基于需求的物流配送车辆路径问题的研究

发布时间：2020-08-13 06:17

【摘要】：物流作为“第三利润泉”随着市场经济的发展，对日常经济活动的影响逐日显著。在物流中，配送直接与消费者联系，配送所引起的费用已经成为物流费用的核心，因此配送路径的优化调度成为物流业的前沿问题，物流配送车辆优化调度问题也随之成为组合优化和运筹学的研究热点。传统的物流配送车辆路径问题中各个任务点的需求只能由一辆车满足，本文解除了这个约束条件着重研究需求可拆分的车辆路径问题（SDVRP),并在该问题的基础上加入时间窗因素进一步研究带时间窗的需求可拆分车辆路径问题（SDVRPTW)。首先，本文对需求可拆分的车辆路径问题进行了全面的概述，分析建立了寻求满足配送要求的最短行驶距离的数学优化模型；然后在改进反应阈值和刺激信号值的基础上提出了一种新型的蜂群优化算法（BCO)解决该问题，并进行了仿真实验，实验结果验证了本文算法的可行性，且通过与其他典型算法的对比凸显了该算法较强的寻优能力；最后，描述分析了带时间窗的需求可拆分的车辆路径问题，并得出相应的数学优化模型，再次优化改进蜂群优化算法求解带时间窗的需求可拆分车辆路径问题，并在具体的实例上对算法加以验证。目前关于这两类问题的算法研究非常少，本文拓宽了它们的研究领域，同时也扩大了蜂群优化算法的应用范围。
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP18
【图文】：

货运量,车辆优化调度问题,非满载,费用

从旅行商问题[1]（TSP)衍生过来的。一般情况下，描述 T地出发，经过所要去的城市至少一次然后最终返回到原合适的旅行路线，使其总的旅行距离（或费用、时间等在 TSP 或 m-TSP 中加入容量限制等约束条件衍生而来。证发现 TSP 是一个 NP 难题，所以说 VRP 同样也是一个antzing 和 Rarnser 首次提出物流配送车辆优化调度问题roblem）。传统的非满载的送货或集货非一体化的车辆路述为：目前有一个车场，这里有多辆容量为 n的车辆，务点的货物运输的任务，用1,2, l 来表示这些任务点，货运量为iq ，货运量小于车容量，即iq q，寻找满足任行驶路线并使其费用总和达到最小。在实际问题中，单题和单纯送货的车辆路径问题的本质是相同的，两者仅个承担的装货任务而另一个承担的是卸货任务。VRP 的所示：

需求量,路径,费用,优化解

每个任务点的需求量、对应位置及其路径费用如图2.2 所示，某个车场有数辆车来满足任务点的需求，其中每辆车的满载量为 5。如果限制每个任务点的需求必须由一辆车来满足，我们可以得到问题的优化解如图2.3 所示，这个解中所使用到的车辆数目为 3，优化解的路径总费用为 24。但如果允许对任务点的需求量进行拆分，我们可以得到问题的优化解如图 2.4 所示，这个解所使用的车辆数目为 2，路径的总费用是 18.从这个简单的例子能够看出

优化解

其中每辆车的满载量为 5。如果限制每个任务点的需求必须由一辆车来满足，我们可以得到问题的优化解如图2.3 所示，这个解中所使用到的车辆数目为 3，优化解的路径总费用为 24。但如果允许对任务点的需求量进行拆分，我们可以得到问题的优化解如图 2.4 所示，这个解所使用的车辆数目为 2，路径的总费用是 18.从这个简单的例子能够看出，SDVRP不仅可以在车辆数目还可以在车辆行驶距离（或费用）上对 VRP 进行优化。因此我们这里研究 SDVRP 具有非常重要的实际意义。图 2.2 任务点的需求量及对应的路径费用Fig 2.2 Problem instance图 2.3 传统 VRP 的优化解Fig2.3 Vehicle routing probl

【参考文献】