两级定位-路径问题的变邻域人工蜂群算法

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (6): 25-30.

两级定位-路径问题的变邻域人工蜂群算法

陈久梅1，2，龚英1，2

1.重庆工商大学电子商务及供应链系统重庆市重点实验室，重庆 400067
2.重庆工商大学商务策划学院，重庆 400067

出版日期:2014-03-15 发布日期:2015-05-12

Artificial Bee Colony algorithm with variable neighborhood search for two-Echelon Location-Routing Problem

CHEN Jiumei1，2, GONG Ying1，2

1.Chongqing Key Laboratory of Electronic Commerce & Supply Chain System, Chongqing Technology and Business University, Chongqing 400067, China
2.Strategical Planning Department, Chongqing Technology and Business University, Chongqing 400067, China

Online:2014-03-15 Published:2015-05-12

摘要/Abstract

摘要： 建立了两级定位-路径问题的数学模型，提出了一种求解该问题的人工蜂群算法。针对该算法容易出现早熟现象，将近年来国外出现的一种新颖的轨迹式启发式算法——变邻域搜索融入其中，由此提出三种变邻域搜索策略。基于不同变邻域搜索策略的人工蜂群算法和人工鱼群算法的求解效果进行对比仿真。实验结果表明，变邻域人工蜂群算法能有效求解两级定位-路径问题。

关键词: 两级定位-路径问题, 人工蜂群算法, 变邻域搜索, 物流, 配送

Abstract: A mathematical model of two-echelon location-routing problem is established. Artificial Bee Colony algorithm is put forward to solve this problem. Since this algorithm usually has premature convergence. Variable neighborhood search, a novel path heuristic algorithm appearing abroad in recent years, is blended in this algorithm. At the same time, three kinds of variable neighborhood search strategy are put forward. The comparison simulation between Artificial Bee Colony algorithm with different variable neighborhood search strategies and artificial fish swarm algorithm has been done. The experimental results show that Artificial Bee Colony algorithm with variable neighborhood search can effectively solve two-echelon location-routing problem.

Key words: two-Echelon Location-Routing Problem（2E-LRP）, Artificial Bee Colony（ABC） algorithm, Variable Neighborhood Search（VNS）, logistics, distribution

陈久梅1，2，龚英1，2. 两级定位-路径问题的变邻域人工蜂群算法[J]. 计算机工程与应用, 2014, 50(6): 25-30.

CHEN Jiumei1，2, GONG Ying1，2. Artificial Bee Colony algorithm with variable neighborhood search for two-Echelon Location-Routing Problem[J]. Computer Engineering and Applications, 2014, 50(6): 25-30.

[1]	张芳，武杰，杨悦. 风险规避的冷链物流服务供应链减排协调决策[J]. 计算机工程与应用, 2021, 57(24): 259-267.
[2]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[3]	李家斌，何世伟，刁丹丹，靳国伟，郭小乐. 物流包装租赁系统配送库存路径模型与算法[J]. 计算机工程与应用, 2021, 57(22): 263-272.
[4]	熊兴隆，刘佳，李猛，马愈昭. 基于无人机-配送车联合配送的优化算法研究[J]. 计算机工程与应用, 2021, 57(19): 259-266.
[5]	付朝晖，刘长石. 多物流中心共同配送的车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(16): 291-298.
[6]	张凯，靳鹏，崔勇. 带时间窗的多车型需求可拆分揽收配送问题[J]. 计算机工程与应用, 2021, 57(14): 281-288.
[7]	李雨鑫，李悦悦. 面向JIT采购的多目标车辆调度[J]. 计算机工程与应用, 2021, 57(12): 263-272.
[8]	张晓楠，姜帅，南婧雯. 半柔性覆盖的多配送中心路线优化问题研究[J]. 计算机工程与应用, 2021, 57(10): 225-232.
[9]	任新惠，王柳. 即时配送下无人机全自动机场分区选址模型[J]. 计算机工程与应用, 2021, 57(10): 266-272.
[10]	张森，叶剑，李国刚. 面向冷链物流的区块链技术方案研究与实现[J]. 计算机工程与应用, 2020, 56(3): 19-27.
[11]	张建军，赵启兰. 线上零售商主导下供应链结构选择及演化[J]. 计算机工程与应用, 2020, 56(24): 249-259.
[12]	李锐，李晓会，陈鑫. 可靠性绿色物流配送选址-路径问题研究[J]. 计算机工程与应用, 2020, 56(23): 237-244.
[13]	吴树景，游有鹏，罗福源. 变邻域保优遗传算法求解柔性车间调度问题[J]. 计算机工程与应用, 2020, 56(22): 236-243.
[14]	应毅，任凯，刘亚军. 基于GIS技术和加权kNN算法的实时揽件调度方法[J]. 计算机工程与应用, 2020, 56(21): 248-252.
[15]	霍晴晴，郭健全. TBL理论下3C产品可持续闭环物流网络模糊优化[J]. 计算机工程与应用, 2020, 56(19): 237-243.