基于改进粒子群算法的异质车队二级IRP优化

doi:10.3778/j.issn.1002-8331.2005-0235

计算机工程与应用 ›› 2020, Vol. 56 ›› Issue (22): 272-278.DOI: 10.3778/j.issn.1002-8331.2005-0235

• 工程与应用 • 上一篇

基于改进粒子群算法的异质车队二级IRP优化

杨华龙，陆婷，辛禹辰

1.大连海事大学交通运输工程学院，辽宁大连 116026
2.大连海事大学物流研究院，辽宁大连 116026

出版日期:2020-11-15 发布日期:2020-11-13

Improved Particle Swarm Optimization for Two-Echelon IRP with Heterogeneous Fleet

YANG Hualong, LU Ting, XIN Yuchen

1.School of Transportation Engineering, Dalian Maritime University, Dalian, Liaoning 116026, China
2.Institute of Logistics Research, Dalian Maritime University, Dalian, Liaoning 116026, China

Online:2020-11-15 Published:2020-11-13

摘要/Abstract

摘要：

针对供货商管理库存（Vendor Managed Inventory，VMI）模式下的二级库存路径问题（Inventory Routing Problem，IRP），结合需求的波动特征，以二级库存路径问题系统总成本最小化为目标，建立异质车队的二级库存路径问题混合整数规划模型，并设计改进的粒子群算法对模型求解。数值实验分析验证了模型和算法的适用性和有效性，结果显示，使用异质车队不仅可以提高配送车辆的装载率，降低零售商的库存水平，还会减少二级库存路径问题系统总成本；敏感性分析表明，不论需求波动程度怎样变化，使用异质车队时二级库存路径问题系统总成本都会得到降低。

关键词: 供货商管理库存（VMI）, 二级库存路径问题, 异质车队, 优化模型, 粒子群算法

Abstract:

In this paper, the two-echelon Inventory Routing Problem（IRP） within the mode of Vendor Managed Inventory（VMI） is studied in accordance to the characteristics of demand fluctuation. A mixed-integer programming model on two-echelon IRP with heterogeneous fleet is developed to minimize the total system cost of a two-echelon IRP. An improved particle swarm optimization algorithm is designed to solve the model. Numerical experiments verify the applicability and effectiveness of the model and the algorithm proposed in this paper. The results indicate that using heterogeneous fleet can not only increase the loading rate of distribution vehicles and decrease the inventory levels in retailer warehouses, but also reduce the total system cost of the two-echelon IRP. Sensitivity analysis shows that no matter how the demand fluctuates, the total system cost of a two-echelon IRP will be reduced when using heterogeneous fleet.

Key words: Vendor Managed Inventory（VMI）, two-echelon inventory routing problem, heterogeneous fleet, optimal model, particle swarm optimization

杨华龙，陆婷，辛禹辰. 基于改进粒子群算法的异质车队二级IRP优化[J]. 计算机工程与应用, 2020, 56(22): 272-278.

YANG Hualong, LU Ting, XIN Yuchen. Improved Particle Swarm Optimization for Two-Echelon IRP with Heterogeneous Fleet[J]. Computer Engineering and Applications, 2020, 56(22): 272-278.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[3]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[4]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[5]	王嘉月，史立. 考虑电池损耗的电动冷藏车路径及充电策略[J]. 计算机工程与应用, 2021, 57(24): 283-289.
[6]	林炜星，王宇嘉，陈万芬，梁海娜. 基于多因子粒子群的高维数据特征选择算法[J]. 计算机工程与应用, 2021, 57(22): 199-207.
[7]	于国龙，赵勇，吴恋，崔忠伟. QPSO算法的改进及其在DBN参数优化中应用[J]. 计算机工程与应用, 2021, 57(10): 154-162.
[8]	周蓉，李俊，王浩. 基于灰狼优化的反向学习粒子群算法[J]. 计算机工程与应用, 2020, 56(7): 48-56.
[9]	覃凤婷，杨有龙，仇海全. 基于稀疏子空间的局部异常值检测算法[J]. 计算机工程与应用, 2020, 56(19): 152-159.
[10]	张明伟，李波，屈晓龙，郭盈. 基于混合蚁群算法的异质车队低碳VRP研究[J]. 计算机工程与应用, 2020, 56(14): 240-249.
[11]	杨彦荣，宋荣杰，周兆永. 基于GAN-PSO-ELM的网络入侵检测方法[J]. 计算机工程与应用, 2020, 56(12): 66-72.
[12]	周琴，程立正. 层适应网格上求解奇异摄动问题的粒子群算法[J]. 计算机工程与应用, 2020, 56(11): 46-50.
[13]	胡雪娇，陈行健，赵南，薛卫. PSO_BFA优化词袋模型及蛋白质亚细胞定位预测[J]. 计算机工程与应用, 2020, 56(1): 165-171.
[14]	蒋丽1，2，叶润舟1，2，梁昌勇1，2，陆文星1，2. 改进的二阶振荡粒子群算法[J]. 计算机工程与应用, 2019, 55(9): 130-138.
[15]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.

基于改进粒子群算法的异质车队二级IRP优化

Improved Particle Swarm Optimization for Two-Echelon IRP with Heterogeneous Fleet

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics