基于邻域搜索的成品油多舱多目标配送路径优化算法研究
发布时间：2021-07-10 16:13
针对成品油配送中多车型,多车舱的优化调度难题,综合考虑路径安排,舱位指派及车辆指派等决策.以配送成本最小,路径风险最小以及油品准时送达为目标,建立了成品油配送多目标路径优化模型.基于邻域搜索的基本思想,提出求解成品油配送多目标路径优化问题的MOVNS算法框架,并结合不同的可行解运行策略和比较准则,衍生出三类MOVNS算法（MOVNS-1、MOVNS-2、MOVNS-3）.采用12组算例进行数值实验,结果表明,三种算法均能有效的求解配送模型,提升成品油多舱配送问题的解决效率;且MOVNS-2算法具有较强的局部搜索能力,MOVNS-3算法容易跳出局部最优:同时,考虑节点关联性的可行解构造策略和并行邻域搜索策略能够增强算法的寻优能力.
【文章来源】：系统工程理论与实践. 2019,39(10)北大核心CSSCIEICSCD
【文章页数】：16 页
【部分图文】：
图１?ＭＯＶＮＳ算法框架??不兼容节点：由于约束（１０）和（１１）限制了油品的装载形式．因此若对任意车型．通过３．２．１节的舱位指??＜＿．互．？＋?？＋．??
?２?＝?＼Ｈｋ＼??（ｉｅｖ＾ｐ．ｈ）??（２１）??ＩＫ?＝?Ｌ??ｈ??Ｖｉ?６?ｖ＇．Ｖｐ?ｅ?ｐ．??（２２）??ｎ??（＊，ｐ）??１．??（２３）??＾?＜?Ｑｈｋ＇，??（２４）??＼Ｈｋ＼＞＼Ｖ＇＼＼Ｐ＼．??（２５）??由约束（２２）和（２３）可知．油罐车Ｖ单次配送的加油站数小于等于其可用舱位数｜办｜．结合模型定义??以及油罐车分舱常识，可知ＣＡＰ问题是一类规模较小的０－１整数规划问题，本文拟采用较大需求优先指派??的原则进行ＣＡＰ问题的求解．具体操作如图２所示．同时．在初始化排序过程中．在保证较大需求优先指派??的前提下，为满足约束（２２）？（２５），需要优先安排同一加油站的油品需求．??对待装栽的油品排序得集合＝?，，．．．，??可用车舱集合乂．?｝??ｊ?－－??＝１??｝??ｆ??将＾指派给麵??－其屮＾??＝ｍａｘ｛—?＾?１，?Ｖ／ｚ?ｇ?Ｈｋ，｝?■??ｈ??ｉ除＂丰所宥与＾刘７应相同加？乐站面?Ｎ??油品需求，并对ｙ按顺序ｔ新编号??＇?＇??Ｈｋ．?＝?Ｈｋ．＼｛ｈｍｎ｝??输出指派结果??图２舱位指派算法??３．２．２载重检测??同一般ＶＲＰ问题一致．成品油配送问题包含时间窗和舱容约束．本文ｄ通过式（３）的方式将时间窗约??束转化为了求解目标．因此在路径构造和后续迭代过程中仅需考虑车辆的舱容限制：车载检测包含两部分：第??一，舱位使用情况检测：第二．负载可行检测．??１）舱位使用情况检测??①若待检验车辆ｆｃ指定服务的加油站节点中存在ｊ的不兼容节点．则连接加油站违反舱容约束：??②假设待检验车辆Ａ？的已装载油品需求总数为风，％表示加油站７的油品需求总数．
第Ｋ）期??詹红鑫．等：基于邻域搜索的成品油多舱多Ｈ标配送路径优化算法研究??２６７１??个解运行的多目标邻域兑法（ＭＯＶＮＳ－２）和基于种群的多目标邻域算法（ＭＯＶＮＳ－３）而言？具有较强的局部??搜索能力．能够得到更小的乂乃值．其１２组算例的平均值仅为０．１８．远低ｆ?ＭＯＶＮＳ－２的０．３２以及??ＭＯＶＮＳ－３的０．７４．尽管具有较强的局部搜索能力．但由于缺乏对各子目标进行独立的考量．导致其优化结??果并不占优．ｒｌ２、ｒｌ３的平均取值仅为２．２８和２．