智能运输调度系统求解机制研究与实现.pdfVIP

论文 * 智能运输调度系统求解机制研究与实现 任中明 蔡延光 （广东工业大学 自动化学院） 摘要：运输调度问题模型类型多、结构复杂、求解工作量大，应用智能运输调度系统可提高运输调度工作 效率和调度水平，降低物流运输成本。本文研究了智能运输调度系统的核心部件——智能求解机制。通过分析典 型运输调度模型的结构特征，对模型类参数进行结构化归类及编码，提出一种面向智能运输调度系统的求解机制， 重点研究了模型类的自动识别机制。本文提出的求解机制具有开放、可重构、智能建模、智能求解等特点，仿真 分析和初步应用的效果令人满意。 关键字：运输调度；模型参数；模型识别；智能算法；求解机制 1 引言 一些确定性、弱约束的理想化问题，难以用来求解 NP-完全问题。近似算法则主要包括先路线后聚集、 [1] 减少运输费用是降低物流成本的重要手段 ，而 先聚集后路线、松弛法以及改进与交换法等算法。 运输费效比又与调度方案的优劣密切相关。运输调度 采用近似算法能够显著缩小可行解的解空间并 是物流企业中的核心作业，对于降低物流成本及提高 降低求解复杂度，但是采用近似算法来求解VRSP 也 服务水平具有关键作用。合理正确的调度可以有效减 只是在某种程度上的改善求解质量，并不能处理实际 少车辆的空驶率，实现合理路径运输并有效减少运输 复杂的多目标优化问题。启发式（智能）算法不以找 成本。同时，在现代物流管理中，运输调度的工作量 到精确解为目标，而是在复杂问题中以可接受的代价 大、技术性强，要实现调度过程优化具有相当难度。 给出问题的次优解，代表算法有构造算法、不完全优 因此，对运输调度的深入研究具有重要的社会效益和 化算法、节约算法、遗传算法、模拟退火算法、蚁群 经济效益。 算法、禁忌搜索算法、粒子群算法等。启发式（智能） 概括来说，运输调度问题(Vehicle Routing and 算法的应用，可以在很大程度上缓解由于模型组合的 Scheduling Problems, VRPVSP 或VRSP) 是指能够 复杂性及模型的不完备性而带来的求解难度，有效地 在满足一定的约束条件（如车辆、时间窗、运输数量 提升了对 VRSP 的求解效率，并使求解结果更趋于实 要求及运输能力限制等）下，给出适当的行车路线和 用。然而，针对某一类 VRSP 问题采用某种（或改良 任务分配方案，达到一定的目标（如综合费用极少、 的）智能算法来求解也许是可行及高效的，但是现实 路程最短、时间最少、使用车辆数尽量少等）。 中的VRSP 模型却是受动态时变、多条件约束及环境 VRSP 模型具有类型多、约束条件多、变量多、