CN112330070A - 一种碳排放限制下的冷藏集装箱多式联运路径优化方法 - Google Patents
一种碳排放限制下的冷藏集装箱多式联运路径优化方法 Download PDFInfo
- Publication number
- CN112330070A CN112330070A CN202011365001.8A CN202011365001A CN112330070A CN 112330070 A CN112330070 A CN 112330070A CN 202011365001 A CN202011365001 A CN 202011365001A CN 112330070 A CN112330070 A CN 112330070A
- Authority
- CN
- China
- Prior art keywords
- transportation
- node
- carbon emission
- mode
- path
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 54
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005457 optimization Methods 0.000 title claims abstract description 24
- 238000005057 refrigeration Methods 0.000 claims abstract description 19
- 230000002068 genetic effect Effects 0.000 claims abstract description 13
- 210000000349 chromosome Anatomy 0.000 claims description 31
- 230000035772 mutation Effects 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000007704 transition Effects 0.000 claims description 6
- 238000006467 substitution reaction Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000010353 genetic engineering Methods 0.000 claims description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000002759 chromosomal effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Physiology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
技术领域
本发明涉及计算机技术领域,特别涉及一种碳排放限制下的冷藏集装箱多式联运路径优化方法。
背景技术
多式联运是指由两种或两种以上的交通工具相互衔接、转运而共同完成运输。相较于普通集装箱运输,冷藏集装箱的多式联运除了需要考虑运输成本、转运成本外,还需要考虑冷藏费用和冷藏物品的损耗等成本,同时冷藏运输过程中产生的二氧化碳远比普通货物运输过程中产生的多,还需要考虑冷藏设备制冷所产生的碳排放。因此,需要一种高效快速的方法来制定最优的冷藏集装箱的多式联运路径,从而为运输需求方提供节省成本的运输路径方案。
发明内容
为解决上述问题,本发明提供了一种碳排放限制下的冷藏集装箱多式联运路径优化方法。
本发明采用以下技术方案:
一种碳排放限制下的冷藏集装箱多式联运路径优化方法,包括如下步骤:
S1、采集运输数据形多联运输网络;
S2、构建目标优化模型,所述目标优化模型包括以最小化总成本为目标的目标函数,所述目标函数为:minZ=fy+fz+fl;
其中,Z为总成本,由三部分构成,第一部分fy为运输成本,第二部分fz为转运成本,第三部分fl为冷藏成本和货损成本;
进一步地,所述运输数据包括运输节点、所述运输节点之间的运输路径、所述运输路径对应的运输方式、所述运输方式的发班时刻以及碳排放限制条件下的运输成本、转运成本、冷藏成本和货损成本。
进一步地,所述步骤S2中
其中,υ1表示冷藏集装箱的单位时间冷藏费用,υ2表示冷藏集装箱的单位时间货损费用,表示通过运输方式m由节点i运到j的运输时间,表示在节点j由运输方式m转换到运输方式n的时间,表示在节点j由运输方式m转换到运输方式n时,否则 表示在节点j由运输方式m换装到运输方式n后,运输方式n最近的发班时刻,表示通过运输方式m到达节点j的时刻。
进一步地,所述目标函数还包括如下约束条件:
其中,s为货物运输的起点,d为货物运输的终点;
(3)需满足前后需满足前后运输方式的连续性约束,即若在节点j由运输方式m转换为n,则通过m到达j,通过n离开j,即
(4)需满足碳排放限制约束,即C1+C2+C3≤ε,其中,ε为碳排放限制量,C1为运输的碳排放量,C2为转运的碳排放量,C3为冷藏设备制冷的碳排放量;
所述C3的计算公式为:
其中,c为冷藏集装箱的单位时间碳排放量;
(7)需满足变量非负约束,即
进一步地,步骤S3中所述利用遗传算法求解目标优化模型的过程如下:
