考虑货损和碳排放的生鲜产品配送路径优化

为减少生鲜产品运输过程中的价值损耗和碳排放量,考虑生鲜产品易腐性和冷链物流高排放的特点,对货损和碳排放来源进行细化分析,发现货损主要包括物理损伤、呼吸作用引起的腐败损失和冷藏车开门导致生鲜产品加速腐败的损失,碳排放主要由车辆行驶和制冷机组在运输和卸货过程中运行所消耗的燃油产生。以固定成本、货损成本、燃油成本、碳排放成本和时间惩罚成本之和最小为目标,构建生鲜产品配送路径优化模型,并用遗传算法进行求解。算例分析表明,当总成本在可接受范围内变动时,物流企业可以为客户提供更优质的服务。     

基于NSGAⅡ的带时间窗生鲜品配送路径优化

考虑到生鲜品的易腐性、高时效性和对运输环境要求高的特点,为减少生鲜品配送企业的配送成本,提高客户满意度,在车辆载重、时间窗、生鲜品保质期等约束条件下,提出将配送总成本最小化和生鲜品新鲜度最大化的多目标车辆路径优化模型。利用改进的非支配排序遗传算法(non-dominated sorting genetic algorithmⅡ,NSGAⅡ)对模型进行求解。求出满足配送总成本最小和生鲜品新鲜度最大的相对较优解,证明模型的有效性。该模型在大规模配送和客户地理位置分布较为分散的情况下,对生鲜品新鲜度的优化较为明显。     

带有时间窗的车辆路径问题优化

为提高物流配送质量,在以传统的车辆配送行驶成本最小化为目标的基础上,兼顾顾客的满意度(配送及时性)和车辆数目最小化目标,建立优化的多目标带有时间窗的车辆路径问题(Ve-hicle Routeing Problem with Time Windows,VRPTW)模型.引用国际公认的车辆路径问题库中的数据作为算例,对3个目标函数都进行标幺化处理后,运用遗传算法进行求解,最终得出模型解的运算结果和时间都在理想范围之内,表明新模型是有效可行的.该模型的建立有助于有效地解决带有时间窗的车辆路径问题,不仅能够提高物流工作效率,而且能够为城市交通质量的提高提供保障.     

碳税和碳限规则下生鲜农产品冷链配送路径优化

为减少冷链物流的碳排放量,研究碳规则下生鲜农产品冷链配送路径优化问题。在有容量限制且带时间窗的车辆路径规划模型的基础上,构建考虑货损成本和燃油消耗率的生鲜农产品冷链配送路径模型,并用遗传算法求解。通过考虑碳税和碳限两种碳规则,优化生鲜农产品冷链配送路径。算例分析表明模型是有效的。对相关参数的灵敏度分析可为政府碳规则选用和企业运作管理提供参考。     

低碳环境下电动汽车车辆路径问题

为探究电动汽车对物流企业成本和环境的影响,以低碳、节能和低成本为目标,分别构建低碳环境下传统汽油车和电动汽车的路径模型,利用遗传算法求解并对结果进行对比分析。对电池容量、充电时间、电费进行敏感性分析。结果表明:使用电动汽车可以显著降低配送成本,减少环境污染;电池容量和充电效率的提升可以有效降低电动汽车配送成本,但对碳排放量没有直接影响。     

基于软时间窗的产品配送与安装相分离的车辆调度优化

为满足电子行业独特的物流配送需求,依据电子行业的特点,研究一种变形的车辆调度问题(Vehicle Routeing Problem,VRP).将产品的配送与安装的同步性进行分离,建立以最小配送和安装旅行时间为目标的混合整数非线性规划(Mixed-Integer Nonlinear Programming,MINP)模型,即基于软时间窗的配送和安装车辆调度优化模型.对算例计算结果的比较分析表明采用分层方法和遗传算法(Genetic Algorithm,GA)的可行性和有效性.该模型可以提高电子行业的物流配送效率,降低物流成本,提高服务水平。     

