考虑总量和体积双重约束时间窗车辆路径问题研究.docVIP

考虑总量和体积双重约束时间窗车辆路径问题研究 　　摘要: 车辆路径问题是被学者普遍研究的一个问题，也是一个经久不衰的研究课题。文章通过对车辆路径问题的改进，基于多种种类的货物，对考虑货物的不同重量和体积限制的带时间窗的车辆路径问题建立模型，通过粒子群算法求解模型，给出合适的解决方案。 　　关键词: 车辆路径；时间窗；重量；体积；多重约束；粒子群算法 　　中图分类号: U116.2文献标识码: A 　　 　　Abstract：VRP is usually studied by researchers from its beginning. An improvement of VRP is studied in this paper. An VRPTW model considering both weight and volume restricts is seted, then solve the problem using PSO（Partical Swarm Optimization）method. 　　Key words: VPR；time window；weight；volume；mulriple restricts；PSO 　　 　　0引言 　　车辆路径的选择对物流配送的成本有很大的影响, 如何在众多的配送路线方案中选择一个较优的方案是物流运行过程中需要解决的重要问题, 也正是车辆路径优化所要解决的问题。由于车辆路径问题的重要性及其复杂性，众多的学者在该领域有过研究。早在1962年，Balinski等人首先提出VRP的集分割，直接考虑可行解集合，在此基础上进行优化，建立了最简单的VRP模型。由于车辆路径问题的复杂性，对其求解有很大的困难，因此不断有学者加入此领域的研究。1991年，Gendreau等人将禁忌搜索方法应用于VRP。1996年，J.La wrence将遗传算法用于VRP的研究，并可有效求解带时间窗口的VRP。 　　车辆路径问题的一般描述是： 对一系列给定的客户（送货点或取货点），确定适当的配送车辆行驶路线，使其从配送中心出发，有序地通过它们，最后返回配送中心，并在满足一定的约束条件下（如车辆容量限制、行驶里程限制、时间限制、顾客需求量、交发货时间等），达到一定的目标（如路程最短、费用最少、时间尽量少、使用车辆数尽量少等）。如图1所示。 　　纵观前人对车辆路径问题的研究，绝大多数是对于网络规模的扩大和求解算法的研究，对车辆路径问题模型本身则鲜有改进，本文的研究着眼于对模型的改进，结合被运输货物本身的多样性，考虑在货物多种属性（主要是重量和体积）的影响下车辆路径的选择问题。 　　1问题描述 　　在研究车辆路径问题时，深入企业间物流配送运作的实际情况，很多情况下需要考虑被运输货物的多种属性。比如在装运时，有些货物虽然较轻，但是体积较大，在运输作业中成为轻泡货物，假如只考虑车辆的载重量对其的约束，那么一辆车上能够运载很多这样的货物，那显然是不合理的。这只是一个简单的例子来说明运输时同时考虑重量和体积约束的必要性，在实际运载过程中会遇到很多不同种类的货物需要同装一辆车的情况，那么情况就较为复杂了。本文就是基于这个角度出发，对经典的带时间窗的车辆路径问题模型予以改进，考虑货物不同种类造成的其体积和重量双重约束对模型的影响，并且对其进行求解。 　　2模型建立 　　目标函数：minZ=cx+PmaxETi-si,0+Pmaxsi-LTi,0 　　 St.xijk=xjik≤1, i=0, k∈{1,2,…,K}（1） 　　 xijk=1, i∈{1,2,…,L}（2） 　　 xijk=1, j∈{1,2,…,L}（3） 　　 gixijk≤q, k∈{1,2,…,K}（4） 　　 vixijk≤V, k∈{1,2,…,K}（5） 　　ETi≤Si≤LTi, i∈{1,2,…,L}（6） 　　 gi=vi h（7） 　　其中: 目标函数保证了总成本Z 最小，式中PE，PL分别是指早到的单位惩罚值和晚到的单位惩罚值; 式（1） 确保车辆从配送中心出发回到配送中心; 式（2）、式（3）保证每个客户只能被一辆车服务一次; 式（4）是车辆的载重能力的约束; 式（5）是对车辆容积的限制；式（6）是时间窗约束，这个约束在目标函数中不存在对迟到和早到的罚函数式起效（即硬时间窗约束），在本文中这个约束不起作用，因为本文考虑的是软时间窗的约束; 式（7）中Ph是指不同种类的被运输货物有不同的密度，这样导致同一车内的货物可能属于不同的种类，要求我们同时考虑其重量和体积对模型的影响，h表示有h种不同的货物。 　　Sj=xijkS+S+t，j∈{1,2,…,L}（8） 　　Sij=cij /v（