基于大数据平台下的物流配送车辆路径问题研究

利用大数据平台对多源大量数据进行实时计算处理的优势,考虑具有载重限制、运输路径限制且带时间窗限制的路网中物流配送车辆路径问题,建立以配送时间最短和配送成本最低为目标的数学模型.构建大数据下的多源信息分析处理平台构架图以获取实时交通信息,根据实时路况环境,对配送车辆的路径进行优化.通过利用大数据平台Hadoop中的MapReduce编程模型进行遗传算法并行化设计并求解.结果表明:利用大数据平台进行遗传算法并行化设计能有效求解多目标配送车辆路径问题,创新性地对车辆路径问题进行研究,具有解决实际问题的积极意义.     

多资源约束下车辆配送路径优化模型

本文研究了在车载能源量、车辆载货能力等多资源约束下的车辆配送路线优化问题,建立了多资源约束下配送路径优化的静态模型和动态模型。在静态配送路径优化模型中,通过修改网络结构,增加虚拟资源点,解决了含有子回路的配送路线优化问题;在动态模型中,采用时空网络模型来避免子回路的产生,对车辆配送路线规划问题的描述更加直观准确,该模型以扩大模型规模为代价丰富了车辆配送路径选择方案,并能求解车辆到达、离开客户点的时刻。以商业优化软件CPLEX12.6.2为工具对上述两个模型进行验证和数值计算实验。     

快递配送车辆路径优化研究

考虑到快递配送和物流配送的异同,在物流配送路径优化问题的基础上构建了符合快递配送路径优化问题的数学模型.设计了一种采用自然数编码,综合考虑快件数量、车辆载重、车辆容量等约束的解码方式的遗传算法.通过一个拥有20个配送点的快递配送案例,验证本文所构建模型和算法能够得到合理配送路径和各个配送点的服务时刻.最后通过灵敏度分析和四轮厢式货车算例验证表明:当前情况下,研究快递配送路径优化时,快件数量、快递员最长配送时间和各配送点的作业时间必须考虑;当前快递配送车辆的载重和容量满足当前需求,无需更换载重和容量更大的配送车辆.     

时变单车路径问题建模及算法设计

讨论了一类时变单车配送路径优化问题。综合考虑车辆行驶速度随时间、路段不同而变化的特点,及车辆为多条路线上的客户提供服务时对车辆路径优化的影响,建立了以配送完成时间最早为优化目标的时变单车配送路径优化模型。在行驶时间满足FIFO规则下,设计了基于Inver-over操作的PSO启发式算法及满足贪婪配送策略下的动态规划精确求解算法,并讨论了增加贪婪补货策略的单车配送路径问题解与原问题解的关系。最后分别用两种算法对算例进行求解,并通过对求解优化结果及计算时间的对比分析验证了IOPSO算法的有效性。     

时变单车路径问题建模及算法设计

讨论了一类时变单车配送路径优化问题。综合考虑车辆行驶速度随时间、路段不同而变化的特点,及车辆为多条路线上的客户提供服务时对车辆路径优化的影响,建立了以配送完成时间最早为优化目标的时变单车配送路径优化模型。在行驶时间满足FIFO规则下,设计了基于Inver-over操作的PSO启发式算法及满足贪婪配送策略下的动态规划精确求解算法,并讨论了增加贪婪补货策略的单车配送路径问题解与原问题解的关系。最后分别用两种算法对算例进行求解,并通过对求解优化结果及计算时间的对比分析验证了IOPSO算法的有效性。     

��������������ɢ�¼������VRP�����о�

针对车辆路径问题（VRP）研究的复杂性,提出了一种新的解决方案. 首先对客户货物的配送过程建立离散事件仿真模型,在模型中,配送过程事件、资源等利用面向对象的方法进行描述,VRP问题涉及的各种约束条件在仿真流程中予以处理,所以该模型可以真实模拟复杂的车辆配送过程. 然后利用遗传算法对离散事件的仿真结果进行优化,得到了车辆路径问题的最优解. 这种将离散事件仿真和遗传算法相结合的方法可以有效克服精确算法和智能启发式算法较难解决多约束车辆路径问题的弊端. 实验结果验证了新方法的有效性和可行性,由于仿真结果详细记载了配送的全过程,因此该方法对车辆路径问题的实际应用具有一定的指导意义.     

带时间窗的多车型车辆路径问题研究

在以往的车辆路径问题研究中,配送中心的货车为同一车型(车辆的最大载重量和最大行驶距离相近),考虑到不同车型的货车配送费用不同,配送中心可根据需求点的需求量和距离来选择较小费用的车辆,以减小配送成本,因此求解一个时间窗的多车型车辆路径问题更具实际意义。基于此问题进行研究,建立相应的数学模型,运用改进的蚁群算法对建立的模型进行求解。最后,通过对不同车型求解结果的对比,证明建模及求解算法的有效性和选用多车型车辆配送的科学性。     

半开放式的多配送中心纯电动车辆路径优化问题

电子商务促使越来越多的物流企业采用多配送中心模式优化车辆的配送路径,纯电动汽车逐渐替代了传统的燃油配送车辆,以改善生态环境. 结合多配送中心联合服务模式的特点和纯电动物流车辆的行驶特征,构建带时间窗的半开放式多配送中心纯电动车辆路径优化模型,设计蚁群算法对其求解. 算例对比分析结果表明：半开放式的多配送中心联合服务,能合理利用相关物流资源,改善车辆路径,降低物流费用,但需要寻找合适数量和位置的配送中心进行联合,才能达到节约成本的最佳效果;相比单配送中心,多配送中心联合服务提供了更多潜在的较低价格的充电点,在配送中心补充电量可在一定程度上节约物流成本.     