S31、编码:采用可变长的路径编码方法,对染色体分两段进行编码,第一段为路径节点,第二段为节点间的运输方式;
S32、初始种群的生成:利用Bellman-Ford最短路算法生成染色体的第一段编码,然后在相邻两节点间存在的运输方式中随机选择一种,生成第二段编码,得到初始染色体,即初始种群;
S34、遗传操作:所述遗传操作包括随机竞争、单点交叉操作和散射变异操作;
S35、精英保留与终止策略:利用精英保留策略进行全局最优解更新,以最大迭代次数6为终止条件。
进一步地,步骤S33中所述对违反约束的个体进行调整的方法如下:
A、计算个体的碳排放量;
B、判断每个个体所示方案的碳排放量是否超过要求,若超过,则以大于50%概率删除,所述;
C、在步骤B删除了多少个体就在余下群体中随机选择相应数量的个体进行复制,并替换被删除的染色体。
进一步地,步骤S34中所述随机竞争具体为:
采用随机竞争选择策略进行选择操作,每次按照轮盘赌选择机制选取一对个体,然后让这对个体竞争,适应度高的被选中,如此反复,直到选满为止;
进一步地,步骤S34中所述单点交叉操作具体为:
若两个父染色体具有除起点和终点外的相同节点,则采取在相同节点进行交叉操作,若有多个相同节点,则随机选择一个相同节点作为交叉点;
若两个父染色体无相同节点,则采用单点交叉方法对染色体第一段进行交叉操作,若交叉后若没有连通,则利用Bellman-Ford最短路算法寻找交叉节点与相邻的下一节点的有效路径替代,若没有找到有效路径,则继续查找再下一节点,如此往复直到找到连通路径;
进一步地,步骤S34中所述散射变异操作具体为:
利用改进的散射变异法进行变异操作,给各弧段随机赋值,利用Bellman-Ford最短路算法生成染色体的第一段编码,然后随机选择节点间的运输方式生成第二段编码,进而得到变异后的染色体。
进一步地,所述单点交叉操作后若出现环路,即在路径编码中出现了相同的节点,则删除环路,去除环路中间节点,只保留一个相同节点。
采用上述技术方案后,本发明与背景技术相比,具有如下优点:
附图说明
图1为实施例的多式联运示意图;
图2为遗传算法中染色体编码的示意图;
图3为遗传算法中环路处理的示意图;
图4为遗传算法求解流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例
如图1所示,本实施例的任务为将冷藏集装箱由起点①运输到终点⑨,集装箱在其间的节点可以进行不同运输方式的转换,铁路和水路运输方式按照班期表发班,需要找出在碳排放限制条件下以运输成本、转运成本、冷藏成本和货损成本最低为目标的最优运输路径。
一种碳排放限制下的冷藏集装箱多式联运路径优化方法,包括如下步骤:
S1、采集运输数据形多联运输网络;
所述运输数据包括运输节点、所述运输节点之间的运输路径、所述运输路径对应的运输方式、所述运输方式的发班时刻以及碳排放限制条件下的运输成本、转运成本、冷藏成本和货损成本。
S2、构建目标优化模型,所述目标优化模型包括以最小化总成本为目标的目标函数,所述目标函数为:minZ=fy+fz+fl;
其中,Z为总成本,由三部分构成,第一部分fy为运输成本,第二部分fz为转运成本,第三部分fl为冷藏成本和货损成本;
所述步骤S2中
其中,υ1表示冷藏集装箱的单位时间冷藏费用,υ2表示冷藏集装箱的单位时间货损费用,表示通过运输方式m由节点i运到j的运输时间,表示在节点j由运输方式m转换到运输方式n的时间,表示在节点j由运输方式m转换到运输方式n时,否则 表示在节点j由运输方式m换装到运输方式n后,运输方式n最近的发班时刻,表示通过运输方式m到达节点j的时刻。
所述目标函数还包括如下约束条件:
其中,s为货物运输的起点,d为货物运输的终点;
(3)需满足前后需满足前后运输方式的连续性约束,即若在节点j由运输方式m转换为n,则通过m到达j,通过n离开j,即
(4)需满足碳排放限制约束,即C1+C2+C3≤ε,其中,ε为碳排放限制量,C1为运输的碳排放量,C2为转运的碳排放量,C3为冷藏设备制冷的碳排放量;
所述C3的计算公式为:
其中,c为冷藏集装箱的单位时间碳排放量;
(7)需满足变量非负约束,即
如图4所示,遗传算法求解最优运输路径的过程如下:
S31、编码
采用可变长的路径编码方法,针对多式联运网络节点间有多种运输方式的特点,对染色体分两段进行编码,第一段为路径节点,第二段为节点间的运输方式。如图2所示,染色体的路径节点部分,表示图1中由节点①到节点⑨的一条路径,当交叉和变异操作时,把第二段运输方式插入第一段空隙中,图2中,H表示公路运输,R表示铁路运输,W表示水路运输。
S32、初始种群的生成
采取以下方法构造初始种群:
A、利用图1的多式联运网络生成连通矩阵,即两点间若存在一种运输方式连通,则表示连通,矩阵边的权值取各连通运输方式边的权值的最小值;
B、利用Bellman-Ford最短路算法生成染色体的第一段编码,然后在相邻两节点间存在的运输方式中随机选择一种,生成第二段编码,得到初始染色体,即初始种群;
C、如果达到种群规模要求,则停止,否则随机生成0~1的小数,然后乘以该路径各弧段的权值,并更新多式联运网络权值,返回步骤B。
S33、适应度评估与违反约束的处理
目标优化模型包括碳排放限制要求,但在算法的进化中,有些个体的碳排放量会超过要求。因此,采取以下方法进行调整:
A、计算个体的碳排放量;
B、判断每个个体所示方案的碳排放量是否超过要求,若超过,则以大于50%概率删除,所述;
