随机与动态物流网络优化问题研究

发布时间：2020-10-13 08:26

　　 物流网络优化中的车辆路径问题和设施选址问题是物流系统研究中的重要组成部分,其无论是在国民经济生活中还是在军事战争领域里都有着重要的理论意义和实用价值。以往的网络优化问题的研究主要是集中于静态信息以及确定性领域,即使考虑到不确定因素,也是一类比较简单的问题。而在实际中,涉及大量的不确定信息以及复杂的约束条件,传统的模型难以描述随机条件下或动态条件下的物流网络优化问题;而且,随着网络规模的扩大,使得物流网络优化问题求解变得越来越困难。因此,有必要进一步研究在随机条件下以及动态条件下的物流网络优化问题,并为问题求解构造出更有效、更符合实际的模型与算法。本文针对相关的随机条件下以及动态条件下的物流网络优化问题,给出了相应的模型及算法,并进行了应用计算。主要的研究内容及创新点如下: 随机需求下带时间窗的物流网络车辆路径优化研究。考虑用户需求随机以及对客户服务有时间窗口限制的情况下,提出了一种随机需求下带时间窗物流网络车辆路径优化问题研究。分析了问题的特性,给出了预优化求解策略,建立随机补偿模型,并对问题求解中的期望额外总费用计算进行了详细的讨论。针对研究问题,设计了一种自适应大邻域启发式搜索求解算法。通过对构造的56组示例的计算,并与另一种“确定性求解策略”进行的对比,验证了构建模型及设计算法的有效性,同时也对子算法性能进行了评估。 随机需求下可拆分服务的物流网络车辆路径优化研究。针对随机需求下,客户需求可拆分服务的情况,提出了一种随机需求下可拆分服务物流网络车辆路径优化问题研究,给出了一种需求可拆分服务的配对车辆回归求解策略,建立了数学模型。在对问题求解中的期望回归费用计算时,分别对配对车辆的不协作与协作的情况进行了讨论。针对问题求解,设计了一种大邻域启发式搜索算法。最后,通过对设计的应用示例的计算,以及与需求不允许拆分服务情况下的结果对比表明,当客户平均需求量大于一半车辆容量时,允许需求可拆分服务的随机需求下的车辆路径优化结果明显优于需求不可拆分服务的随机需求下的车辆路径优化结果。 随机服务时间下的物流网络车辆路径优化研究。考虑确定的车辆行驶时间、随机的车辆服务时间以及拥有最大工作时间限制的情况下,提出了一种随机服务时间下物流网络车辆路径优化问题研究。针对问题特性,建立了相关数学模型,讨论了期望费用的计算。设计了一种G型变邻域启发式搜索算法以求解问题。通过应用示例计算,将设计的算法与给出的另外两种求解算法所获得的结果进行了对比,同时测试了不同参数设置下的对应用示例计算结果的影响,获得了比较好的效果。 保障网络动态选址与分配研究。针对军事背景下,被保障单元需求呈现多周期动态变化的情况,研究了保障网络中动态选址与分配优化问题。建立了数学模型,并设计了一种混合式进化算法。通过对设计的一组应用示例的计算,对模型及算法进行了有效验证。
【学位单位】：国防科学技术大学
【学位级别】：博士
【学位年份】：2011
【中图分类】：O157.5;F224;F253.9
【部分图文】：

第三章研究的是在随机客户需求下，考虑客户服务时间窗的物流网络车辆路径优化问题(Capacitated Vehicle Routing Problem with Stochastic Demands and TimeWindows, CVRPSDTW)。首先，对研究问题的概况、关键要素以及问题研究的界定进行了描述；然后，对研究问题进行了形式化描述，建立了随机补偿模型；第三节对问题求解中关键的期望额外总费用计算进行了详细的阐述；第四节给出了自适应大邻域启发式搜索算法；最后针对应用问题，进行了建模并构建了各类示例进行计算，同时对结果进行了分析。3.1 问题描述生活中各个物流快递公司，如 UPS、Fedex 以及 EMS 等，上门取货时经常遇到这种情况：由于客户开始对需要发送的货物量只提供一个大概的量值，或者临时又追加（取消）部分发送货物量，造成客户需求货物量的不确定；而物流公司的服务车辆货运容量一般有限，在到达客户处之前并不知道确切的货物需求量，因此在预先计划的取货途径上，往往使得累积的取货总量超出（或达到）车辆的容量限制，造成取货服务无法继续进行。如图 3.1 所示。

国防科学技术大学研究生院博士学位论文行服务，而发生服务失败。针对这两种情况，首先给出两类车辆服务失败的定义：定义 3.1 当服务车辆达到某个客户处时，路径上累积的实际客户需求超过车辆的容量限制，则称发生 I 类车辆服务失败；路径上累积的实际客户需求正好达到车辆的容量限制，则称发生 II 类车辆服务失败。若当前客户为路径上最后一个客户且累积的实际客户需求刚好达到车辆的容量限制时，则不发生服务失败。当车辆发生服务失败后，根据服务失败类型车辆可采取不同的回归行为进行应对：当遇到 I 类服务失败时，车辆先使用余下容量服务部分客户需求，然后回到物流仓库卸货之后，再回到路径上为发生服务失败的客户继续服务；当遇到 II 类服务失败时，车辆使用余下容量完全满足客户需求后，回到物流仓库卸货，然后回到路径上为下一个客户继续服务。如图 3.2 所示。

回归行为造成车辆错过单个客户服务时间窗口
【参考文献】

相关期刊论文 前7条

1 吕振肃,侯志荣;自适应变异的粒子群优化算法[J];电子学报;2004年03期

2 黎青松,杨伟,曾传华;中心问题与中位问题的研究现状[J];系统工程;2005年05期

3 严冬梅,李敏强,寇纪淞;需求随时间变化的物流中心动态选址[J];系统工程;2005年06期

4 张杨;黄庆;卜祥智;;随机旅行时间局内车辆路径问题的模型及其算法[J];管理工程学报;2006年03期

5 陈驰,任爱珠;消防站布局优化的计算机方法[J];清华大学学报(自然科学版);2003年10期

6 张丽艳;庞小红;夏蔚军;吴智铭;梁硕;;带时间窗车辆路径问题的混合粒子群算法[J];上海交通大学学报;2006年11期

7 王青;端木京顺;许磊;;基于粒子群优化的军事物流配送中心选址[J];计算机工程与设计;2009年15期

本文编号：2838952