基于第三方物流的家具配送开放式车辆路径问题

发布时间：2020-10-11 00:11

　　 为了降低家具配送成本,提高物流效率,基于第三方物流配送模式,构建了以总行驶距离最短和车辆数最少为最优目标的开放式车辆路径问题(open vehicle routing problem, OVRP)数学模型,并设计了一个改进的两阶段禁忌搜索算法进行求解,第1阶段求解包含所有客户的TSP (traveling salesman problem)路径来作为第2阶段划分OVRP路径的基础.设计了一个随机动态禁忌表,并将"邻域算子编号"和"邻域交换点对"同时作为禁忌对象,避免了过度禁忌的情况.另外,对5个邻域算子进行了测试,表明采用由点交换、分序点插入、点逆序和前点前向插入这4个算子组成的多邻域结构体效果最佳.经算例测试和文献对比,验证了设计算法的有效性,采用第三方物流配送比自营物流配送更节省成本.
【部分图文】：

ITTSA的基本流程

根据表2的数据可知, NO4优化效果最好, 因此在本文采取两种邻域算子的测试中, 以NO4为其中算子之一, 分别与算子1、 2、 3和5进行组合, 产生NO41、 NO42、 NO43和NO45四种情况. 具体测试结果如表3所示, 绘制曲线图如图3所示. 由此可以看出, NO43在寻找最好值上效果最好, 车辆数求得了最小数, 在平均值和方差等指标方面稍差. 由于邻域算子测试的目的主要在于判断各个算子在算法中的寻优能力, 在30次测试中, NO43求得的最好值要优于其它算子组合, 所以判断NO43算子组合优化效果最好.表3 采用2种邻域算子测试的结果比较Tab.3 Comparison of test results using two kinds of neighborhood operators 邻域算子 best.Z avg.Z worst.Z dev.Z dev.Z/% sd.Z K NO41 737.40 782.02 841.01 103.61 14.05 24.29 8 NO42 736.65 783.67 836.73 100.08 13.59 25.81 8 NO43 717.40 777.23 828.41 111.01 15.47 28.60 8 NO45 734.99 758.73 798.31 63.31 8.61 15.90 8 注: NO41表示在算例测试中采取了邻域算子4和邻域算子1的组合, 下同.

表3 采用2种邻域算子测试的结果比较Tab.3 Comparison of test results using two kinds of neighborhood operators 邻域算子 best.Z avg.Z worst.Z dev.Z dev.Z/% sd.Z K NO41 737.40 782.02 841.01 103.61 14.05 24.29 8 NO42 736.65 783.67 836.73 100.08 13.59 25.81 8 NO43 717.40 777.23 828.41 111.01 15.47 28.60 8 NO45 734.99 758.73 798.31 63.31 8.61 15.90 8 注: NO41表示在算例测试中采取了邻域算子4和邻域算子1的组合, 下同.3) 采取3种邻域算子.
【参考文献】

