分布式农产品物流配送系统研究

设计分布式农产品物流配送系统的体系和功能结构,建立配送中心选址和配送路径优化2个核心数学模型,分别运用粒子群优化算法和改进蚁群算法求解,并将分布式技术与GIS技术相结合以实现系统。     

低碳条件下鲜活农产品冷链物流配送路径优化

近年来,低碳物流日益受到重视,低碳条件下鲜活农产品冷链物流配送路径优化分析也成为研究热点。通过综合分析配送车辆的运输成本、固定成本、制冷等相关成本,和在配送过程中的货损成本、碳排放成本,以及未能达到客户要求的服务时间窗而出现的惩罚成本作为具体的目标函数,建立低碳条件下鲜活农产品配送路径的优化模型,并为该问题的解决提出优化的改进建议,即采用2-opt局部搜索机制的蚁群算法进行改进。同时应用实例对模型和算法的有效性进行分析,包括对算法参数的敏感性分析。仿真试验及算法对比结果表明模型和结果都是有效的,能够为最终企业进行配送决策提供有力支持。     

基于改进的Bellman-Ford算法优化中药配送路径

目的针对中药配送"小""散""多"现象,解决中药配送路径优化的问题,提高中药配送效率。方法围绕中药配送最佳路径问题,对传统的Bellman-Ford算法进行了改进,解决算法的存储空间等问题。结果通过亳州地区中药配送仿真实验,改进Bellman-Ford算法,对v-1条轮降距操作,找出所有路径,验证是否存在负环路,对Bellman-Ford算法结束后再增加一轮降距检查。结论改进的Bellman-Ford算法在计算最短路径优化过程中增加了算法的存储空间,优化了配送路径,节省了配送成本,提高了中药配送效率。     

基于蚁群算法鲜活农产品配送路径优化研究

通过构建时间惩罚函数和变质函数建立了针对鲜活农产品配送路径优化模型。运用改进的最大最小蚂蚁算法来求解该问题。最后通过一个实例验证以上模型以及算法可以有效地优化鲜活农产品配送路线。     

基于鲜活农产品冷链物流配送的车辆路径优化研究

根据鲜活农产品易腐这个特殊性研究鲜活农产品在冷链物流中的配送管理问题,从鲜活农产品冷链物流配送商的角度出发,构建基于冷藏车能耗成本分析的冷链物流配送车辆路径优化模型,应用蚁群算法和MATLAB工具对算例进行求解和分析,结果表明构建基于冷藏车能耗成本分析的配送路径优化模型更适合冷链物流配送最优路径的选择.     

生鲜农产品车辆和无人机组合配送路径优化及效果测试

【目的】为提升生鲜农产品的配送效率,提出生鲜农产品车辆与无人机组合配送路径优化方案。【方法】按照生鲜农产品冷链配送体系要求,采用模糊K-means聚类方法确定生鲜农产品配送中心;定义配送中心位置为车辆和无人机组合配送的起点,以生鲜农产品配送总成本最小为目标函数,利用蚁群算法和无人机物流车协调配送算法求解上述构建的目标函数,获取最低配送总成本的配送路径规划结果;引入安全启发函数优化蚂蚁转移规则,获取安全最高的无人机最优配送路径。再按照该方法,将生鲜农产品按照质量划分为重件和轻件,并计算重件和轻件在配送过程中产生的成本,获取在不同的总配送生鲜农产品快件数量下,优化前与优化后的配送成本。【结果】效果测试表明,该方法具有良好的聚类效果,簇类凝聚度(Davies-Bouldin, DB)指数值均低于0.15,可合理选取配送中心,保证配送中心的覆盖程度。并且通过对比该方法应用前后的数据对比可知,应用前重件和轻件的配送成本明显更高于应用后的成本。【结论】该方法可以更高质量地完成车辆和无人机组合配送路径规划,能够显著降低生鲜农产品的配送总体成本,应用效果满足应用需求,提升配送效率。     

基于改进蚁群算法的易腐农产品配送路径规划研究

为了使易腐生鲜类农产品在复杂交通环境能够快速找到最优移动路径,进行考虑包括时间、油耗、罚没成本等因素在内的多目标配送,从而对综合成本与新鲜度保障进行平衡,提出了在传统蚁群算法的基础上改进转移规则,并加入含时间启发因子的影响函数。通过算例仿真,证明了改进蚁群算法的有效性和合理性,其降低了复杂程度,优化了传统蚁群算法容易陷入局部最优的问题,提升了迭代运算的收敛速度,同时降低了配送的综合成本。     

具有模糊需求的农产品冷链物流车辆配送路径优化研究

农产品易变质、易腐蚀的特性,对农产品的冷链物流配送提出了更高的要求.该研究对农产品冷链物流的车辆配送路径进行优化,选择成本最低的配送路径,建立各零售点具有模糊需求情况下的优化模型,设计混合智能算法进行求解,并通过实例验证了模型和算法的有效性和可行性.     

