基于蚁群算法的危险品回收路径优化

发布时间：2020-08-13 09:05

【摘要】：危险品回收路径优化问题本质上属于特殊的逆向物流问题,随着物流领域快速发展的影响以及全球逐渐增强的环保意识,逆向物流的研究得到了愈来愈多的关注,特别是在关于这种极具污染性与破坏性的危险品回收问题的研究上取得了丰硕成果。已有的危险品回收路径问题研究中,通常使用传统的车辆路径问题(Vehicle Routing Problem,VRP)模型进行求解,该模型的本质是一个后到先服务(Last Come First Served,LCFS)的服务策略。对于危险品运输问题,先到的需求节点通常距离处理中心较近,而在LCFS的策略下从该节点回收的危险品却需要在运输车辆中保存最长的时间,一定程度上增加了回收任务中的运输风险。因此本文做了如下研究工作:首先改变了传统的环形运输方式,采用完全第三方物流(3PL)外包的仓储集货运输方式进行危险品回收,这样可以使得距离回收中心越近的危险品在运输车辆中存放的时间越短,避免了先回收的危险品在运输过程中存放时间过长的问题。接着同时考虑回收路径长度与回收路径风险值这两个因素,建立起包括危险品与回收中心在内的多目标优化模型。由于传统的蚁群算法无法求解采用仓储集货运输方式的危险品回收路径模型,于是将其改进得到了适合求解该模型的逆选择操作蚁群算法(ACO-nso),最后求出帕累托最优解集。通过算例结果对比分析,发现采用仓储集货的运输方式减少了回收成本,降低了回收风险,提高了回收的安全性。在算法方面,与用传统的遗传算法求解相比,逆选择操作蚁群算法提高了搜索成功率,降低了平均计算时间。同时帕累托最优解集也为回收路线的选取提供了新的参考方向。
【学位授予单位】：沈阳工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：X951;TP18
【图文】：

车辆路径问题,多车场

第 2 章相关基础理论概述径问题径优化的本质是车辆路径问题(Vehicle Routing Problem,VR可以描述为如下内容：有一些装货和（或）卸货点，有若路线，使得在满足一定的约束条件（例如车辆的负载约束、束等等）下，达到理想的目标（例如用的时间最短，行驶、总成本最小等等）[41]车辆路径问题的基础上延伸和变化出了很多形式，并应用车辆路径问题(Multiple-DePot Vehicle Routing Problem,MDV车辆路径问题，在此问题中需求点的配送从原来车辆仅由送改为从多个分散的配送中心供给的方式。如下图所示：

逆向物流,正向

2）每个客户都能在规定的时间范围内获得服务，且只能由一辆车服务一次；3）每辆车只能在一条路线上运输，从配送中心出发或回到配送中心；4）每条配送路线上的需求量总和小于或等于该路线配送车辆总容载量。2.2 逆向物流“逆向物流”是 Stock 等在学术论文中首次被提出的，他们认为“逆向物流”是一种流动，只不过与其他大多数货物流动方向相反，随着对其不断地研究，其他学者也相继提出类似的概念。1999 年，来自美国的 Dale S.Rogers 博士[44]从经济学的角度出发考虑，认为逆向物流是“为了将来自客户处的原材料、零部件、产品及包装品从下级往上级的流动而进行的计划、组织、协调和控制的活动，其目的是尽可能恢复产品的价值或者对废旧品正确处理”，这一定义被认为是较为通用的。2003 年欧洲对逆向物流提出了新的定义：逆向物流是计划、实施和控制原材料、中间库存、终产品从制造、分销或使用点到恢复点的过程。其实逆向物流的实质就是将一些不合格的或者废旧不用的产品进行回收再利用。它与正向物流的区别如下图所示：

哈密尔顿回路

链下游成员向上一层退回或者上层向下层召放式车辆路径问题速发展，物流产业也随之壮大，现如今第方物流(3PL)首先是在上个世纪八十年代由双方为客户提供专项或全面的物流系统设第三方物流，是指通过企业的实际情况，采己或他人的公司的物流资源设备，进而在物流产业的快速发展，在逆向物流网络方自己企业以外的第三方物流公司，这样的成运输任务后不需返回原出发点，企业只业将运输任务完全外包给第三方物流公司路[47]，这样一来就形成了双赢的局面，既产业的发展提供动力。哈密顿回路如下图

【参考文献】