改进的蚁群优化的动态多车场车辆路径问题.docxVIP

改进的蚁群优化的动态多车场车辆路径问题动态车辆路径问题（DVRP）单一车场的已经受到工程师和科学家越来越多的关注。但是，动态多车场车辆路径的问题（DMDVRP）的延伸DVRP，一直没有受到重视。在我们的文章中，基于距离的聚类方法通过分配每个客户到其最近的车场的方式引入到简化的DMDVRP。因此，DMDVRP被分解成序列的DVRPs。在本文中改进的蚁群优化（IACO）的蚂蚁策略和变异操作提出了优化车辆路径问题（VRP）。此外，为了满足实时功能的DMDVRP，最近添加法是用来处理在发生的新订单VRP问题的解决方案的基础上的某个时间片段。最后，计算的17个基准问题报告给验证IACO基于距离的聚类方法更适合解决DMDVRP。关键词：动态多车场车辆路径问题;基于距离的聚类方法;蚁群优化;最近添加法引言在过去的50年中，已经有很多的研究（ 1993年奥斯曼雷诺，拉波特，1996年Boctor Bullnheimer ，哈特尔和施特劳斯1999年， 2004年贝尔和麦克马伦;俞，阳，和姚明2009年）车辆路径问题（ VRP ）或多车场车辆路径问题（ MDVRP ） 。许多聚类技术应用于分成几个较小的VRP的问题分解VRP / MDVRP的（比安斯托克，布拉梅尔，辛奇 - 利维1993 ;栋多和2007年CERDA ;甚和Narendran2007年，金，刘， 2007年和鲍登; Sáez研究，科尔特斯， 2008年和努涅斯） 。在古典VRP / MDVRP的中，客户的需求/地点一般都假设为已知和确定性。然而，在实践中， VRP / MDVRP的问题是动态的，不确定的。随着国民经济的快速发展的新信息和通信技术在交通运输系统中，越来越多的关注专注于动态车辆路径问题（ DVRP ） 。近年来，一些研究者研究动态单车场VRP 。?Savelsbergh和Sol （1998）提出了一个动态路径自主车型的问题，其重点是一个分支和价格的算法。根德罗和波特凡（1998）在调度面积的基础上划分的本地动态车辆调度系统和宽动态车辆调度系统。 flatberg等（ 2007）动态随机VRP和提出求解器。拉森（2000年）之间的差异静态和动态VRPS及讨论还提供了一些例子和现实生活中的例子DVRP以及目前的状态各种DVRP方法。弗莱希曼Gnutzmann ， Sandvob （2004）的出动车辆根据随机到达客户的订单规划期间上线的基础信息。更多在不同类型DVRPs上最近的调查如下：的根德罗波特凡（1998） ，生产间隔（1995年） ，富兰克林和比阿特丽斯（ 2007年）， Montemanni等。 （2005）Ichoua ，根德罗，波特凡（2000年） 。然而，正如我们都知道，很少有几个研究多车场DVRP 。因此，本文着重对动态多车场车辆路径问题（ DMDVRP ） 。我们假设在DMDVRP，而一些新的，一些客户的要求是事先知道客户的要求是不可用的。在DMDVRP，在有限的时间找到一个令人满意的解决方案是显著的。一般来说，DMDVRP自然已被确认为更为复杂的由于嵌入式VRP。这是一个可行的办法，改变DMDVRP成为几个DVRPs。在本文中，基于距离的聚类方法是用来根据车场数量分割成几套客户。其结果是，每个车场和对应的客户可以被认为作为DVRP。这可以大大减少的计算复杂DMDVRP。然而，经过简化，DVRPs仍难以确切的方法解决，因为一直DVRP被确认为一个非确定性多项式（NP-hard的）问题。对于DVRP，一个两阶段的方法被发展起来。在第一阶段中，现有的客户（不带首先优化考虑立即请求）。由于许多研究人员表示启发式算法适合解决VRP问题，所以改进蚁群优化（IACO）可以被应用在优化或重新优化VRP路径。在第二阶段中，最近添加方法来处理发生在某个时间片段的动态请求。本文的其余部分组织如下。第二节中,我们描述了DMDVRP。第三节提出了如何简化DMDVRP和后续的如何解决VRP。第四部分是处理动态问题的基于最近添加方法。一些计算基准问题的结果讨论了第五节和最后,结论是提供在第六节。2.动态多车场车辆路径问题一个 DMDVRP能够描述为用最少的总成本从各车场到最新顾客的设计路线的问题。由于出现计划外的客户，每个客户在货物交付前进行充满单一种类的货物的车辆调度。因此，当新订单到达交付过程中，车辆可以调整其路线，挑选一些新订单如果车辆能满足新的客户。在我们的战略中，第一，优化运输路线基于当前客户DMDVRP 。虽然新的即时收到请求，现有路线需要改变，需要创建一个新的路线来处理它们。这意味着线路应重新优化，同时考虑新的要求（ 2000年拉森富兰克林和比阿特丽斯2007年） 。图1给出了一个DMDVRP例子。如图所示，已知的客户为代表的白色节点，而眼前的新的请求被描绘成黑色