多车场物流协同运输调度方法研究.docVIP

多车场物流协同运输调度方法研究 　　摘要：多车场物流系统运输调度方法可以解决物流运输过程中小批量货物的集配，对同向运输任务进行整合，可以有效提升货物的装载率，降低车辆的空驶率。文章对当前物流协同模型进行了介绍，以聚类遗传算法为基础对协同运输调度设计方法进行了探讨。 　　关键词：多车场物流；协同运输调度方法；物流运输；小批量货物集配；货物装载率；车辆空驶率 文献标识码：A 　　中图分类号：TP391 文章编号：1009-2374（2016）01-0111-02 DOI：10.13535/j.cnki.11-4406/n.2016.01.056 　　从利润的角度来看，对多车场物流车辆协调运输的问题进行研究和分析，可以在不影响个体物流企业盈利的情况下进一步提升企业利润，站在物流企业的个体盈利的角度来说，对运输方案进行优化，建立满足运输任务的运输方案可以从物流企业盈利角度构建数学模型，然后使用遗传算法重构运输任务，彻底将物流业务级配问题解决。 　　1 问题描述和数学模型 　　物流协同运输指的是对物流企业的运输资源和物流信息进行共享，然后由物流企业一起来承担运输任务，由于不同物流公司的装运点和出发点并不一致，在一些地方的运输点会出现交汇，货物需要送至的地点也有可能会有几个，所以对于需要多点卸载和长途运输的物流车辆，要对装卸节点和运输线路合理的安排，提升物流资源的使用效率，节省物流的运输成本。例如在运送汽车配件时，需要利用多家物流企业从多个配件中心将货物运输到多个地点。本文在下述基础上开展研究工作：（1）运输任务是由配件中心来进行确定的，并且将任务下达给物流企业后任务不发生变化，在运输任务中要对运输量、运输的起始点和目的地进行确定；（2）允许运输车辆可以对多地客户货物进行运输，并且在运输时，可以在一段时间内不满载的情况下进行运输，不考虑货物重量对油耗造成的影响；（3）下达的货物配送任务物流企业可以完成；（4）货物可以在每一个地点进行卸货，并且不考虑货物装卸过程中耗费的时间；（5）运输车辆不受运输距离的限制，并且每一辆车只承担一项运输任务，当车辆的运输能力低于某车辆的运输任务后，要分解该车辆的运输任务；（6）如果各个配送中心之间的距离比较远，可以暂时不对各个配送中心之间的调拨任务进行考虑；（7）所有车辆分配的初始任务均为空载回程，并且一辆车辆对应一个初始运输任务；（8）由一个物流公司负责所有配送中心任务车辆的调配。以上述内容为基础，对下述变量进行定义： 　　假设配件中心有n个，各个配件中心的送货点有m个，第i个配件中心货物地点配送运输任务集合为，，第i个配件中心点到地点j点的配送任务为，。按照上述设定要求，配送中心的运输任务由i个物流公司负责。需要支付此配件中心任务的价格为，根据地图API可以按照途径地点对运输位置进行分解，然后将其作为子运输任务的集合，的分解任务数为，如此一来，就可以把一个起止点路径转变成多个起止点的运输任务集合，运输子任务分别为，，主要由运输终止点、运输起点为、运输重量为组成，运输子任务的发掘和合并集货地点由运输终点和运输起点负责，运输车辆能不能参与到运输协同中主要由运输重量限制，所以可以将运输任务做如下分解： 　　根据运输的基本原则和顺序，和是同一个地点，运输子任务使用下述公式表示运输成本： 　　在公式中成本系数为，0，主要由油耗费用、路桥费用构成。起点和终点的里程数为。加入安排车辆k来完成运输的子任务，那么定义，否则为0，从i配件中心出发车辆在完成运输最后的运输任务后，定义从配件中心返回的任务为，定义返回成本为： 　　，在公式中指的是地图API起点和止点的生成距离。在进行上述分析后，求得物流企业最大效益的目标函数： 　　（1） 　　约束条件为： 　　（2） 　　， （3） 　　， （4） 　　（5） 　　（6） 　　（7） 　　从上述模型不难看出，式（1）代表物流企业在进行协同运输后所取得的最大利润和；式（2）表示当运输车辆承担的任务超出总损耗时，车辆k才可以对此任务进行承担；式（3）是限制每一辆车的总运输量在额定载重以内；式（4）指的是限制各辆车货物的装载体积小于额定装车体积；式（5）是对完成车辆运输任务后从出发点返回后进行限定；式（7）指的是限制各个运输任务需要有车辆来完成，从而求出原任务分解后的子任务。 　　2 以聚类遗传算法为基础进行设计 　　一般情况下，聚类算法一般分为层次法、划分法、基于网络法和基于密度法，在对车辆进行调度排序时，一般使用启发式来找出最优解，遗传算法一般采用群体搜索技术来选择初始种群、变异、交叉等操作，进而产生新的群体，并逐渐靠近最优解。首先利用模糊聚类的方式将有利于货物进行运输的解群求出，然后再在遗传算法中对其进行利用，利用变异和交叉将最优解求