论文基于部分匹配原则协同时间求解最优运输路径的算法研究..docxVIP

基于部分匹配原则协同时间求解最优运输路径的算法研究孙凯伦 黄星奕 周青正 梁颖珊（合肥工业大学 数学学院，安徽 合肥）摘要：本文对生产运输中的经典问题——车辆路径问题（Vehicle Routing Problem，简称VRP）进行研究，并探讨生产运输配送中的VRP问题与另一经典问题——旅行商人问题 （Travelling Salesman Problem，简称TSP）的区别。解决VRP问题的一般算法有蚁群算法、模拟退火算法、遗传算法和粒子群算法等，本文主要对用遗传算法解决VRP问题结合时间因素约束改进原有算法，使其更符合客户实际需求，并对方法做了改进延伸使其可以求解多车辆路径问题。关键词： 车辆路径问题 遗传算法 协同时间因素 多车辆路径问题引言经济的全球化，市场竞争日趋激烈，传统的单个制造型企业难以适应日益复杂的市场环境。现代的制造型企业必须有效联系上游供应商、下游的第三方物流、分销商等形成供应链，最终为客户提供高质量的产品或服务，这样才能在激烈的竞争中占据不败之地。经典的生产调度问题通常不考虑供应链环境中其他企业及客户需求的影响，而仅是旨在企业内部机器加工能力的充分利用，显然无法适应供应链环境的需要。在众多经典调度问题中，有一类问题考虑了产品的配送时间（delivery time），然而假定配送时间为固定的常数[1]。例如，Koulamas Kyparisis[2]考虑了具有固定配送时间的最小化Makespan的同类机调度问题，为之构建了近似算法；李凯等[3,4]为此问题设计了一种解的表示方式，并构造了启发式算法LPDT、可变邻域搜索以及模拟退火等一系列算法。显然，这类文献假定配送时间为固定常数难以描述复杂的调度环境。在现实的供应链环境中，制造型企业不仅要充分利用自己的加工能力、降低库存水平，同时也要快速响应客户需求，很多情形下需要将产品配送给客户。本项目以供应链上的制造型企业为背景，研究其单机生产模式下进行运输协作客户满意度优化的理论与方法，通过建立数学模型和构建优化算法，以期得到一些有益的结论，在减少配送成本的同时又能保证企业的长期收益，因此本项目的研究内容具有重要的理论价值和现实意义。问题分析生产运输过程中的车辆运输问题，基本可以看为车辆路径问题。车辆路径问题是指制造型企业对货物的配送运输问题。一般均以配送路线经可能短为求解目标。在生活中，服务商选取恰当的车辆路径方法，可以加快对客户需求的响应速度，提高服务质量，增强客户对物流环节的满意度，同时降低服务商运作成本。但是车辆路径问题一般是不考虑时间要求，仅根据空间位置条件安排路线的路径问题，而现实生活中客户满意度与时间因素相关性很大，因此这也就为研究产品运输部分匹配原则协同时间求解最优路径的问题提供了必要性。同时，单车辆路径运输模型仍较简单，其模型与存在多元复杂制约因素的实际运输问题出入过大导致实用性不强，因此多车辆路径问题的算法设计模型将更适用于实际成产生活。于是本项目针对运输路径长度协同时间因素的优化方法以及多车辆路径问题的求解方法做了探讨，并提出一个可行的做法。生产配送协同时间遗传算法模型运输问题模型我们所研究的运输问题可以表示为以下模型： (1)s.t.(2)(3)(4) (5)(6)其中：表示路径0-1邻接矩阵； ；表示两节点之间的距离；是对路径的惩罚因子，由客户的满意度所决定，属于定性指标。上述模型中式(3)(4)(5)表示了每个节点的入度和出度相等，且至少为1，即表示每个点至少被访问过一次。(6)式表示路径总距离。(1)式表示求解目标是总距离和惩罚因子之和最小，即运输配送过程中的最优路径。其中惩罚因子属于定性指标，与路径有关，可以由生产者与商家签订的协议量化，也可由生产者在客户满意与否的经营经验进行量化，也可以由经相关调查所得到的心理曲线函数等来进行量化。我们选用溢出距离来进行量化。利用溢出距离作为惩罚因子。设为路径中第个节点处商家所要求的货物抵达时间，为车辆的平均运输速度，则可用：表示当前的溢出距离，这里的表示从路径起始到路径中第个节点的总路程。一般要精确求解上述模型，需要采用穷举的方法。但是这显然是不明智的，穷举方法求解上述模型的算法复杂度为，如果节点数目较多，计算机根本无法在可以接受的时间内计算出结果。一般的遍历最短路径问题（TSP问题）现有的有贪心算法、蚁群算法、遗传算法等多种算法可以求出较为满意的解，但是本模型除了以总路径尽量短的同时还要求惩罚因子也尽量小，这使得一般的求解方法并不适用。利用遗传算法的基本思想，基于部分匹配原则，通过设定合适的适应度函数的方法可以很好的将惩罚因子与路径同时引进遗传算法中。floyd算法预处理在实际问题中，所有的节点（即商家之间）并不都是直接连通的，因此在考虑实际的运输问题时，不能直接用两节点间坐标