碳排放影响下快时尚产品的配送路径优化

鉴于快时尚企业高频率配送的特性以及国家倡导的低碳环保理念,以服装产品为研究对象,以碳排放成本、车辆运输成本和顾客满意度为优化目标,建立多目标绿色车辆路径问题模型。提出一种改进蚁群算法对模型进行求解,在信息素更新过程中采用最大最小蚂蚁系统和云模型提高自身的全局搜索能力,同时对初始状态转移概率进行优化,并采取局部优化策略提高算法的适应性。仿真结果表明,提出的模型和算法能够充分调用企业资源,帮助快时尚企业科学规划车辆配送方案,降低运输成本和碳排放,实现经济效益与环境效益的最佳平衡。     

计重收费政策下的货物权重车辆路径

为提高物流效率、降低物流成本,在货物权重车辆路径问题（Weighted Vehicle Routeing Problem,WVRP）和计重收费问题研究的基础上,按照完全计重收费模式,建立以运输过程中总费用（包括固定费用、油耗费用和路桥费用)最小为目标函数的整数非线性规划优化模型.对实际算例,首先使用lingo软件求解精确解,然后利用粒子群优化（Particle Swarm Optimization,PSO）算法求解近似优化解,最后求解一般车辆路径问题模型并计算出相应的行驶总费用.3种结果的比较分析说明所提出的模型和用PSO算法求解的可行性和有效性.该模型可实现运输资源的优化配置,降低企业的物流成本.     

自动化码头装卸混合模式下QC、L-AGV及ARMG协同调度方法

为解决复杂的自动化码头设备协同调度问题,考虑码头各作业间的相互作用和制约,以最小化船舶在港时间和主要设备作业成本为目标,构建新的装卸混合模式下岸桥(quay crane,QC)、顶升式自动引导车(lifting automated guided vehicle,L-AGV)及自动化轨道吊(automated rail mounted gantry crane,ARMG)协同调度的混合整数非线性规划模型。提出一种遗传算法与启发式策略结合的协同调度方法,实现在系统整体性能最优情况下的设备作业序列优化。该模型能充分保障QC、L-AGV、ARMG之间的协同性,并引入QC调度的主要约束,更利于与QC调度模型进一步集成。数值试验证明了该方法的有效性,可为码头装卸作业调度提供决策支持。     

失效情景下考虑拥堵及偏好的多式联运路径选择

为保障集装箱运输的经济性,有效规避新冠疫情所造成的风险和损失,助力交通运输业绿色低碳发展,提出失效情景下以多式联运经营人利润最大和运输碳排放总量最小为目标的多目标0-1规划模型。模型不仅考虑节点及路径失效的不确定性,还考虑失效后的拥堵及托运人偏好等影响路径选择的因素。采用蒙特卡洛方法(Monte Carlo method, MCM)结合带精英策略的非支配排序遗传算法(elitist non-dominated sorting genetic algorithm, NSGA-Ⅱ)的混合算法(MCM-NSGA-Ⅱ)对模型进行求解,并以武汉到柏林的集装箱运输为例验证模型及算法的有效性。研究结果表明：托运人偏好、失效及失效后的拥堵会对运输方案的利润、碳排放量、时间产生影响,从而改变帕累托最优运输方案。研究可为制定并优化多式联运方案提供决策支持。     

基于蚁群智能的物流配送系统车辆线路优化算法

针对当前蚁群算法中存在的计算时间长、易出现停滞或局部收敛的缺陷,为大型物流配送系统提出一种新型的基于蚁群智能的车辆线路(Vehicle Routing Problems,VRP)优化算法——AntProber．AntProber算法借鉴选择窗口的思想并加以改进,引入依概率动态自适应调整的候选可行解链表(Candidates List,CL)机制,设计一种新颖的概率转移规则,并在此基础上提出一种智能信息素更新策略．仿真结果表明,AntProber算法具有快速、高效的全局搜索性能和良好的可扩展性,可较好地解决加速收敛与局部停滞之间的矛盾．