中的自适应大邻域搜索算法,带入距离最近、运输周转量最少、有限时间窗口和有限设施容量等限定条件,对组团收集点、就近消纳站、综合处理厂和集中转运站4类设施及有关线路进行智能选址。根据结果,预测研究区域内日常园林绿化垃圾产生量为32.71万t/年,峰值产生量为7万t,与同等级城市情况类似。建议布局200处组团收集点、50个就近消纳站、4处综合处理厂和14个集中转运站,以提升园林绿化垃圾收集清运效率,实现区域“产-收”平衡。

摘要：目的 在传统冷链物流的车辆路径问题模型基础上,考虑服务节点和车辆运输过程中产生的碳排放,并加入客户满意度,在有限资源情况下最小化路径成本和最大化客户满意度。方法 构建多目标低碳冷链物流车辆路径问题模型,将爬山算法局部搜索思想应用到麻雀搜索算法中,形成改进麻雀搜索算法,并用其对上海市某区域内的冷链物流配送路径优化问题算例进行求解。结果 通过与改进前及其他2种智能优化算法运行结果进行对比发现,改进后的麻雀搜索算法具有更快的寻优速度和更好的寻优能力,且改进后的算法对模型的碳排放效用性更高。结论 基于国家的低碳政策,设计出符合当下实情的低碳冷链物流运输模型,通过改进优化算法设计运输方案,验证了爬山算法局部搜索思想对麻雀搜索算法进行改进的有效性及所构建低碳冷链物流车辆路径模型的合理性。

摘要：文中基于实际越库配送中零售商的多样化需求和集配过程的连续型,针对集配协同下的多产品车辆路径问题,构建以车辆固定成本、运输成本、时间窗惩罚成本和库存持有成本最小化为目标的带越库配送的车辆路径优化模型.根据问题的阶段性特征,提出一种改进的遗传算法对问题进行求解,并以车辆等待时间最小为准则设计解码方案.通过算例的对比分析,验证了改进的遗传算法有更强的寻优能力.结果表明:建立的模型能够有效降低总成本,提高运输效率.

摘要：为解决传统遗传算法求解带容量约束的车辆路径问题时收敛速度慢和局部搜索能力差的问题,对传统遗传算法提出一种改进策略。使用基于贪婪策略的启发式交叉算子加强算法接近最优解的能力,加快算法收敛速度,在变异操作中,引入最近邻搜索算子,缩小基因变异范围,使用单点局部插入算子提高算法的局部优化能力。采用精英选择和轮盘赌法结合的选择策略,保持种群多样性以加强算法的全局搜索能力。实例计算测试表明,与传统遗传算法相比,所提算法求解平均偏差降低了70.25%,求解时间减少了87.41%;与ALNS和AGGWOA算法相比,有更高的求解质量和更好的稳定性。

摘要：卡车无人机协同配送模式下的两级车辆路径问题,是随着无人机配送技术发展和应用出现的新问题。考虑载重、续航、时间同步性等约束,建立了混合整数规划模型,以成本最小为目标设计了基于扫描算法和改进的大规模邻域搜索的混合算法求解。仿真结果表明:混合算法相比CPLEX在运行时间上有明显优势,求解结果处于同一水平甚至更优;卡车无人机协同配送模式相较于卡车单独配送模式可提高配送效率,节约配送成本。

摘要：针对生鲜农产品冷链配送环节中存在的成本高、货损严重等问题,考虑到日益严重的交通拥堵,通过分析时变路网下的动态行驶速度和受温度影响的货物腐败情况,在配送车辆容量等限制条件下,构建了以配送总成本最低为目标的冷链物流路径优化模型。在此基础上,通过设计全天候和有限制时段的车辆通行模式进行比对分析,利用遗传算法进行求解。通过不同规模的企业案例进行分析,验证了模型与算法的有效性。计算结果表明:冷链企业采用有限制时段的车辆通行模式可以降低配送成本,提高货物到货质量。

摘要：为了更加契合现实的城市配送运作环境,本文对经典的车辆路径问题进行了新的拓展研究,考虑了任意两个物流节点之间存在多条路径且每条路径的通行成本不确定的情况,建立了随机多路径车辆路径问题(stochastic multi-path vehicle routing problem,SMP-VRP)模型,并针对所研究的问题设计了具有较高求解效率的两阶段算法。算法的第一阶段,采用具有约束的K-means算法对客户进行分组,将SMP-VRP问题转化为随机多路径旅行商问题(stochastic multi-path traveling salesman problem,SMP-TSP);算法的第二阶段,将SMP-TSP问题先转化成等价的情景规划问题,再近似成确定型规划问题;通过对SMP-TSP问题的求解,进而得到SMP-VRP问题的解。算例测试表明,相较于采用贪心策略的配送组织方法,本文所提出的两阶段算法可以降低7%左右的平均配送成本,并且表现出良好的稳定性,为物流配送车辆路径优化问题提供了新的研究思路,且具有较强的应用价值。