模糊需求车辆路径问题研究.pdfVIP

第 25卷第11期(总第1 67期) 系 统 工 程 Vo1．25．No．11 2007年11月 Systems Engineering NOV．，2007 文章编号：1001—4098(2007)11-0014-05 模糊需求车辆路径问题研究 曹二保 。，赖明勇 ，张汉江 (1．湖南大学工商管理学院，湖南长沙 410082； 2．湖南省物流信息与仿真技术重点实验室，湖南 长沙 410079) 摘 要：研究具有模糊需求的车辆路径问题，建立基于模糊可能性理论的模糊机会约束规划数学模型，提出了 求解该问题的一种基于模糊模拟的混合差分进化算法。同时，在车辆行驶总距离最小的目标下，运用随机模 拟方法研究了决策者主观偏好值对最终决策目标的影响，并给出最佳主观偏好值。 关键词：车辆路径问题；模糊可能性；模糊模拟；差分进化；优化 中图分类号：U492 文献标识码：A 车辆路径问题(vehicle routing problem，VRP)由 Evolution，DE)最大的特点就是在每个新个体的生成过程 Dantzing于 1959年提出[】]，属于经典的复杂组合优化问 中用到了父代多个个体的线性组合，而不是遗传算法传统 题，自提出来以后，成为运筹学和组合优化领域的前沿与 单一的父代染色体交叉技术，同时DE保留了基于种群的 研究热点问题，然而在以往的绝大多数VRP研究中，人 全局搜索策略，采用实数编码、基于差分的简单变异操作 们一般假定在构造路径之前，所有信息(包括顾客信息、 和一对一的竞争生存策略，降低了遗传操作的复杂性[1 。 车辆信息、路况信息以及线路制定者信息等)都是已知 但国内外还没有出现运用差分进化算法对车辆路径问题 的、确定的，提出的算法也是用来求解确定性条件下的 的研究。 VRP。但在许多实际的应用中，由于受客观世界中存在的 本文基于模糊可能性理论，提出模糊车辆路径问题 不确定性因素以及人类观察、认识事物的模糊性的影响， (VRPFD)的模糊机会约束规划数学模型，并运用混合差 车辆路径问题的某些信息可能是模糊的、不确定的。在这 分进化算法求解车辆路径问题，计算结果表明该算法能有 种情况下，传统确定性条件下的VRP理论和方法不能处 效求解模糊车辆路径问题，且该改进的差分进化算法可以 理该类问题，需要研究一整套新的、与传统确定性VRP 用来求解其它确定性车辆路径问题。 理论和方法相对应的不确定VRP理论与方法，然而国内 1 问题描述及模型 外对模糊车辆路径问题的研究相对较少。D．Teodorovic 和G．Pavkovic通过引入决策者偏好，采用模糊推理算法 具有模糊需求的车辆路径问题可以描述为：某一运输 求解了具有模糊顾客需求的车辆路径问题一 一；Chen和 网络中有一车场和n个待服务的顾客，分别用 0和1，2， Gen运用遗传算法求解了具有模糊预约时间的车辆路径 … ， 表示，车辆从车场出发，服务一定数量的顾客后返回 问题[ ；Y．Zeng和B．Liu运用混合遗传算法研究了具有 车场；每辆车具有相同的容量c和最大行驶距离L；每个 模糊行驶时间的车辆路径问题 ；张建勇等基于模糊可 顾客只能由一辆车一次完成服务；每辆车只能使用一次； 能性理论运用混合遗传算法研究了模糊需求车辆路径问 每个顾客的需求量为三角模糊数d一(d ，d ，d )，顾客i 题。[ 。] 与顾客 之间的距离为C 为配送中心最大车辆数目；求 近年来，在进化计算领域，差分进化算法 作为一种 完成所有顾客服务的最短车辆行