半开放式的多配送中心纯电动车辆路径优化问题

电子商务促使越来越多的物流企业采用多配送中心模式优化车辆的配送路径,纯电动汽车逐渐替代了传统的燃油配送车辆,以改善生态环境. 结合多配送中心联合服务模式的特点和纯电动物流车辆的行驶特征,构建带时间窗的半开放式多配送中心纯电动车辆路径优化模型,设计蚁群算法对其求解. 算例对比分析结果表明：半开放式的多配送中心联合服务,能合理利用相关物流资源,改善车辆路径,降低物流费用,但需要寻找合适数量和位置的配送中心进行联合,才能达到节约成本的最佳效果;相比单配送中心,多配送中心联合服务提供了更多潜在的较低价格的充电点,在配送中心补充电量可在一定程度上节约物流成本.     

随机行驶时间车辆路径问题的模型与算法

车辆路径问题是现有物流管理系统中非常重要的一个方面,许多专家学者对此进行了深入研究.到目前为止,所有这些研究都是针对确定环境下的车辆路径问题或不确定车辆路径问题中具有模糊或随机需求的问题,尚未发现有对随机行驶时间的多类型车辆路径问题进行研究.针对随机信息条件下的多类型车辆路径问题进行了分析,运用不确定规划理论建立了该问题的优化模型,并利用遗传算法对问题进行求解.通过实验证明,该模型及算法对于多类型车辆路径问题具有一定的实用价值.     

不确定环境下的多车型物流配送路径优化

为实现在路段通行时间不确定背景下,配送企业对多种车型车辆的组合优化,使车辆资源利用、配送路径最优.通过建立总成本和配送时间最小的多目标模型、并考虑时间窗约束,设计提出多目标进化遗传算法求解该问题.本算法结合链表思想,同时为解决产生不可行解问题,在解编码时采用多染色体;并在算法中针对子染色体和母染色体分别设计交叉算子,运用擂台赛法则和改进精英保留策略构造非支配解集和加快算法的收敛速度.结果表明:相比单车型,多车型组合优化具有更高的经济效益,且随着不确定参数的变化,运输成本上升,多车型配送满载率受影响较小.     

一致性车辆路径问题下基于模板路径的模拟退火法

根据一致性车辆路径问题的“服务一致性”特征,本文提出了基于模板路径的 模拟退火法（TSA）以更好地求解此问题.该算法求解分为2 个阶段：第1 阶段求解模板路 径,第2 阶段以所得模板路径为参考获得各天车辆具体配送路径方案,2 个阶段均采用模 拟退火法进行优化.借助小、中规模基准数据集,文章对TSA算法进行数值实验,并将实 验结果与ConRTR算法和TTS算法的结果作比较,利用TSA法求解一致性车辆路径问题 得到的配送路径方案和“服务一致性”指标均得到优化.实验结果表明,运用TSA算法规 划车辆配送路径方案,不仅能够降低运营成本,还能提高配送服务质量.     

配送中心选址与车辆路径一体优化模型与算法

在配送系统中,配送中心选址问题与在此基础上的车辆路径问题相互影响.为了反映两者之间的相互关系,建立了配送系统优化的双层规划模型.模型上层为配送中心选址问题,下层为车辆路径优化问题.由上层模型给出初始配送中心选址方案;在此基础上由下层模型进行配送车辆路径优化;然后计算上层模型中的供应商到配送中心的运输费用,从而得到上层模型的目标函数;再对上层模型方案进行调整.设计了基于遗传算法与粒子群算法的求解方法.算例分析表明,与两者分别优化相比,双层规划模型可以降低配送系统的总成本,提高配送系统的整体效率.     

动态行驶时间取送一体化车辆路径问题

为优化真实路网下的车辆配送路径,采用优化 + 调整的两阶段求解方法. 在优化阶段,根据常发拥堵信息,采用遗传算法求解时变取送一体化车辆路径,安排车辆初始配送路径. 在调整阶段,以路段行驶时间为时间间隔,采用滚动更新策略调整车辆配送路线躲避偶发拥堵. 在针对车辆路径调整问题构建了一系列混合整数规划模型的基础上,设计了2-opt + insertion启发式算法求解模型,并结合Dijkstra算法求解到的客户点间最短行驶路线,将车辆配送路径转化成了真实路网中的车辆配送路线. 数值实验测试结果表明:滚动更新策略中,以路段行驶时间为时间间隔比以客户间行驶时间为时间间隔减少车辆行驶时间0.24～11.95 min;以路段行驶时间为时间间隔比以24 min为时间间隔减少车辆行驶时间0.08～8.06 min,比以6 min为时间间隔减少更新次数10.02～34.59次,因此,固定时间滚动更新策略中的最优时间间隔难以确定,其实用性较差. 2-opt + insertion启发式算法求解速度是遗传算法的4倍.      