C、在步骤B删除了多少个体就在余下群体中随机选择相应数量的个体进行复制,并替换被删除的染色体。
S34、遗传操作
A、随机竞争
采用随机竞争选择策略进行选择操作,每次按照轮盘赌选择机制选取一对个体,然后让这对个体竞争,适应度高的被选中,如此反复,直到选满为止;
B、单点交叉操作
由于进行交叉操作的染色体会有两种情况,一是两个父染色体有相同节点(除起点和终点外);二是两个父染色体无相同节点,所以,采用改进的单点交叉方法对染色体第一段进行交叉操作;
对于第一种情况采取在相同节点进行交叉操作,若有多个相同节点,则随机选择一个相同节点作为交叉点;对于第二种情况,交叉操作中可能会产生非法个体,出现没有通路的情况,采取以下方法修复非法个体:交叉后若没有连通,则利用Bellman-Ford最短路算法寻找交叉节点与相邻的下一节点的有效路径替代;若没有找到有效路径,则继续查找再下一节点,如此往复直到找到连通路径;
如图3所示,交叉后可能会出现环路,也就是在路径编码中出现了相同的节点,若出现环路,就删除环路,去除环路中间节点,保留一个相同节点,如图3所示的染色体,其中节点②出现了两次,形成了闭环,则去掉环得新的节点①,②,⑦,⑨。完成以上操作后,对于第一段编码有变化片段,随机选择节点间的运输方式生成相应的第二段编码,而没有发生变化的基因片段,其第二段则不变;
C、散射变异操作
利用改进的散射变异法进行变异操作,给各弧段随机赋值,利用Bellman-Ford最短路算法生成染色体的第一段编码,然后随机选择节点间的运输方式生成第二段编码,进而得到变异后的染色体;
S35、精英保留与终止策略
利用精英保留策略进行全局最优解更新,以最大迭代次数为终止条件,这里的最大迭代次数可为3-9,本实施例采用6次作为最大迭代次数。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (10)
2.如权利要求1所述的一种碳排放限制下的冷藏集装箱多式联运路径优化方法,其特征在于:所述运输数据包括运输节点、所述运输节点之间的运输路径、所述运输路径对应的运输方式、所述运输方式的发班时刻以及碳排放限制条件下的运输成本、转运成本、冷藏成本和货损成本。
6.如权利要求5所述的一种碳排放限制下的冷藏集装箱多式联运路径优化方法,其特征在于:所述目标函数还包括如下约束条件:
其中,s为货物运输的起点,d为货物运输的终点;
(3)需满足前后需满足前后运输方式的连续性约束,即若在节点j由运输方式m转换为n,则通过m到达j,通过n离开j,即
(4)需满足碳排放限制约束,即C1+C2+C3≤ε,其中,ε为碳排放限制量,C1为运输的碳排放量,C2为转运的碳排放量,C3为冷藏设备制冷的碳排放量;
所述C3的计算公式为:
其中,c为冷藏集装箱的单位时间碳排放量;
(7)需满足变量非负约束,即
7.如权利要求6所述的一种碳排放限制下的冷藏集装箱多式联运路径优化方法,其特征在于:步骤S3中所述利用遗传算法求解目标优化模型的过程如下:
S31、编码:采用可变长的路径编码方法,对染色体分两段进行编码,第一段为路径节点,第二段为节点间的运输方式;
S32、初始种群的生成:利用Bellman-Ford最短路算法生成染色体的第一段编码,然后在相邻两节点间存在的运输方式中随机选择一种,生成第二段编码,得到初始染色体,即初始种群;
S34、遗传操作:所述遗传操作包括随机竞争、单点交叉操作和散射变异操作;
S35、精英保留与终止策略:利用精英保留策略进行全局最优解更新,以最大迭代次数6为终止条件。
8.如权利要求7所述的一种碳排放限制下的冷藏集装箱多式联运路径优化方法,其特征在于:步骤S33中所述对违反约束的个体进行调整的方法如下:
A、计算个体的碳排放量;
B、判断每个个体所示方案的碳排放量是否超过要求,若超过,则以大于50%概率删除,所述;
C、在步骤B删除了多少个体就在余下群体中随机选择相应数量的个体进行复制,并替换被删除的染色体。
9.如权利要求7所述的一种碳排放限制下的冷藏集装箱多式联运路径优化方法,其特征在于:
步骤S34中所述随机竞争具体为:
采用随机竞争选择策略进行选择操作,每次按照轮盘赌选择机制选取一对个体,然后让这对个体竞争,适应度高的被选中,如此反复,直到选满为止;
步骤S34中所述单点交叉操作具体为:
若两个父染色体具有除起点和终点外的相同节点,则采取在相同节点进行交叉操作,若有多个相同节点,则随机选择一个相同节点作为交叉点;
若两个父染色体无相同节点,则采用单点交叉方法对染色体第一段进行交叉操作,若交叉后若没有连通,则利用Bellman-Ford最短路算法寻找交叉节点与相邻的下一节点的有效路径替代,若没有找到有效路径,则继续查找再下一节点,如此往复直到找到连通路径;
步骤S34中所述散射变异操作具体为:
利用改进的散射变异法进行变异操作,给各弧段随机赋值,利用Bellman-Ford最短路算法生成染色体的第一段编码,然后随机选择节点间的运输方式生成第二段编码,进而得到变异后的染色体。
