车辆路径问题(VRP)是根据需求约束条件和物流系统的设备、设施条件,对一系列有服务需求的顾客点,安排费用最小(时间、里程等)的车辆配送线路,是物流配送的关键内容之一。由于合理的路径规划能减少物流服务成本,提高服务质量,从而提高自身竞争力,因此VRP的研究得到了研究人员和物流企业的高度重视。已有的VRP文献中,绝大部分采用的是车辆不协作的路径策略,即车辆在运输时,都是独立运输,车辆之间没有协作。当物流配送的顾客和道路信息为不确定信息时,不协作的路径策略可能会带来巨大的资源浪费,而车辆相互协作运输不但能充分利用途中车辆的运输能力,还能缩短顾客的服务时间,从而减少运输成本,提高服务质量。随着通讯技术和优化技术的发展,车辆实时调度成为未来的发展趋势,基于协作的VRP也将成为研究趋势之一。本文以不确定信息下的物流配送问题为研究对象,提出了若干车辆协作的路径策略,对这些策略进行了理论分析和计算试验,证明了这些策略的有效性。全文主要内容如下:
提出了一系列基于车辆协作的路径策略,包括基于两辆车、基于三辆车、基于四辆车的路径策略,并给出了策略的路径里程、装卸载次数和运输时间的数学分析。用仿真实验的方法对策略的使用效果进行了对比分析。
探讨了大规模车辆路径问题的改进的SWEEP协作路径策略,提出了策略的车辆任务分配目标规划模型和启发式解法,采用模拟的方法对不协作策略和改进SWEEP策略的车辆数量、路径里程进行了对比分析。
提出了大规模车辆路径问题的全局协作策略,策略分为两阶段,第一阶段用SWEEP算法分组,并在组内协作;第二阶段不同组之间进行协作。理论分析和计算结果显示了该策略的有效性。
探讨了交通线路可能被毁坏情况下的路径决策问题,提出了基于不协作和基于协作的两阶段优化模型,给出了不同决策准则下的决策方法。
鉴于车辆路径问题求解的复杂性,有针对性地研究了基于协作的车辆路径问题的启发式算法,设计了不同策略下的禁忌搜索算法、遗传算法,并对算法的适用性进行了比较分析。
通过全文研究发现:与不协作策略比较,车辆协作的路径策略能不同程度地减少车辆行驶里程、车辆装载次数和路途行驶时间,是减少大规模物流配送
