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.      

�ɱ���ʻʱ��Ķ�̬����·�������

针对城市建设发展中道路交通阻塞问题，研究了两种类型的车辆路径与调度问题，给出了相应的求解框架，并构建了一个具有可变行驶时间的动态车辆路径与调度模型，涉及了车辆的固定费用、运营成本和早到或者延期的惩罚费用等多种费用。该问题是一个NP-hard问题，采用遗传算法确定最优解，并给出了车辆路径与调度方案的表示方式。最后设计了一个交通网络，通过动态交通仿真更新行驶时间，研究了多个不同时间段道路阻塞情况下算法的性能。结果显示比不考虑实时行驶时间信息的模型，该模型能够得到更低的总成本。     

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。     

��̬���������Ż�������������׶��㷨

研究了动态车辆配送优化调度问题的高效求解算法。在分析配送车辆调度中造成车辆动态性的原因的基础上,提出了一种考虑车辆故障和车辆多次巡回配送的动态车辆配送优化调度问题。在对该问题进行描述的基础上,制定了求解该问题的两阶段策略：第一阶段制定整体优化计划;第二阶段进行实时局部优化调度。设计和实现了求解该问题的两阶段算法：第一阶段采用禁忌搜索算法制定优化的配送计划;第二阶段采用局部搜索算法实时进行优化调度。既充分利用了禁忌搜索算法全局搜索能力强的优势,又充分利用局部搜索算法收敛速度快的优势。最后,通过实验计算验证了算法的良好的性能。     

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。     

考虑交通拥堵及工作量平衡性的一致性车辆路径问题

为研究快递公司在提供一致性配送服务时,交通拥堵以及快递人员工作量平衡性因素对配送路径的影响,在传统车辆路径问题研究的基础上,提出了考虑拥堵和工作量的一致性车辆路径问题,并构建了混合整数规划模型。针对该模型的NP难性质,提出了基于模板路径的两阶段模拟退火算法（template-based simulated annealing heuristic,TSA）。该算法通过构建模板路径求解初始路径方案,再利用模拟退火算法优化路径方案,降低车辆总行驶时间。将该模型和算法应用于3组基准数据（benchmark data set）的数值实验,结果表明:本文模型和算法能有效解决此类问题,交通拥堵使最优配送路径的总行驶时间平均增加18.38%,使快递人员在任意两天到达同一顾客的最早与最晚时刻之差平均增加12.92%;当快递人员配件量的不平衡性平均下降35.82%后,二者仅分别平均增加2.29%和1.68%。      

��������������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.     

带软时间窗的集货与送货多车辆路径问题节约算法

研究了物流配送中多车运输的集货与送货车辆路径规划问题,以增加时间惩罚费用的方式插入软时间窗约束,将租车费用、货车运输费用和时间惩罚费用三者之和最小作为优化目标,建立数学模型。采用启发式节约算法求解该模型,考虑时间惩罚费用和运输费用,比较每一配送节点上直接送货和间接送货的节约费用关系,求出最优配送路径。试验结果表明:当配送次数达到50次时,货车平均装载率仍能达到80%以上,该节约算法能减少货车空程行驶和租车次数,优化了全局费用。     

��ʱ�䴰�Ķ೵�Ͷ���ó���·�������ģ�ͺ��㷨

创新性地考虑了多车型车辆路径问题中不同车型具有不同的边际费用和行驶费用的问题,并同时考虑车型与任务的相容性,对带时间窗约束的多车型多费用非满载车辆路径问题,以最小化总费用为目标建立了数学模型。由于该模型的NP-hard性质,基于高费用车型的边际费用和单位行驶费用比低费用车型的相应费用都要高以及低费用车型的边际费用远大于高费用车型的单位行驶费用的思想,对该模型设计了一个启发式算法。     

分送式货物配送的优化

在分析分配式货物配送现状基础上,对物流中心的配送问题从配装和运输两个环节进行优化。建模时主要考虑货车的类型、体积、载重等约束条件,以车辆的配送路径最短、拼装货品最多为优化目标,研究配送的优化模型和算法。     