10.如权利要求9所述的一种碳排放限制下的冷藏集装箱多式联运路径优化方法,其特征在于:所述单点交叉操作后若出现环路,即在路径编码中出现了相同的节点,则删除环路,去除环路中间节点,只保留一个相同节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011365001.8A CN112330070A (zh) | 2020-11-27 | 2020-11-27 | 一种碳排放限制下的冷藏集装箱多式联运路径优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011365001.8A CN112330070A (zh) | 2020-11-27 | 2020-11-27 | 一种碳排放限制下的冷藏集装箱多式联运路径优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112330070A true CN112330070A (zh) | 2021-02-05 |
Family
ID=74309639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011365001.8A Pending CN112330070A (zh) | 2020-11-27 | 2020-11-27 | 一种碳排放限制下的冷藏集装箱多式联运路径优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330070A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112949922A (zh) * | 2021-03-01 | 2021-06-11 | 北京交通大学 | 中欧陆海快线中海铁联运路线优化方法 |
CN113159681A (zh) * | 2021-04-20 | 2021-07-23 | 华南理工大学 | 一种基于博弈强化学习的多式联运动态路径规划方法 |
CN114091196A (zh) * | 2021-11-18 | 2022-02-25 | 上海海洋大学 | 专用于冷藏集装箱围护结构的碳排放计算方法 |
CN115619065A (zh) * | 2022-12-19 | 2023-01-17 | 华东交通大学 | 一种多式联运路径优化方法、系统、电子设备及介质 |
CN115983755A (zh) * | 2023-01-19 | 2023-04-18 | 中南大学 | 一种多式联运路径优化方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651280A (zh) * | 2017-03-23 | 2017-05-10 | 广东工业大学 | 一种集装箱轮船物流运输调度方法及系统 |
EP3521762A1 (en) * | 2018-02-03 | 2019-08-07 | Carrier Corporation | Cold chain transportation route modeling system |
CN110334977A (zh) * | 2019-05-17 | 2019-10-15 | 河海大学 | 一种港口群集装箱集疏运系统交通配流方法 |
CN111553507A (zh) * | 2020-03-09 | 2020-08-18 | 西南交通大学 | 基于多商品流的中欧集装箱运输方案优化方法 |
CN111915051A (zh) * | 2020-05-08 | 2020-11-10 | 西南交通大学 | 一种铁路零担货物集配货技术协同管理研究方法 |
-
2020
- 2020-11-27 CN CN202011365001.8A patent/CN112330070A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651280A (zh) * | 2017-03-23 | 2017-05-10 | 广东工业大学 | 一种集装箱轮船物流运输调度方法及系统 |
EP3521762A1 (en) * | 2018-02-03 | 2019-08-07 | Carrier Corporation | Cold chain transportation route modeling system |
CN110334977A (zh) * | 2019-05-17 | 2019-10-15 | 河海大学 | 一种港口群集装箱集疏运系统交通配流方法 |
CN111553507A (zh) * | 2020-03-09 | 2020-08-18 | 西南交通大学 | 基于多商品流的中欧集装箱运输方案优化方法 |
CN111915051A (zh) * | 2020-05-08 | 2020-11-10 | 西南交通大学 | 一种铁路零担货物集配货技术协同管理研究方法 |
Non-Patent Citations (1)
Title |
---|
刘松 等: "碳排放限制下的冷藏集装箱多式联运路径优化", 《应用数学和力学》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112949922A (zh) * | 2021-03-01 | 2021-06-11 | 北京交通大学 | 中欧陆海快线中海铁联运路线优化方法 |
CN113159681A (zh) * | 2021-04-20 | 2021-07-23 | 华南理工大学 | 一种基于博弈强化学习的多式联运动态路径规划方法 |
CN114091196A (zh) * | 2021-11-18 | 2022-02-25 | 上海海洋大学 | 专用于冷藏集装箱围护结构的碳排放计算方法 |
