基于禁忌算法的带模糊需求集送一体化路径优化.docVIP

基于禁忌算法的带模糊需求集送一体化路径优化 　　摘 要：随着电商产业的逐步兴起，以第三方物流为代表的物流产业因做为保证电商产业顺利发展的主要因素也逐步发展起来。针对终端客户配送问题中客户散，货量少，需求不确定的特点，文章在对集收送一体化配送问题进行简单描述的基础上，通过引入模糊数的概念，给出了解决这一类终端配送问题的基本解题思路，建立了具有模糊特征的集收送一体化路径问题的规划模型。提出了一种求解该问题的带有模糊需求的禁忌搜索算法。 　　关键词：模糊需求；集中配送；一体化 　　中图分类号：F253 文献标识码：A 　　Abstract： With the E-commerce industry gradually develops in China， logistics industry represented by the 3PL develops step by step， regarded as the guarantee of E-commerce. Paper focuses on the feature which are scattered customers， sketchy goods， uncertain demand on distribution to end-customers. It is based on simple describing integrated vehicle scheduling problem and introduce the concept of atilde. Paper method is the basic approach to solve the problem and establishes programming model on integrated vehicle scheduling problem. Model puts forward a way of tuba search combining with uncertain demand to solve the problem. 　　Key words： uncertain demand； concentralized distribution； integration 　　0 引 言 　　车辆路径问题（Vehicle Routing Problem，VRP）最早是在1959年由Dantzig和Ramser[1]首先提出。是指对一系列客户的需求点，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。针对VRP问题的提出，国内外学者们对不同背景的VRP问题做了大量的研究工作。针对物流配送，常见的车辆路径问题有以下几种类型：带容量约束的车辆路径问题；多车型车辆路径问题；带时间窗的车辆路径问题；带回程运输的车辆路径问题；相容性约束车辆路径问题和不确定性车辆路径问题等。对应于不同类型的配送问题，国内外很多的科学家、工程师和管理学者都对这一问题进行了探讨。先后涌现了大量的解决VRP问题的启发式、亚启发式算法。如Clark和Wright在1964提出的节约算法；Lin在1965年提出的2-opt和3-opt交换算法；Gillett和Miller在1974年提出的Sweep算法等，以及近年来出现的亚启发式算法，如遗传算法（Genetic Algorithm）、模拟退火算法（Simulated Annealing）、禁忌搜索算法（Tabu Search）、神经网络（Neutral Network）等。 　　然而，在以往的绝大多数VRP问题中，人们一般在假定构造路径之前，所有的信息（包括顾客信息，车辆信息）都是确定的，而在实际应用的过程中，由于客观世界存在的不确定因素，以及人类主观因素的影响，车辆路径问题的某些参数可能是不确定的。近几年，不确定性路径问题引起各界学者的注意。Teodorovicc[2]等学者针对顾客需求不确定的车辆路径问题开展研究，其假设各个客户的需求是模糊的，并采用三角型模糊数来描述这一模糊的客户需求。侯玲娟[3]等学者针对一类不确定需求和旅行时间下的随机车辆路径问题，建立了一个随机规划模型，提出了一种带有自适应机制的改进遗传算法。邢占文[4]在前人的研究基础上，综合各种不确定因素，包括需求不确定，车辆不确定等。引入“假设客户”的概念，将动态问题转化为静态问题，并提出基于非精确距离矩阵的共轭优化算法进行优化。 　　在随机需求车辆路径问题（Vehicle Routing Problem with Stochastic Demands， VRPSD）提出以来，许多专家学者提出了有关求解本类问题的求解算法。其中D.