8运输规划与优化.pptVIP

* * 大多数模型都可以看成是下面三个模型的变形与组合： （1）以车流为基础的模型 （2）以物流为基础的模型 （3）聚覆盖模型 2.2.2 VRP问题的模型及算法 * * 精确式算法一般运用线性规划和非线性规划等数学规划技术，以便求得问题的最优解。 精确式算法一般有以下几种方法： （1）分枝定界法 （2）割平面法 （3）网络流算法 （4）动态规划方法 精确式算法 * * 为了克服精确优化方法的不足，可以运用一些经验法则来降低优化模型的数学精度，并通过模仿人的跟踪校正过程来求取运输问题的满意解。 启发式算法：启发式算法中最具有代表性的就是克拉克（Clarke）和怀特（Wright）提出的节约法(Saving Method)。 经验法 * * （1）构造算法 根据一些规则，每一次将不在线路上的点依次增加到路线中去，直到所有的点都安排在路线上为止。 （2）两阶段算法 对构造算法进行改进，提出了两阶段算法。第一阶段得到一个可行解，第二阶段则对解进行调整。在保持解是可行的基础上，尽力向最优解接近，每一步都用产生的新可行解取代原来的可行解，使得目标函数值得到改进，一直进行到目标函数值再也得不到改进为止。 一般可以把启发式算法分为以下四类： * * （3）不完全算法 精确算法中的决策原则，在规模很大的问题中，导致计算量的指数增长。在不完全优化算法中，用启发式准则代替，可以有效缩小解的收缩空间。 （4）改进算法 从一个初始解开始，通过对当前的解进行反复的局部扰乱，以求得问题的满意解。 最短路径问题（SP，Shortest Path）是运输路径计划优化中一类最基本的问题。其中常见的是带权图的最短路径问题，即求两个顶点间长度最短的路径。其中：路径长度不是指路径上边数的总和，而是指路径上各边的权值总和。路径长度的的具体含义取决于边上权值所代表的意义由于交通网络存在有向性，所以一般以有向网络表示交通网络。 最短路径不仅仅指一般地理意义上的距离最短，还可以引申到其他的度量，如时间、费用、线路容量等。但是，无论是距离最短、时间最快还是费用最低，它们的核心算法都是最短路径算法。经典的最短路径算法——Dijkstra算法是目前多数系统解决最短路径问题采用的理论基础，只是不同系统对Dijkstra算法采用了不同的实现方法。 * * 是运筹学、图论和组合优化中的著名问题，在实际生活中有着广泛的应用前景。TSP不仅可以解决最优巡回路线等类TSP问题，在交通车辆巡回、学校教师课程计划安排、工厂装配线进度管理以及民航机组人员轮班等问题上也有着广泛的应用前景。 TSP问题一般可以描述如下:一个旅行者从出发地出发，经过所有要到达的城市后，返回到出发地。要求合理安排其旅行路线，使得总旅行距离 (或旅行费用、旅行时间等)最短。 在处理现实生活中的具体问题时，可以对TSP附加一些限制性条件，例如在模型中假设该旅行者的时间有限，进而添加相应的时间约束等，从而衍生出许多和TSP相关的问题。 * * 车辆路线安排问题 (VRP，Vehicle Routing Problem)是对进行物流配送 的车辆进行优化调度。该问题一般可以描述如下:对一系列装货点或(和) 卸货点，组织适当合理的行车路线，使车辆有序地通过它们，在满足一 定的约束条件(如货物需求量、发送量，交发货时间，车辆容量、数目限 制，车辆行驶里程、时间限制等)下，达到一定的目标(如最短路程、最小 费用、最短时间、最少车辆等) PDP问题（Pickup and Delivery Problem, 装卸货问题，以下简称PDP问 题）。PDP问题是VRP问题在现实中的演化，与VRP不同的是，PDP不仅 仅是在所要求的目的地完成一次访问（对于VRP问题来讲，这种访问就 是进行一次送货或者取货服务，送货和取货任务不同时发生在同一点 上），同时需要完成送货和取货两种作业任务。这样一来PDP问题较之 VRP更加复杂，对于车辆容量限制条件的考虑也更加难以确定 * * TSP、VRP、PDP等系列问题属于组合优化领域著名的NP难题。其求解 方法一般相当复杂，通常的做法是应用相关技术将问题分解或者转化为 一个或者多个已经研究过的基本问题，再使用相对比较成熟的基本理论 和方法进行求解，以求得原运输车辆调度问题的最优解或满意解 精确式算法一般运用线性规划 (包括经过了专门处理的分枝定界法、割平面方法和标号法)和非线性规划等数学规划技术，以便求得问题的最