车辆调度算法研究及应用文献综述.docVIP

文献综述 车辆调度算法研究及其应用 前言部分 车辆调度问题是现代物流系统优化中关键的一环，也是开展电子商务不可缺少的内容。 对车辆调度优化理论与算法进行系统研究是构建综合物流系统、建立现代调度指挥系统、发 展智能交通运输系统和开展电子商务的基础[1]。 车辆调度问题是运筹学与组合优化领域的研究热点。有效的调度车辆，不仅可以提高物 流工作效率，而且能够为及时生产模式的企业提供运输上的保障，从而实现物流管理科学化。 由于该问题的理论涉及很多学科，很多实际问题的理论抽象都可归结为这一类问题，研究该 问题具有很重要的理论意义和实际意义。 1 . VRP（Vehicle Routing Problem）问题描述及其分类 VRP问题一般可定义为：对一系列的装货点或卸货点，组织适当的行车路线，使车辆 有序地通过它们，在满足一定的约束条件(货物需求量、发送量、车辆容量限制、行驶里程 限制、时间限制)下，达到一定的目标(路程最短、时间最小、费用最省、车辆数目最少等)。 由于该问题研究范围非常广，根据其网络性能大致可以分为两类：一类为静态 VRP (StaticVRP, SVRP)，一类为动态VRP (dynamic VRP, DVRP)。 (1) 静态VRP问题描述 SVRP 问题是VRP 中较简单的一类问题，是大部分研究者研究的热点。该问题具有一 个很重要的特征：在安排初始路线时，和路线相关的所有信息已知，并且在安排路线以后其 相关信息始终保持改变[2]。以下列举了一些常见的SVRP 问题:仅考虑车辆容量限制的VRP(CVRP)、带时间窗的VRP(VRPTW)、带有回收的VRP(VRP with backhauls)、带有集派的VRP(VRPPD)。除此以外，还有许多其它 CVRP 的延伸问题，如顾客有优先权，考虑卸货时间、装卸时间、等待时间等，甚至综合了以上不同的特征。这些问题的相关信息均已知且保持不变[3]。 (2) 动态VRP问题描述 所谓DVRP，是指在安排初始路线时，并不是和路线相关的所有信息都为已知，并且初始路线安排以后，其相关信息可能发生改变。DVRP 研究范围较广，需求不确定、动态网络、服务车辆不确定、提供数据有偏差等都属于DVRP 的研究范畴。从网络性能角度，DVRP 可以分为以下三种类型：1)时间依赖型VRP (TDVRP)。2)概率VRP (PVRP)。车辆运行时间以离散或连续概率发生变化。在这种网络中可用期望运行时间代替路径运行时间，再进行问题的求解。目前对该问题在最短路中研究比较多，一般是求得存在长度不超过给定值的路线概率及所给出路线为最短路的概率等[4]。3)时间依赖且概率变化的VRP。 2. VRP问题算法描述 (1) 插入算法 插入算法是指通过 k 步迭代时，将第k 个节点插入到路线中。算法的关键在于确定在第k+1 步可以被插入到路线中的点以及该点的最佳插入位置。因此，该算法由两个关键的部分组成。第一部分是节点选择阶段，即确定下一步被插入到路线中的顾客节点；第二部分是路径插入阶段，即确定所选择的顾客节点在路线中的最佳插入位置[5]。 (2) 节约算法 节约算法是一类最为经典的构造型启发式算法之一，该算法最早由 Clark 和Wright 于1964 年提出[6]，通常被简称为C-W 算法。该算法的思想是：根据顾客点之间连接可以节省的距离（节约值）最大的原则，将不在线路上的顾客点依次插入到路线中，直到所有的点都被安排进路线为止。 (3) 最短路径算法 用于解决最短路径问题的算法被称做“最短路径算法”， 有时被简称作“路径算法”。 最常用的路径算法有：Dijkstra算法、A*算法、Bellman-Ford算法、Floyd-Warshall算法、Johnson算法。Dijkstra算法 遗传算法（Genetic Algorithm，简称GA）是美国J.Holland 和他的学生于1975 年受生物进化论的启发而提出并建立发展起来的。其基本思想是借鉴大自然生物进化中“适者生存”的规律，通过对产生的解（“父代”）不断操作（包括复制、交叉、变异和竞争）以产生新的解（“子代”），如此反复迭代，最终收敛到“最适应环境”的个体，从而得到相对比较好的解[9]。 综上所述，各种优化方法在一定情况下都有各自的优点，都有解决某一问题的优越性。最优化算法有一个共同的特点就是可以求得最优解，但不适应现在的复杂的车辆优化问题，尤其是对多配送点的大型配送服务，相对求得最优解比较费时费力，且难以实现；而传统的启发式算法比最优化算法相对好些，但仍有不太适用于现在于现在实际遇到的问题，和现代启发式算法相比有些不足，但可以将各种算法结合使用，这样就更方便使用解决实际当中遇到的各种问题。 求解VRP 问题时，我们旨在得到一系列路线，车辆