低碳约束下的多车场集配一体化车辆路径问题研究

发布时间：2017-09-20 15:13

  本文关键词：低碳约束下的多车场集配一体化车辆路径问题研究

  更多相关文章： 低碳 多车场 集配一体化

【摘要】：雾霾现象日渐严重,环境日益恶化,而在形成雾霾的众多因素中,汽车尾气是罪魁祸首,根据雾霾数据显示,雾霾成分中汽车尾气占22.2%,碳减排的重要性日益凸显,如何降低碳排放已迫在眉睫。根据《斯特恩报告》数据显示,物流配送占全球温室气体排放的14%,我国物流配送的碳排放占总排放的34%左右,如何优化配送路径对于降低碳排放变得至关重要。因此,研究考虑碳排放的车辆路径问题对于降低碳排放缓解环境恶化具有重要的研究意义。随着环境污染日渐严重,可持续发展的重要性日益凸显,逆向物流引起越来越多学者的兴趣,过去对逆向物流车辆路径问题的研究通常分别考虑正向物流和逆向物流,存在车辆迂回运输、运力使用不合理及污染环境等缺点。而在诸多实际情形中,可能会同时具有配送和回收需求。集配一体化车辆路径问题是车辆路径问题的延伸,将送货与取货过程有效的结合起来同时考虑,使得车辆的利用更加合理。在现实生活中随着货量和交通流的增加单车场车辆路径已不能满足配送的要求,因此低碳约束下的多车场集配一体化问题(Multi Depot Vehiele Routing Problems with Simultaneous Delivery and Pickup based on Carbon Reduction,MDVRPSDPC)对企业减少成本,合理利用能源,减少碳排放和保护环境具有重要的研究和指导意义。本文针对低碳约束下的多车场集配一体化车辆路径问题的模型和求解算法进行研究,主要研究工作如下:(1)分别构建了有低碳约束的单车场车辆路径问题数学模型和有低碳约束的多车场车辆路径问题数学模型,并对两者进行分析比较。(2)介绍了求解低碳约束的多车场车辆路径问题的常用算法。设计改进自适应遗传算法,首先采用聚类分析技术和扫描算法相结合快速的将客户节点进行分类排序,减少无效搜索,提高搜索速度,其次设计了自适应选择算子和反转变异算子,保证了种群的多样性,使得算法初期快速的产生优秀个体并遗传给下一代,算法后期能够保护优秀个体不被破坏。最后采用两边逐次修正算法对所求解进行进一步的组合规划。(3)结合YC物流公司的配送案例,首先运用所设计的算法对模型进行求解,其次将本文设计的改进遗传算法与传统遗传算法和蚁群算法求解结果进行对比验证了所设计算法的有效性,最后讨论了车型、车辆速度和碳排放因素对物流配送的影响。
【关键词】：低碳 多车场 集配一体化
【学位授予单位】：重庆交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U492.22
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-17
• 1.1 研究背景9-13
• 1.2 研究意义13-14
• 1.3 本文的主要研究内容和创新点14-17
• 1.3.1 本文主要研究内容14-15
• 1.3.2 本文主要创新点15-17
• 第二章 文献综述及相关基础理论17-26
• 2.1 文献综述17-20
• 2.1.1 国外文献综述17-18
• 2.1.2 国内文献综述18-20
• 2.1.3 文献评述20
• 2.2 相关基础理论20-25
• 2.2.1 发展历程20-21
• 2.2.2 带回程取货车辆路径问题21-22
• 2.2.3 集配一体化车辆路径问题22-24
• 2.2.4 低碳车辆路径问题24-25
• 2.3 本章小结25-26
• 第三章 MDVRPSDPC问题建模研究26-39
• 3.1 车辆路径问题构成要素26-27
• 3.2 车辆路径问题的优化目标27
• 3.3 车辆路径问题的建模方法27-28
• 3.4 VRPSDPC问题的数学模型28-38
• 3.4.1 碳排放计算方法28-32
• 3.4.2 低碳约束下单车场集配一体化车辆路径模型与分析32-34
• 3.4.3 低碳约束下多车场集配一体化车辆路径模型与分析34-38
• 3.5 本章小结38-39
• 第四章 MDVRPSDPC模型的求解算法设计研究39-55
• 4.1 常用算法分析39-44
• 4.2 求解算法比较分析44-45
• 4.3 改进遗传算法45-54
• 4.3.1 染色体编码46
• 4.3.2 初始化种群46-47
• 4.3.3 适应度值的选择47
• 4.3.4 选择算子47-48
• 4.3.5 交叉算子48-49
• 4.3.6 变异算子49
• 4.3.7 两边逐次修正算法49-50
• 4.3.8 算法性能检测50-54
• 4.4 本章小结54-55
• 第五章 实际应用55-67
• 5.1 案例介绍55-59
• 5.2 算法分析59-62
• 5.3 因素分析62-65
• 5.4 降低碳排放的方法65-66
• 5.5 本章小结66-67
• 第六章 结论与展望67-69
• 6.1 结论67
• 6.2 展望67-69
• 致谢69-71
• 参考文献71-74
• 攻读学位期间取得的研究成果74

