目的基于供应商管理库存策略,优化协调第三方物流(3rd Party Logistics,3PL)参与的二级供应链系统中库存补充与补货配送的关系,在满足配送需求的同时降低系统的库存和运输成本。方法综合考虑3PL物流模式下的库存-路径系统中生鲜产品的...目的基于供应商管理库存策略,优化协调第三方物流(3rd Party Logistics,3PL)参与的二级供应链系统中库存补充与补货配送的关系,在满足配送需求的同时降低系统的库存和运输成本。方法综合考虑3PL物流模式下的库存-路径系统中生鲜产品的运输距离、质量时间窗以及需求分割配送策略在时间上的调整等因素,以异质车队车辆行驶燃油成本、车辆调用固定成本、配送超时腐坏成本以及各零售商的库存成本为目标函数,建立多品种生鲜产品库存-路径优化模型。结果通过改进的遗传算法计算并进行配送量调整优化,得到最终的生鲜配送方案,其系统总成本比配送量调整前减少了9.98%。结论通过在时间上对配送量进行拆分调整可以有效地节约供应链系统总成本。展开更多
针对带时间窗的低能耗多车场多车型车辆路径问题(Low-energy-consumption multi-depots heterogeneousfleet vehicle routing problem with time windows,LMHFVPR_TW),提出一种结合聚类分解策略的增强蚁群算法(Enhanced ant colony opti...针对带时间窗的低能耗多车场多车型车辆路径问题(Low-energy-consumption multi-depots heterogeneousfleet vehicle routing problem with time windows,LMHFVPR_TW),提出一种结合聚类分解策略的增强蚁群算法(Enhanced ant colony optimization based on clustering decomposition,EACO_CD)进行求解.首先,由于该问题具有强约束、大规模和NP-Hard等复杂性,为有效控制问题的求解规模并合理引导算法在优质解区域搜索,根据问题特点设计两种基于K-means的聚类策略,将LMHFVPR_TW合理分解为一系列带时间窗的低能耗单车场单车型车辆路径子问题(Low-energy-consumption vehicle routing problem with time windows,LVRP_TW);其次,本文提出一种增强蚁群算法(Enhanced ant colony optimization,EACO)求解分解后的各子问题(LVRP_TW),进而获得原问题的解.EACO不仅引入信息素挥发系数控制因子进一步动态调节信息素挥发系数,从而有效控制信息素的挥发以提高算法的全局搜索能力,而且设计基于4种变邻域操作的两阶段变邻域局部搜索(Two-stage variable neighborhood search,TVNS)来增强算法的局部搜索能力.最后,在不同规模问题上的仿真和对比实验验证了所提EACO_CD的有效性.展开更多
文摘目的基于供应商管理库存策略,优化协调第三方物流(3rd Party Logistics,3PL)参与的二级供应链系统中库存补充与补货配送的关系,在满足配送需求的同时降低系统的库存和运输成本。方法综合考虑3PL物流模式下的库存-路径系统中生鲜产品的运输距离、质量时间窗以及需求分割配送策略在时间上的调整等因素,以异质车队车辆行驶燃油成本、车辆调用固定成本、配送超时腐坏成本以及各零售商的库存成本为目标函数,建立多品种生鲜产品库存-路径优化模型。结果通过改进的遗传算法计算并进行配送量调整优化,得到最终的生鲜配送方案,其系统总成本比配送量调整前减少了9.98%。结论通过在时间上对配送量进行拆分调整可以有效地节约供应链系统总成本。
文摘针对带时间窗的低能耗多车场多车型车辆路径问题(Low-energy-consumption multi-depots heterogeneousfleet vehicle routing problem with time windows,LMHFVPR_TW),提出一种结合聚类分解策略的增强蚁群算法(Enhanced ant colony optimization based on clustering decomposition,EACO_CD)进行求解.首先,由于该问题具有强约束、大规模和NP-Hard等复杂性,为有效控制问题的求解规模并合理引导算法在优质解区域搜索,根据问题特点设计两种基于K-means的聚类策略,将LMHFVPR_TW合理分解为一系列带时间窗的低能耗单车场单车型车辆路径子问题(Low-energy-consumption vehicle routing problem with time windows,LVRP_TW);其次,本文提出一种增强蚁群算法(Enhanced ant colony optimization,EACO)求解分解后的各子问题(LVRP_TW),进而获得原问题的解.EACO不仅引入信息素挥发系数控制因子进一步动态调节信息素挥发系数,从而有效控制信息素的挥发以提高算法的全局搜索能力,而且设计基于4种变邻域操作的两阶段变邻域局部搜索(Two-stage variable neighborhood search,TVNS)来增强算法的局部搜索能力.最后,在不同规模问题上的仿真和对比实验验证了所提EACO_CD的有效性.
