城市配送车辆路径优化集束式算法的客户点归并策略.pdfVIP

第43卷第11期 数学的实践与认识 V01．43，No．11 2013年6月 MATHEMATICSINPRACTICEANDTHEORY Jun．，2013 城市配送车辆路径优化集束式算法的客户点归并策略 朱孟高·，米娜z (1．山东电子职业技术学院管理与应用外语系，山东济南250200) (2．山东兰剑物流科技股份公司咨询规划部，山东济南250101) 摘要：VRP问题的研究起步较早，求解方法也非常丰富，然而，面对客户规模庞 大，交通网络复杂的多约束车辆优化调度问题，现有算法显得无能为力．为有效解 决需求点规模庞大的城市配送车辆优化调度问题，提出一种新的两阶段启发式算法 ——集柬式算法，采用“集中后分派，分派后扩展”的思想，对末梢客户和同路段客 户进行客户点合并，从全局上降低搜索范围，并提出相关客户点归并算法． 关键词：集束式；合并；客户点；路径优化 1问题描述及集束式算法的提出 Vehicle Scheduling RoutingProblem(简称VRP)或Vehicle 题是指为服务于已知的一组顾客的一个车队，设计一组开始和结束于一个中心出发点的最小 费用路径．每个顾客只能被服务一次，而且，一个车辆服务的顾客数不能超过它的能力．城市 配送中的车辆调度问题多属于带软时间窗和能力约束的单车场、多车型、非满载问题．由于 城市配送任务开始前客户的需求量和交通网络是已知的，同时要求配送任务结束后车辆必须 返回配送中心，因此城市配送车辆调度又属于确定性车辆封闭问题． 车辆路径优化调度问题的启发式求解方法主要有：最临近法、节约里程法、遗传算法、 禁忌搜索法等．最临近法计算速度最快，但随着求解时间的增加，线路内部客户点越来越分散， 分派方案越来越差；节约里程法在问题规模较小时速度较快，但随着问题规模的增大，其计 算时间呈指数上涨，由于节约里程法计算过程中每次只考虑两个客户点之间连接的里程节约 值，缺乏全局考虑，求解结果往往与最优解相差甚远．遗传算法、禁忌搜索算法等随着约束条 件的增加，可行解的解空间越来越小，其计算过程中做出的无用搜索越来越多，导致计算时间 浪费严重． 针对以上方法的不足，提出一种新的两阶段启发式算法——集束式算法．集束式算法采 用“集中后分派，分派后扩展”的思想，首先对末梢客户和同路段客户进行客户点合并；然后， 采用启发式构造算法对合并后的客户点进行分派，利用遗传算法或禁忌搜索算法对分派到线 路中的所有客户进行访问次序排序，得到线路内客户最优或近似最优的访问次序． 收稿日期：2012—09．18 万方数据 数学的实践与认识 43卷 2 问题模型 城市配送车辆路径优化调度模型可描述为：存在一个配送中心，拥有K辆容量为Qk(k= 时间、运行成本等目标函数)最小的车辆行驶线路． 为构造数学模型方便，将配送中心编号为0，客户点编号为1，2，…，n，客户点及配送中 心均以点i(i=0，1，…，n)来表示，并定义变量如下： 妣2 t：1，2，…，佗；七：1，2，…，K。=上∥，…’佗冲=上∥，…撑 弧t：{1’寞宝点i由配送车辆k服务 1 0，否则 ’ 钆产U’l…川滞_1∥…球t，J：o，1，…，n；忌：1，2，…，K 翰，％：{1’ 妻黧k从客户点‘行驶到客户点J， 翰j萨10，，否则 则车辆优化调度模型如下： min z=∑∑∑viixtjk i J k ：giYki≤Qk，k=1，2，…，K 21，i=1，2，…，n ∑Yki