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。
网络货运平台运输服务订单的成交定价的预测结果是平台运营策略和承运人决策的直接体现,显著影响平台效益和承运人市场健康发展。以顺丰速递网络货运平台为例,通过缺失值处理和类别型数据转换进行数据预处理。针对网络货运平台成交定价预测精度问题,设计了基于双长短期记忆网络(LSTM)组合的网络货运平台成交定价预测模型,并采用K-means聚类分析预测结果。双LSTM组合模型相较于LSTM、支持向量回归(SVR)、两者相融合的LSTM-SVR以及基于灰色GM(1,1)和反向传播(BP)组合(GM(1,1)-BP)等模型,平均绝对误差(MAE)、均方误差(MSE)、平均绝对百分比误差(MAPE)最低且R2最高,分别为9.90、402.54、1.48和0.999 97。而K-means聚类分析对预测的订单成交定价进行评级的结果与实际情况一致。实验结果表明,所提出的双LSTM组合模型具备有效性和准确的网络货运平台成交定价预测效果。
预先优化社会帐篷募集点选址,有助于地震等灾难期间有效征集社会帐篷开展救援工作。研究不同地震场景下社会帐篷募集点预选址问题,以最小化经济成本和时间成本为目标,建立双层随机规划模型,确定社会帐篷募集点选址方案。考虑模型中权重等参数的影响,设计五种实验,并对实验结果进行讨论。通过实际算例,以上海浦东新区为背景,以23个省份作为不同地震场景,验证模型的实用性。最后考虑雅安地震,分析确定场景下参数对结果的影响。
针对考虑枢纽建造成本和货物流的不确定的枢纽新建方案问题,引入全寿命周期理论,建立以轴辐式运营网络总成本最小化为目标的混合整数线性规划模型,并提出改进的最大最小后悔值的不确定性决策方法。通过算例来分析投资年限、枢纽干线折扣系数和不确定枢纽建造成本对零担物流(LTL)轴辐式网络的设计的影响。实验结果表明, 采用改进的不确定性决策方法得到的最优方案的运营成本比5个场景的运营成本平均降低了2.17%,表明基于改进的最大最小后悔值的不确定性决策方法,能够降低整个零担物流轴辐式运营网络总成本。