指導老師林燦煌博士學生劉芳怡.ppt

指導老師：林燦煌 博士 學生:劉芳怡 目的 作者提出兩個最佳化方法來解決有時間窗限制的車輛排程問題。 拉氏鬆弛法(Lagrangian relaxation)。 K-Tree鬆弛法(K-tree relaxation)。 大綱 介紹VRPTW formulation 拉氏鬆弛法(Lagrangian relaxation) K-Tree鬆弛法(K-tree relaxation) 結論 VRPTW之參數 m=車輛數 n=顧客數;index 0=場站 Qk=第k輛車的容量 qi=顧客i的需求量 cij=從顧客i到顧客j的旅行成本 tij=從顧客i到顧客j的旅行時間 si=顧客i的服務時間 ei=顧客i的時窗下限 ui=顧客i的時窗上限 T=為一個很大的常數，所有路線之中具有最大的可服務時間 N={1,….,n}，N0=N?{0} M={1,….,m} VRPTW之變數 xijk= 1,代表顧客i至顧客j由第k輛車配送 0,otherwise yik＝ 1,代表顧客i被第k輛車拜訪 0,otherwise ti=顧客i到達時間 t0ek=第k輛車離開場站的時間 t0uk=第k輛車到達場站的時間 VRPTW之數學模式 目標:求總旅行成本最小 限制式(2): 表示車輛若服務某顧客，服務完之後必須離開該顧客。 限制式(3): 限制每部車的起點與終點皆來自於同一配送中心 限制式(4): 計算車輛從這個顧客到下一個顧客點的到達時間，同時避免不必要的子迴路。 ti+si+tij-(1-xijk)T≤tj 限制式(5): 計算車輛從場站出發到下一個顧客點的到達時間。 t0ek+t0j-(1-x0jk)T≤tj Solution Methods 作者於時窗限制的車輛排程問題發展兩種最佳化演算法: 拉氏鬆弛法(Lagrangian relaxation)。 K-Tree鬆弛法(K-tree relaxation)。 方法1:使用Lagrangian relaxation來分割變數，目的是將一個問題分成好幾個子問題。 Lagrangian relaxation是一種可以求得近似最佳解（Near Optimal Solution）的方法，它藉由鬆弛(relax)複雜的限制式(constrain)，使得原始的問題(primal problem)簡化。 它可以取代線性規劃(Linear Programming Relaxation)，因為拉氏鬆弛法所求出來的下界(lower bound)比線性規劃所求出的下界，可以較逼近最佳化(optimal)。 在尋求目標函數的最小值時，可以將最複雜的限制式(constrain)移項再乘上一個Lagrangian multiplier，然後加回原來的目標函式，若限制式為不等式的情形下，拉氏乘數必需不為負的。 使用次梯度法(subgradient)，去找出拉氏乘數，經由不斷地重覆計算以找到最接近最佳值的一個點。 子問題2變成: min (17) subject to (2)-(12) 是一個最短路徑問題，含有時窗及載重限制(shortest path problem with time windows and capacity constraints,SPTWCC)。 由於SPTWCC可能包含負cycles，為了避免發生此情形，two-cycle elimination(Kolen et al.1987)被使用來解決此種情形。 為了協調鬆弛限制式(15)所帶來的問題，將之寫成對偶型式: (18) Where 由於x，y在原始與對偶問題的目標函數的最佳解可能會有一個缺口(Gap=(Optimal solution-Lower bound)/Lower bound in %)。在這個case 對於VRPTW問題將是一個lower bound。 在式子(18)使用梯度最佳解(subgradient optimization)來做迭代。作者為了關閉對偶缺口，藉由引入branch-and-bound method，接著使用變數分離法(Variable Splitting Approach)去判斷lower bounds。 Solution Methods- Lagran