CN115619065A (zh) * | 2022-12-19 | 2023-01-17 | 华东交通大学 | 一种多式联运路径优化方法、系统、电子设备及介质 |
CN115983755A (zh) * | 2023-01-19 | 2023-04-18 | 中南大学 | 一种多式联运路径优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112330070A (zh) | 一种碳排放限制下的冷藏集装箱多式联运路径优化方法 | |
Surekha et al. | Solution to multi-depot vehicle routing problem using genetic algorithms | |
Pankratz | A grouping genetic algorithm for the pickup and delivery problem with time windows | |
Trachanatzi et al. | A firefly algorithm for the environmental prize-collecting vehicle routing problem | |
CN109800910B (zh) | 一种基于禁忌搜索的超启发式算法的车辆路径优化方法 | |
CN112987757B (zh) | 一种货物多式联运的路径规划方法 | |
Sharma et al. | Vehicle routing problem: recent literature review of its variants | |
Rezaei et al. | A green vehicle routing problem with time windows considering the heterogeneous fleet of vehicles: two metaheuristic algorithms | |
CN110097218B (zh) | 一种时变环境下无人商品配送方法及系统 | |
CN109764882A (zh) | 一种基于自适应局部搜索链的多目标车辆路径规划方法 | |
CN115829183B (zh) | 冷链物流路径规划方法、装置、设备及可读存储介质 | |
CN116151497A (zh) | 一种带有取送货的多隔间车辆路径规划方法及系统 | |
Hajiaghaei-Keshteli et al. | Designing a multi-period dynamic electric vehicle production-routing problem in a supply chain considering energy consumption | |
Al Chami et al. | An advanced grasp-hga combination to solve a multi-period pickup and delivery problem | |
CN115983755A (zh) | 一种多式联运路径优化方法 | |
Alaia et al. | A Comparative Study of the PSO and GA for the m-MDPDPTW | |
CN109840615B (zh) | 基于免疫克隆算法的重载铁路装车区车流组织的优化方法 | |
Fallah et al. | A green competitive vehicle routing problem under uncertainty solved by an improved differential evolution algorithm | |
CN116934205B (zh) | 一种公铁空轴辐式物流网络优化方法 | |
Sakurai et al. | A simple optimization method based on backtrack and ga for delivery schedule | |
Liao et al. | An evolutionary approach for the selective pickup and delivery problem | |
Tang et al. | The multi-objective capacitated facility location problem for green logistics | |
Zhang et al. | Multiobjective Green Time‐Dependent Location‐Routing Problem and Algorithms | |
Gholami et al. | Train routing and timetabling via a genetic algorithm | |
Yi et al. | Automated design of search algorithms based on reinforcement learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210205 |
|
RJ01 | Rejection of invention patent application after publication |