动态车辆路径问题的多目标优化模型与算法-深圳大学学报理工版.pdfVIP

Vol. 27 No.2 第27卷第2期 深圳大学学报理工版 2010 年4 月 JOURNAL OF SHENZHEN UNIVERSITY SCIENCE AND ENGINEERING Apr.2010 文章编号: 1000-2618(2010)02-0230-06 【交通物流】 动态车辆路径问题的多目标优化模型与算法 胡明伟1，唐浩2 ( 1. 深圳大学土木工程学院， 深圳518060; 2. 联邦快递公司 ， 美国田纳西州孟菲斯38125) 摘要:以快递服务相关的动态车辆珞径问题为研究对象，建立多目标优化模型，设计了相应的求解 流程.多目标优化模型包括最大化服务客户数、最小化客户等待时间和最小化总旅行时间 3个优化目标. 采用基于词典式的排序方法，开发了改进的 Or-opt局部搜索启发式算法.在不同基准问题数据集上进行仿 真实验，结果表明，多目标优化模型与羊目标模型相比，能明显降低被拒绝的客户数和等待时间，而总旅 行时间未发生明显增长. 关键词:动态车辆珞径问题;多目标优化;动态旅行修理员问题;智能交通系统;启发式算法 中图分类号: U 116.2; 0221.2 文献标识码:A 近年来动态车辆路径问题( dynamic vehicle 入)是在决定路径的同时才为决策者所知晓或者更 routing problem , DVRP) 成为研究热点. DVRP 模 新， VRP 就是动态的; 相反， 如果所有输入在决定 型可应用于包裹快递、出租车服务、救援维修和应 路径之前就都已知并且随后不发生变化， VRP 就是 急处理等，注重运输的及时性和可靠性，输入信息 静态的. DVRP 的特性主要体现在如下方面: ① 时 随时间而变，且带有诸多不确定因素.在路径制定 变性和随机性显著. DVRP 的输入信息都是时间的 和实施过程中，车辆调度者要随时根据当前信息对 函数，即客户需求、车辆位置和状态、路网交通状 行车路径做出优化和调整. Psaraftis [1J 对20 世纪 90 况等都是随时间变化的，而且其变化规律是随机 年代以前的研究进行了总结; Chen 等[ 2 J 研究了带 的，无法事先预知，已制定的路径计划需要实时优 时间窗口的 DVPR的动态列生成方法; Branke 等[ 3 J 化和调整;②信息实时更新. DVRP 中的信息实时 研究了 DVRP的等待策略; Fleischmann 等[ 4 J 研究了 更新且反映在优化进程中，路线计划需根据更新的 基于在线交通信息的 DVRP ; Bent 等[ 5 J 提出随机信 信息做出重新优化;③目标函数复杂. DVRP 的 目 息的基于场景的规划方法;胡明伟等[ 6 J提出了时相 标函数要复杂得多，需要根据具体问题选择适当的 关VRP的一种高效启发式算法;刘士新等[ 7 J研究 目标函数;④实时响应. DVRP 要求实时响应， 路 了 DVRP的导向局域搜索算法. 线重新优化过程要求在很短的时间内完成，并将新