求解客户需求动态变化的车辆路径规划方法

对于集货过程中客户需求随时间变化的动态车辆路径规划问题,按时间段划分为一系列车辆已驶离中心车场的静态车辆路径问题,引入虚拟任务点与相关约束方法,将其进一步等价转化为普通的静态车辆路径问题,使用适用于静态问题的算法对其进行求解。应用此车辆路径规划方法,以改进的节约法为静态算法,对于客户数为20的动态路径规划问题进行求解,得到重新优化路径所用的时间为0.49s,说明这种规划方法可行。     

多目标多重运输调度问题的混合算法

本文研究了多目标多重运输调度问题．建立了该问题的目标规划模型，提出了该问题基于分校定界和割平面技术的混合算法。     

Overview of Stochastic Vehicle Routing Problems

Stochastic vehicle routing problems (VRPs) play important roles in logistics, though they have not been studied systematically yet. The paper summaries the definition, properties and classification of stochastic VRPs, makes further discussion about two strategies in stochastic VRPs, and at last overviews dynamic and stochastic VRPs.     

物流配送车辆路线求解算法

为进一步降低日益复杂的物流配送成本,通过对物流配送网络系统分析,提出更为接近实际的三层次物流配送网络结构。针对第二层次车辆路线问题(VRP)网络模型,运用四叉树原理进行客户分区,使用两阶段启发式算法优化车辆行驶路线,采用C语言编程实现了算法设计。运用模拟数据通过LINGO程序仿真测试,显示该算法计算结果与LINGO计算结果相同,而计算时间大幅度降低,说明了该算法快速、有效。     

�й����ͳ��������ص㼰���о��ص�

在物流配送中,车辆调度的本质是物流公司利用自己有限的资源,在一定条件下,利用社会资源来完成客户货物移动的需求.本文从这个本质出发,分析了我国车辆调度中具有的多配送中心,多车型,集货、送货、集送一体化业务混合,以及配送受交通状况影响较大这四个特点.针对这些特.点,文章在最后提出了物流配送中,车辆调度所研究的重点和关键技术,以便构建真正实用的车辆调度系统.     

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.     

�����Ŵ��㷨�Ĵ�ʱ��Լ���ij���·�������Ż�

基于遗传算法的车辆路径优化问题，虽然已经被提出过多种思想方法，但仍有较大的改进余地．而且具体的车辆路径优化问题，往往在时间和路程两方面都有限制和要求，而在这方面的研究相对较少．针对这种问题，在传统遗传计算基础上，加入了时间约束算法，对算法的实时实现作出保证；同时根据客户点的位置改进初始群，提高了变异率，减少低效计算，极大提高了寻优速度，为多计算点的遗传操作提供有力的支持．计算机仿真实现的结果和物流公司的实际运作都证明了算法的有效性．     

寻找车辆最优路径的混合算法

从可见度、信息浓度更新、参数对蚁群算法加以改进,可见度计算利用节约值及距离,使用较优的数个解完成信息浓度的更新,根据迭代次数的改变灵活设置的影响系数,然后引入交换法完成局部搜索,得到混合算法。用此法对物流配送车辆路径问题进行求解,寻找最优路径。该方法得到车辆数为5veh,配送路径总长为855．68km,优于遗传算法的求解结果,表明该方法可行。     

浮动车数据在车辆路径问题中的应用

利用浮动车信息采集系统预测路段行程时间,实现对带时间窗的混合车辆配送路径选择的优化.提出了带时间窗的混合车辆路径选择优化问题的求解模型;设计了浮动车地图匹配和路段行程时间预测算法,以实现对路段行程时间的预测,并通过给出的成都市浮动车数据证明了所提出的算法比同类算法更有效——地图匹配率提高6%,路段行程时间预测值与实测值的拟合度更高,运输总费用节约24%.