【相似文献】

中国期刊全文数据库 前10条

1 王云平;;车辆路径问题的形式化及其知识表示方法研究[J];辽宁省交通高等专科学校学报;2006年04期

2 王江晴;康立山;;动态车辆路径问题仿真器的设计与实现[J];核电子学与探测技术;2007年05期

3 曹二保;赖明勇;张汉江;;模糊需求车辆路径问题研究[J];系统工程;2007年11期

4 唐连生;梁剑;;突发事件下的车辆路径问题研究综述[J];铁道运输与经济;2008年12期

5 唐伟勤;张隐;张敏;;大规模突发事件应急物资调度中的车辆路径问题[J];物流技术;2008年12期

6 刘红梅;陈杨;;车辆路径问题的形式化方法研究[J];科技资讯;2008年05期

7 唐加福;孔媛;潘震东;董颖;;基于划分的蚁群算法求解货物权重车辆路径问题[J];控制理论与应用;2008年04期

8 熊志华;邵春福;姚智胜;;车辆路径问题的可靠性研究[J];物流技术;2008年08期

9 徐俊杰;;利用微正则退火算法求解车辆路径问题[J];安庆师范学院学报(自然科学版);2009年02期

10 宁晓利;;车辆路径问题的组合优化算法[J];物流技术;2009年06期

中国重要会议论文全文数据库 前10条

1 符卓;陈斯卫;;车辆路径问题的研究现状与发展趋势[A];中国运筹学会第七届学术交流会论文集（下卷）[C];2004年

2 杨世坚;陈韬;;随机车辆路径问题研究综述[A];中国系统工程学会决策科学专业委员会第六届学术年会论文集[C];2005年

3 李桂平;陈楠;;多中心车辆路径问题的解决思路[A];中国地理信息系统协会第四次会员代表大会暨第十一届年会论文集[C];2007年

4 李大卫;王梦光;;广义车辆路径问题——模型及算法[A];1997中国控制与决策学术年会论文集[C];1997年

5 符卓;聂靖;;开放式车辆路径问题及其若干研究进展[A];中国运筹学会第八届学术交流会论文集[C];2006年

6 陈宝文;宋申民;陈兴林;单志众;;应用于车辆路径问题的多蚁群算法[A];第25届中国控制会议论文集（下册）[C];2006年

7 戎丽霞;;模糊需求条件下的多车场车辆路径问题[A];第三届中国智能计算大会论文集[C];2009年

8 张凤姣;张兴芳;;基于不确定理论的车辆路径问题[A];第九届中国不确定系统年会、第五届中国智能计算大会、第十三届中国青年信息与管理学者大会论文集[C];2011年

9 肖雁;符卓;李育安;;带软时间窗的车辆路径问题及其应用前景探讨[A];中国运筹学会第六届学术交流会论文集（下卷）[C];2000年

10 许鑫;范文慧;冯雅U，

本文编号：888787