期刊文章详细信息
基于网络Voronoi图的大规模多仓库物流配送路径优化 ( EI收录)
Large Scale Multi-depot Logistics Routing Optimization Based on Network Voronoi Diagram
文献类型:期刊文章
机构地区:[1]深圳大学土木工程学院空间信息智能感知与服务深圳市重点实验室,广东深圳518060 [2]深圳大学海岸带地理环境监测国家测绘地理信息局重点实验室,广东深圳518060 [3]武汉大学测绘遥感信息工程国家重点实验室,湖北武汉430079
基 金:国家自然科学基金(41401444;41231171;41371377);深圳市战略性新兴产业发展专项资金(JCYJ20121019111128765);深圳市基础研究计划(JCYJ20120817163755063);测绘遥感信息工程国家重点实验室开放基金(13S02)
年 份:2014
卷 号:43
期 号:10
起止页码:1075-1082
语 种:中文
收录情况:AJ、BDHX、BDHX2011、CSCD、CSCD2013_2014、DOAJ、EI(收录号:20144600200077)、GEOBASE、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊
摘 要:由于存在多约束和多个优化目标,物流配送决策非常困难。本文针对城市多仓库物流配送问题,提出基于网络Voronoi图的空间启发式优化方法。从空间角度将多仓库物流配送优化分解为区域分割和路径优化两个空间子问题。基于网络Voronoi覆盖进行服务区域初始划分,顾及仓库容量差异,进行区域边界修正,并创建初始解。路径优化将局部搜索范围限定在网络K近邻内,只搜索最有可能的空间邻域,迭代改进解的质量。该算法最小化路径数量和路径长度。利用深圳市的大规模多仓库物流配送问题测试算法性能。试验结果表明:本文方法能够在15 min内求解6400个客户点的大规模物流配送问题,解的质量优于ArcGIS约10.8%,计算时间约为其21.2%。
关 键 词:物流 启发式优化 网络Voronoi图 多仓库车辆路径问题
分 类 号:P208]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...