２９．且在超过一半的算例中．ＭＯＶＮＳ－１的优化结果完全不??占优：此外．ＭＯＶＮＳ－１算法只能得到一个优化解．不能提供多种解决方案供决策主体选择．与另外两种算法??相比．缺乏灵活性．??ＡＩＯＶＮＳ－２每次迭代只对单个解进行操作．且其采用了并行邻域搜索的方式．加快了算法的收敛速度，因??此ＭＯＶＮＳ－２比ＭＯＶＮＳ－３得到更小的分布间距Ｓ．二者的平均比例维持在１?：?２．５左右．即ＭＯＶＮＳ－２能??够获得分布更为均匀的Ｐａｒｅｔｏ解集：此外，ＭＯＶＮＳ－２的．４Ｄ值也远低于比ＡＩＯＶＮＳ－３．也印证了其局部寻??优能力要强于Ｍ０ＶＮＳ－３．??另一方面．在多目标邻域搜索算法中．基于种群运行的Ｍ０ＶＮＳ－３可以在一个更大范围的解空间中进行??搜索．因此．Ｍ０ＶＮＳ－３所得Ｐａｒｅｔｏ解集的最大分散度Ｚ）大于Ｍ０ＶＮＳ－２?（平均比例为２?：?１）．即获得更为??宽广的解分布．??此外，对比ｉＭＯＶＮＳ－２和Ｍ０ＶＮＳ－３的／？值可发现从整体上上看．ＡＩ０ＶＮＳ－３得到的Ｐａｒｅｔｏ解集更具??有优势．但在算例１和２中．ＭＯＶＮＳ－２能够得到更大／？值．这可能是由于Ｍ０
【参考文献】：
期刊论文
[1]基于两阶段算法的大规模成品油二次配送优化[J]. 张立峰,易万里,刘晓兰. 系统工程理论与实践. 2016(11)
[2]基于订单邻域的成品油二次配送中带时间窗车辆路径规划问题[J]. 李敏,倪少权,周凌,黄强. 计算机集成制造系统. 2015(08)
[3]成品油二次配送调度优化模型及其遗传算法求解[J]. 马义飞,孙晓燕. 运筹与管理. 2010(06)
[4]油品配送车辆路径问题的交互式求解方法[J]. 戴锡,叶耀华,吴勤旻,朱道立. 系统工程学报. 2009(06)
[5]基于交通流量的城市交叉口事故预测研究——以广州市为例[J]. 杜卫卫,姜立春,刘付衍华. 华东交通大学学报. 2009(05)
硕士论文
[1]危险货物道路运输事故统计分析及综合管理系统的建立[D]. 石磊.长安大学 2014
本文编号：3276246
【文章来源】：系统工程理论与实践. 2019,39(10)北大核心CSSCIEICSCD
【文章页数】：16 页
【部分图文】：
图１?ＭＯＶＮＳ算法框架??不兼容节点：由于约束（１０）和（１１）限制了油品的装载形式．因此若对任意车型．通过３．２．１节的舱位指??＜＿．互．？＋?？＋．??
?２?＝?＼Ｈｋ＼??（ｉｅｖ＾ｐ．ｈ）??（２１）??ＩＫ?＝?Ｌ??ｈ??Ｖｉ?６?ｖ＇．Ｖｐ?ｅ?ｐ．??（２２）??ｎ??（＊，ｐ）??１．??（２３）??＾?＜?Ｑｈｋ＇，??（２４）??＼Ｈｋ＼＞＼Ｖ＇＼＼Ｐ＼．??（２５）??由约束（２２）和（２３）可知．油罐车Ｖ单次配送的加油站数小于等于其可用舱位数｜办｜．结合模型定义??以及油罐车分舱常识，可知ＣＡＰ问题是一类规模较小的０－１整数规划问题，本文拟采用较大需求优先指派??的原则进行ＣＡＰ问题的求解．具体操作如图２所示．同时．在初始化排序过程中．在保证较大需求优先指派??的前提下，为满足约束（２２）？（２５），需要优先安排同一加油站的油品需求．??对待装栽的油品排序得集合＝?，，．．．，??可用车舱集合乂．?｝??ｊ?－－??＝１??｝??ｆ??将＾指派给麵??－其屮＾??＝ｍａｘ｛—?＾?１，?Ｖ／ｚ?ｇ?Ｈｋ，｝?■??ｈ??ｉ除＂丰所宥与＾刘７应相同加？乐站面?Ｎ??