托盘装载约束下带时间窗的配送车辆路径优化研究

针对快递码放混乱等问题，本文引入可调节支撑结构高度的托盘作为装卸载体进行配送服务。首先，设计基于“砌墙”理论的托盘装载模式，提出托盘三维装载约束下配送车辆路径优化方案；其次，将装卸效率代入配送时间成本，构建平均车辆装载率最高和总成本最低的双目标优化模型；然后，结合托盘三维装载约束下配送车辆路径优化方案，设计托盘装载路径算法(Three-Dimensional Routing with Pallet, 3DRP)，并利用LN(LOH&NEE)三维装载算例进行验证，得到68.2%的装载率，验证了其在快递配送问题中的有效性；最后，本文对重庆市某快递公司的配送数据进行实例验证，方案最终结果显示，本文方法可以做到平均车辆装载率83.02%，且部分路径可以做到0时间惩罚成本。通过本文方案与传统三维装载方案的对比分析可知，将托盘作为载体进行快递三维装箱的优化可以兼顾车辆高装载率，并节约97.5%的时间惩罚成本，提高车辆利用率。     

城市轨道交通网络单程票卡调配模型

城市轨道交通单程票卡调配是票务组织中的重要组成部分.针对路网票务中心与线路票务中心间票卡调配问题,将其转化为载重能力约束条件下的车辆路径优化问题(Vehicle Routing Problem,VRP),构建以配送成本最小化为目标,以配送车辆路径为决策变量的优化模型,并采用遗传算法求解.以北京市轨道交通网络为对象进行实证分析,结果显示:所构建方法相比单次配送过程,成本平均降低约49.6%;相比既有装卸混合条件下的配送过程,成本降低约18.7%,验证了模型的准确性与有效性.所构建方法能够有效解决轨道交通路网层票卡调配问题,为票务组织提供理论和方法支持.     

一类动态车辆路径问题模型和两阶段算法

针对一类动态车辆路径问题,分析4 种主要类型动态信息对传统车辆路径问题的本质影响,将动态车辆路径问题(Dynamic Vehicle Routing Problem, DVRP)转化为多个静态的多车型开放式车辆路径问题(The Fleet Size and Mixed Open Vehicle Routing Problem, FSMOVRP),并进一步转化为多个带能力约束车辆路径问题(Capacitated Vehicle Routing Problem, CVRP),基于CVRP模型建立了DVRP模型;然后,在分析DVRP 问题特点基础上,提出两阶段算法,第一阶段基于利用K-d trees 对配送区域进行分割的策略,提出了复杂度仅为O(nlogn)的快速构建型算法,第二阶段通过分析算法搜索解空间结构原理,设计混合局部搜索算法;最后,基于现有12 个大规模CVRP标准算例,设计并求解36个DVRP算例.求解结果表明了模型和两阶段算法的有效性.     

一种基于云计算环境的动态车辆路径问题解决策略

针对动态环境下车辆路径问题,以最小化车辆数和配送里程、最大化载货率为目标,建立动态车辆路径问题的数学模型,提出了云自适应遗传算法。针对车辆路径问题的特点,提出车辆分配链和配送货物顺序链的双链量子编码方法;针对遗传算法交叉和变异操作可能导致早熟收敛和后期多样性丢失的问题,利用云计算方法设计了云交叉算子和云变异算子,并进行操作,还提出改进的云自适应遗传算法。仿真调度算例验证了与其他算法相比较,所提算法能降低早熟概率和提高迭代搜索效率。     

基于客户分类的即时配送路径优化研究

大数据背景下即时配送平台对客户进行精细化管理已成为可能.为寻求企业长期发展，将客户分类融入到车辆路径问题中，用有限的资源提高配送准时性以得到优质客户的维持和发展，为企业赢得更多潜在效益.本文结合客户的消费行为将客户分为多个层级，根据每层级客户的特点设置超时惩罚成本，构建出基于客户分类的即时配送路径优化模型，并根据问题特点设计遗传算法求解，最后，结合某即时配送平台的业务场景进行案例分析，验证了模型和算法的有效性.     

带订单选择车辆路径问题的模型与算法

共同配送能够有效提高物流资源利用率,降低物流成本,在此环境下,本文提出了一种带订单选择的车辆路径问题.运输企业可以将运输订单委托给合作企业或者接受合作企业发布的订单,需要同时进行订单选择和车辆路径优化.针对该问题,以最大化企业经济效益为优化目标,建立混合整数规划模型.针对此NP-Hard问题设计了遗传算法进行求解,提出了对该问题染色体编码的一种精确分割算法以得到可行解的结构.本文构造了不同规模的算例,使用Matlab进行数值实验.结果表明,运输企业通过订单的双向委托,能够有效减小车辆行驶距离的同时提高企业的经济效益,为共同配送系统中的个体行为分析提供了理论基础.