相关期刊论文 前2条

1 裴振兵;陈雪波;;改进蚁群算法及在车辆运输调度中的应用[J];信息与控制;2015年06期

2 熊浩;鄢慧丽;;需求可拆分车辆路径问题的三阶段禁忌算法[J];系统工程理论与实践;2015年05期

【二级参考文献】

相关期刊论文 前10条

1 沈鹏;;物流配送路径优化问题求解的量子蚁群算法[J];计算机工程与应用;2013年21期

2 李秀娟;杨玥;蒋金叶;姜立明;;蚁群优化算法在物流车辆调度系统中的应用[J];计算机应用;2013年10期

3 祝文康;钟育彬;;基于改进蚁群算法的物流车辆调度问题研究[J];江南大学学报(自然科学版);2012年03期

4 陈迎欣;;基于改进蚁群算法的车辆路径优化问题研究[J];计算机应用研究;2012年06期

5 刘旺盛;杨帆;李茂青;陈培芝;;需求可拆分车辆路径问题的聚类求解算法[J];控制与决策;2012年04期

6 徐滨;张亦;;改进的蚂蚁算法车辆运行调度算法研究[J];计算机仿真;2011年10期

7 孟凡超;陆志强;孙小明;;需求可拆分车辆路径问题的禁忌搜索算法[J];计算机辅助工程;2010年01期

8 孙莹;连民杰;;基于改进蚁群算法的地下矿车辆生产调度路径优化研究[J];金属矿山;2010年02期

9 戴树贵;陈文兰;潘荫荣;胡幼华;;多配送中心车辆路径安排问题混合蚁群算法[J];四川大学学报(工程科学版);2008年06期

10 陈美军;张志胜;史金飞;;多约束下多车场车辆路径问题的蚁群算法研究[J];中国机械工程;2008年16期

【相似文献】

相关期刊论文 前10条

1 刘长石;赖明勇;;基于模糊聚类与车辆协作策略的随机车辆路径问题[J];管理工程学报;2010年02期

2 马汉武;徐森;朱维;;考虑装卸频率的大规模车辆路径问题研究[J];计算机应用研究;2011年08期

3 李俊青;黄体浩;宋美娴;韩玉艳;;一种改进人工鱼群算法求解冷链中车辆路径问题[J];聊城大学学报(自然科学版);2020年05期

4 柳毅;余福茂;俞武扬;;同时取送货车辆路径问题的改进人工鱼群算法[J];杭州电子科技大学学报;2014年03期

5 戎丽霞;;模糊需求条件下车辆路径问题的模糊模拟[J];计算机工程与应用;2010年18期

6 吴斌;邵建峰;方叶祥;;基于客户满意度的开放式车辆路径问题研究[J];计算机工程;2009年17期

7 冯雪;裴志松;;求解装卸混合车辆路径问题的模拟退火遗传算法[J];计算机测量与控制;2011年08期

8 文军;;基于车辆共享的多配送中心车辆路径问题研究[J];物流工程与管理;2019年02期

9 宁涛;陈荣;郭晨;冯瑞芳;;一种基于云计算环境的动态车辆路径问题解决策略[J];交通运输工程与信息学报;2015年03期

10 张智海;吴星玮;;带时间窗车辆路径问题的并行遗传算法[J];工业工程;2007年03期

相关博士学位论文 前7条

1 葛斌;求解车辆路径问题的蚁群优化算法研究及应用[D];合肥工业大学;2016年

2 王超;配送企业车辆路径问题模型与算法研究[D];北京交通大学;2015年

3 李剑;微粒群算法及其在物流系统中的应用研究[D];华中科技大学;2008年

4 陈萍;启发式算法及其在车辆路径问题中的应用[D];北京交通大学;2009年

5 但正刚;基于多代理的两阶段实时车辆调度系统研究[D];清华大学;2008年

6 潘震东;闭环供应链中的生产批量计划与运输协调的优化方法[D];东北大学;2014年

7 姜昌华;遗传算法在物流系统优化中的应用研究[D];华东师范大学;2007年

相关硕士学位论文 前10条

1 浦攀;基于实时信息的动态车辆路径问题模型与算法研究[D];杭州电子科技大学;2019年

2 叶亮;基于启发式算法的车辆配送问题优化研究[D];安庆师范大学;2019年

3 卢亚培;基于时间窗的多配送中心单向车辆路径问题研究[D];重庆邮电大学;2018年

4 孙伟;电子商务背景下快递末端配送车辆路径问题研究[D];浙江海洋大学;2019年

5 程立刚;复杂约束下的机场接泊服务调度问题研究[D];华中科技大学;2019年

6 余伟伟;基于启发式优化算法的物流车辆路径问题的研究[D];北京工业大学;2019年

7 何志娟;基于混合智能优化算法的软时间窗车辆路径问题研究[D];武汉大学;2019年

8 黄粲;基于Spark的取送货车辆路径问题的高效算法研究[D];厦门大学;2017年

9 孟静;带软时间窗约束的车辆路径问题的混合算法研究及其应用[D];厦门大学;2017年

10 郭倩;基于改进蝙蝠算法的车辆路径问题研究[D];河南大学;2018年

本文编号：2835746