油品需求，并对ｙ按顺序ｔ新编号??＇?＇??Ｈｋ．?＝?Ｈｋ．＼｛ｈｍｎ｝??输出指派结果??图２舱位指派算法??３．２．２载重检测??同一般ＶＲＰ问题一致．成品油配送问题包含时间窗和舱容约束．本文ｄ通过式（３）的方式将时间窗约??束转化为了求解目标．因此在路径构造和后续迭代过程中仅需考虑车辆的舱容限制：车载检测包含两部分：第??一，舱位使用情况检测：第二．负载可行检测．??１）舱位使用情况检测??①若待检验车辆ｆｃ指定服务的加油站节点中存在ｊ的不兼容节点．则连接加油站违反舱容约束：??②假设待检验车辆Ａ？的已装载油品需求总数为风，％表示加油站７的油品需求总数．
第Ｋ）期??詹红鑫．等：基于邻域搜索的成品油多舱多Ｈ标配送路径优化算法研究??２６７１??个解运行的多目标邻域兑法（ＭＯＶＮＳ－２）和基于种群的多目标邻域算法（ＭＯＶＮＳ－３）而言？具有较强的局部??搜索能力．能够得到更小的乂乃值．其１２组算例的平均值仅为０．１８．远低ｆ?ＭＯＶＮＳ－２的０．３２以及??ＭＯＶＮＳ－３的０．７４．尽管具有较强的局部搜索能力．但由于缺乏对各子目标进行独立的考量．导致其优化结??果并不占优．ｒｌ２、ｒｌ３的平均取值仅为２．２８和２．２９．且在超过一半的算例中．ＭＯＶＮＳ－１的优化结果完全不??占优：此外．ＭＯＶＮＳ－１算法只能得到一个优化解．不能提供多种解决方案供决策主体选择．与另外两种算法??相比．缺乏灵活性．??ＡＩＯＶＮＳ－２每次迭代只对单个解进行操作．且其采用了并行邻域搜索的方式．加快了算法的收敛速度，因??此ＭＯＶＮＳ－２比ＭＯＶＮＳ－３得到更小的分布间距Ｓ．二者的平均比例维持在１?：?２．５左右．即ＭＯＶＮＳ－２能??够获得分布更为均匀的Ｐａｒｅｔｏ解集：此外，ＭＯＶＮＳ－２的．４Ｄ值也远低于比ＡＩＯＶＮＳ－３．也印证了其局部寻??优能力要强于Ｍ０ＶＮＳ－３．??另一方面．在多目标邻域搜索算法中．基于种群运行的Ｍ０ＶＮＳ－３可以在一个更大范围的解空间中进行??搜索．因此．Ｍ０ＶＮＳ－３所得Ｐａｒｅｔｏ解集的最大分散度Ｚ）大于Ｍ０ＶＮＳ－２?（平均比例为２?：?１）．即获得更为??宽广的解分布．??此外，对比ｉＭＯＶＮＳ－２和Ｍ０ＶＮＳ－３的／？值可发现从整体上上看．ＡＩ０ＶＮＳ－３得到的Ｐａｒｅｔｏ解集更具??有优势．但在算例１和２中．ＭＯＶＮＳ－２能够得到更大／？值．这可能是由于Ｍ０
【参考文献】：
期刊论文
[1]基于两阶段算法的大规模成品油二次配送优化[J]. 张立峰,易万里,刘晓兰. 系统工程理论与实践. 2016(11)
[2]基于订单邻域的成品油二次配送中带时间窗车辆路径规划问题[J]. 李敏,倪少权,周凌,黄强. 计算机集成制造系统. 2015(08)
[3]成品油二次配送调度优化模型及其遗传算法求解[J]. 马义飞,孙晓燕. 运筹与管理. 2010(06)
[4]油品配送车辆路径问题的交互式求解方法[J]. 戴锡,叶耀华,吴勤旻,朱道立. 系统工程学报. 2009(06)
[5]基于交通流量的城市交叉口事故预测研究——以广州市为例[J]. 杜卫卫,姜立春,刘付衍华. 华东交通大学学报. 2009(05)
硕士论文
[1]危险货物道路运输事故统计分析及综合管理系统的建立[D]. 石磊.长安大学 2014
本文编号：3276246
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3276246.html
