运输学4-规划与优化1.pptVIP

* * 分解一次送货的时间构成： 　－装货时间：给车辆装货时的准备时间。 　－主干线去程：送货主干线的去程时间 　－送货时间：在地区内多次卸货中间的旅途时间 　－卸货时间：每次卸货的时间总和。 　－回程时间：从主干线返回仓库的时间 运输管理 刘南教授 * * 最短路问题（Shortest Path）是运输路径计划优化中一类最基本的问题。其中常见的是带权图的最短路径问题，即求两个顶点间长度最短的路径。其中：路径长度不是指路径上边数的总和，而是指路径上各边的权值总和。路径长度的的具体含义取决于边上权值所代表的意义 由于交通网络存在有向性，所以一般以有向网络表示交通网络。例如，设A城到B城有一条公路，A城的海拔高于B城。若考虑到上坡和下坡的车速不同，则边A，B和边B，A上表示行驶时间的权值也不同。即A，B和B，A应该是两条不同的边。习惯上称路径的开始顶点为源点(Source)，路径的最后一个顶点为终点(Destination) 最短路径不仅仅指一般地理意义上的距离最短，还可以引申到其他的度量，如时间、费用、线路容量等。但是，无论是距离最短、时间最快还是费用最低，它们的核心算法都是最短路径算法。经典的最短路径算法——Dijkstra算法是目前多数系统解决最短路径问题采用的理论基础，只是不同系统对Dijkstra算法采用了不同的实现方法。 * * 是运筹学、图论和组合优化中的著名问题，在实际生活中有着广泛的应用前景。TSP不仅可以解决最优巡回路线等类TSP问题，在交通车辆巡回、学校教师课程计划安排、工厂装配线进度管理以及民航机组人员轮班等问题上也有着广泛的应用前景。 TSP问题一般可以描述如下:一个旅行者从出发地出发，经过所有要到达的城市后，返回到出发地。要求合理安排其旅行路线，使得总旅行距离 (或旅行费用、旅行时间等)最短。 在处理现实生活中的具体问题时，可以对TSP附加一些限制性条件，例如在模型中假设该旅行者的时间有限，进而添加相应的时间约束等，从而衍生出许多和TSP相关的问题。 运输管理 刘南教授 * * 车辆路线安排问题 (VRP，Vehicle Routing Problem)是对进行物流配送的车辆进行优化调度。该问题一般可以描述如下:对一系列装货点或(和) 卸货点，组织适当合理的行车路线，使车辆有序地通过它们，在满足一定的约束条件(如货物需求量、发送量，交发货时间，车辆容量、数目限制，车辆行驶里程、时间限制等)下，达到一定的目标(如最短路程、最小费用、最短时间、最少车辆等) PDP问题（Pickup and Delivery Problem, 装卸货问题）。PDP问题是VRP问题在现实中的演化，与VRP不同的是，PDP不仅仅是在所要求的目的地完成一次访问（对于VRP问题来讲，这种访问就是进行一次送货或者取货服务，送货和取货任务不同时发生在同一点上），同时需要完成送货和取货两种作业任务。PDP问题较之 VRP更加复杂，对于车辆容量限制条件的考虑也更加难以确定 运输管理 刘南教授 * * TSP、VRP、PDP等系列问题属于组合优化领域著名的NP难题。其求解 方法一般相当复杂，通常的做法是应用相关技术将问题分解或者转化为一个或者多个已经研究过的基本问题，再使用相对比较成熟的基本理论和方法进行求解，以求得原运输车辆调度问题的最优解或满意解 精确式算法一般运用线性规划 (包括经过专门处理的分枝定界法、割平面方法和标号法)和非线性规划等数学规划技术，以便求得问题的最优解。 精确式算法一般有以下几种方法:①分枝定界法 (Branch and Bound Approach) ；②割平面法(Cutting Planes Approach)；③网络流算法 (Network Flow Approach)；④动态规划方法(Dynamic Programming Approach)等。精确算法随着运输系统的复杂和调度目标的增加，其计算量呈指数递增，使得获取整个系统的精确最优解越来越困难，而用计算机求解大型优化问题的时间和费用又太大，因此，此类优化方法和算法现在一般仅用于求解运输调度的局部优化问题。 * * 为了克服精确优化方法的不足，可以运用一些经验法则来降低优化模型的数学精确程度，并通过模仿人的跟踪校正过程来求取运输系统的满意解。启发式算法能同时满足详细描绘和求解问题的需要，较精确式算法更加实用 现在比较成熟的启发式算法很多，它们的区别主要在于求解过程的收敛速度和收敛程度不同。按照这个标准，可以分为四类： 构造算法 两阶段算法 不完全优化算法 改进算法 运输管理 刘南教授 * * 本部分讨论企业物流日常运作中经常碰到的运输车辆装载优化问题，其实也是运筹学中著名