电子商务环境下新鲜农产品流通路径的优化研究

快速发展的电子商务技术,为新鲜农产品销售开创了一个新局面,而新鲜农产品的物流配送是保证农产品高品质到达消费者手中最重要的环节。从配送路径优化管理角度展开研究,建立新鲜农产品配送路径模型,采用禁忌搜索算法对配送路径模型进行路径优化并论证,结果表明,实验模型具有可行性和有效性,通过流通路径的优化,科学合理分配车辆和行程路线,从而提高货物的配送效率、降低配送成本和提高服务质量。     

改进粒子群优化算法的果园割草机作业路径规划

为提高果园割草机的工作效率,降低作业成本,提出一种改进粒子群优化算法(Improved particle swarm optimization,IPSO)以解决矩形果园环境下的割草机作业路径规划问题。对苹果园割草场景下的作业路径特点进行分析,将路径规划问题转化为割草机作业行的调度排优问题,考虑多种转弯策略,以总转弯距离最小为优化目标,采用粒子群优化算法(Particle swarm optimization,PSO)求解最佳的作业行序列。为增强粒子群的寻优能力,使用随搜索进程非线性动态变化的算法参数及粒子扰动策略对PSO算法进行改进,通过仿真试验及实地试验进行验证。结果表明:1)6种不同作业行数下,与PSO算法相比,IPSO算法收敛速度减慢,算法耗时平均增加约1.0~2.5 s,但均能找到总转弯距离更少的作业路径,总转弯距离减少率为7.52%~32.72%;2)不同割草机参数(作业幅宽、最小转弯半径)下,与PSO算法相比,IPSO算法均能找到总转弯距离更少的作业路径;3)在果园环境与割草机机型确定的实际作业情况下,与传统方法和PSO算法相比,IPSO算法均能找到油耗更小的作业路径,节省油耗分别为 22.51%和1.57%。     

面向多模态函数的自适应混沌爬山微粒群算法

针对微粒群算法在多模态函数优化中难以找到全部极值点以及陷入局部最优和后期收敛速度慢等缺陷,提出了一种基于熵的自适应混沌爬山微粒群算法.算法根据熵的值来衡量种群多样性,当发现种群多样性匮乏时,采用动态混沌机制增强多样性;后期融入了局部收敛速度较快的爬山算法提高微粒群算法的后期收敛速度.4种典型多模态函数测试结果表明该算法在求解复杂多模态函数优化问题方面的可行性。     

基于改进蚁群算法的农业运输车辆路径优化研究

针对农产品在运输过程中运输时间长易变质等问题,合理规划果蔬运输车辆的配送路径。在基本蚁群算法的基础上,提出适合求解路径规划的改进型算法,同时提出了自适应调整的方案,提高跳出局部优解的能力以及算法的全局收敛性。仿真试验结果验证了改进型算法的可行性和高效性,从而达到运输车辆路径优化的目的,为提高农产品的运输效率、降低成本、提高收益提供了理论依据。     

生鲜农产品物流中心选址的优化研究

基于生鲜农产品具有保鲜时间短、易变质等特点,对生鲜农产品物流中心的选址进行优化,可缩短其流通时间并提高农产品保鲜率。以最低的生鲜农产品配送成本为目标,构建了选址优化模型,提出了相应的求解算法,并通过仿真试验验证了模型的可行性。     

基于遗传算法的生鲜农产品库存控制的应用

根据生鲜农产品保鲜期短的特点,分析了合理库存的重要性;从满足消费的需求出发,建立了生鲜农产品配送中心的库存控制优化模型,并结合实例,采用二进制编码的遗传算法对模型进行求解;运用VB编写相应的求解程序,库存费用节省了2.32%,实现了库存控制的合理性.     

蜂群算法在冷链物流配送车路径规划中的应用

车辆路径规划问题是冷链物流配送环节的关键,而易腐农产品会随运输时间的推移而腐烂变质或者影响其使用价值。利用解蜂群算法采蜜行为的基本原理及其算法流程,根据配送中心与客户的需求以及运输过程存在各方面约束条件的情况下建立模型并初步考虑到农产品的腐败成本。最终分析并设计了一种基于人工蜂群算法的冷链物流配送车辆路径优化方法,并应用实例及软件仿真对算法进行了验证,且证明了该算法的有效性。     

基于改进微粒群算法的无人机姿态控制参数智能整定

提出了基于改进微粒群算法的无人机姿态控制器参数智能整定方法.标准微粒群算法在搜索后期由于群体缺乏多样性而容易出现收敛停滞现象,为此提出了一种改进的微粒群算法.标准微粒群算法中的微粒速度是根据惯性运动、群体历史最优位置和自身历史最优位置来调节的.改进微粒群算法中的微粒除了保持惯性运动外,仅向当前群体中任意更优个体的状态学习,而且惯性权重系数是随机数.改进方案减少了算法不确定参数,简化了微粒学习机制,且增强了群体多样性.本文构建了无人机姿态控制系统,将改进微粒群算法用于四个控制参数的寻优整定.仿真结果表明,改进微粒群算法比一般微粒群算法具有更强的全局搜索能力,故获得更优的无人机姿态控制参数.     

细菌群体趋药性算法在农产品配送车辆调度中的应用

描述了农产品配送车辆调度中存在的问题,建立了带有时间窗口约束的多目标农产品配送车辆调度模型,提出基于细菌群体趋药性算法的求解方法,仿真结果表明,基于细菌体趋药性算法的结果优于遗传算法,为农产品配送车辆调度问题的解决提供了新思路。