有能力约束车辆路径问题求解算法研究.docVIP

有能力约束车辆路径问题求解算法研究 　　摘要：车辆路径问题（VRP）是物流配送系统研究中的一项重要内容。建立了CVRP 的数学模型，给出了量子遗传算法的流程，并用MATLAB 编程实现了实验仿真。 　　关键词：物流 车辆路径 MATLAB 　　中图分类号：TP14 文献标识码：A 文章编号：1007-9416（2013）11-0111-02 　　车辆路径问题（VRP）在1959年被Dantzig和Ramser提出， 车辆路径问题通常被描述为：在顾客的货物需求、物理位置、车辆的最大运载量等已知的情况下，确定车辆在各个顾客间的行驶路线，达到如运输路线最短、运输成本最低、使用车辆尽量少等预定目标[1]。在很多专家学者对VRP问题的持续不断深入研究的过程中，VRP问题拥有了很多不同的分类，如有能力约束车辆路径问题、开放式车辆路径问题、动态网络车辆路径问题、动态需求车辆路径问题等。伴随着国内电子商务业务的蓬勃发展，尤其是在区域电子商务环境中，顾客需求多样化、配送量多批次且量小、物品需求复杂化等等特点使得一般的车辆路径问题VRP数学模型很难准确、细致地描述出区域电子商务物流配送的特点。所以，区域电子商务企业物流中心需要有合适的智能化系统来进行确定合适的车辆配送路径。上述这些现象也引起了国内外物流科技、调度、组合数学、运筹应用数学、计算机应用科学专家与运输规划制定者等的高度重视[2]。 　　1 问题描述及数学规划模型 　　有能力约束车辆路径问题（CVRP）是车辆路径问题中最基本的一个问题。其被描述如下：设物品配送中心最多可以使用H辆车对K个顾客来进行运输配送，每辆车的可载重量是已知的，每个顾客的需求量也是已知的，顾客a到顾客b的距离是一定的，其优化的目标是使车辆行驶距离最短。 　　假设配送中心自身配备的一个物流配送中心向周围很多的区域进行物品配送的任务。假设该中心拥有足够多数量的配送车辆H（h=1，2...H），对K（k=1，2...K）个顾客进行运输配送，每辆车辆的载重量为Bh，顾客a到顾客b的距离为，车辆每次都由物流配送中心点出发，将物品配送至各需求点后，马上返回配送中心。现各配送需求点的地理位置，需求量信息均视为已知，每个顾客k的需求Qk 由唯一车辆一次配送完成：一辆车可配送多个顾客，一个顾客只能由其中的一辆车服务。其优化的目标是低成本或者最短路径。根据这些描述，建立模型如下： 　　首先定义两个决策变量，决策变量值取1时表示顾客k的运输任务由车辆h完成，否则其值取0。值取1时表示车辆h从顾客点a访问b，取值为0时代表其它情况。顾客a到顾客b的距离为，顾客a到顾客b在时间段N内的运行成本为，车辆的数量为H，其中一辆车的基本成本为M。 　　其中，（1-1）（1-2）表示目标函数，分别为低成本和最短路径；（1-3）表示每辆车的能力约束，即h为任一配送车辆，该约束条件指车辆载重量不得超重，（1-4）则为约束条件，a代表任一顾客点，该约束条件指每辆车都由中心点出发，（1-5）保证对于任一个顾客k，都要被服务到。（1-6）（1-7）表示顾客仅被1辆车所访问。 　　2 实验结果及分析 　　以某经营团购网公司为例，该公司自己拥有一个货物配送中心，其中假设有一辆运输车，还有八个顾客，每个顾客的具体位置转化为坐标图，如（图1）所示。要求在满足文中上述的约束条件下，如每辆车辆的载重量为6吨，合理安排车辆路径，使得距离最短及成本最低。 　　区域团购网在送货时，因为目标主要是同城顾客，相对而言，各个顾客点的距离相聚较近。采取距离最近分配法进行商品货物的配送，将（图1）中的距离还原为实际距离，数据如（表1）所示。 　　另外，根据公司对于顾客的送货要求，如时间窗的约束，某个顾客送货的需求量、每个顾客的具体位置，建立具体的数据表格。文章通过使用Matalab编程实验，采用相应的算法对实例数据的分析对比，从而得到解决区域团购网物流配送路径的优化方法和较优解，使用一个好的优化算法是物流配送路径优化的关键，从物流配送路径优化问题的提出至今，很多的精确算法和启发式算法都运用到路径优化上。车辆路径问题涉及的问题很多，其中主要要素如：配送中心点、运输物品、运输车辆、运输网络、顾客、目标函数、约束条件、优化算法等。如今依然有很多的业界专家学者在这些优化算法上进行更好地改进研究，以求更好的解决物流配送的车辆路径优化问题[3]。 　　量子遗传算法通常可以描述为[4]：（1）先进行种群初始化，然后对种群实施一次测量，最后得到二进制编码。（2）根据解码算法开始进行解码，计算适应量，保存最优个体，如果这个时候已经是最优的，则输出结果，否则使用量子旋转门更新等操作对个体进行调整，得到新的种群，再重复循环将其转为整数编码、解码、优化计算、保存最优个体等操作，指导最