第7章电子商务物流配送管理.ppt

* 按车辆载货状况分，有满载问题（货运量不小于车辆容量，完成一项任务需要不只一辆车）和非满载问题（货运量小于车辆容量，多项任务合用一辆车）。 按车库数目分，有单车库问题和多车库问题。 按车辆类型分，有单车辆类型问题（所有车辆容量相同，类型相同）和多车辆类型问题（执行任务车辆的容量和类型不完全相同）。 * 按车辆对车库的所属关系，分为车辆开放问题（车辆可以不返回其出发车库）和车辆封闭问题（车辆必须返回其出发车库）。 按优化目标分，有单目标问题和多目标问题。 按不同的数学模型，分为TSP问题（Traveling Salesman Problem, 旅行商问题），VRP问题（Vehicle Routing Problem, 车辆路由问题）和PDP问题（Pickup and Delivery Problem, 装卸货问题）。 * 在经典VRP问题的基础上不断发展和演变，形成多种形态的 VRP问题，如多配送中心的车辆路径问题(Multiple-depot VehicleRoutingProblems，MDVRP)、带能力约束的车辆路径问题(Capacitated Vehicle Routing Problems，CVRP)、带时间窗的车辆路径问题(Vehicle RoutingProblemswithTimeWindows， VRPTW)、追求最佳服务时间的车辆路径问题(Vehicle RoutingProblemswithDefinedTime，VRPDT)、多种车型的车辆路径问题(FleetSizeandmixVehicleRoutingProblems，FSVRP)、考虑回程运输的路径问题(Vehicle Routing Problems with Backhauls，VRPB)、动态需求路径问题(DynamicVehicleRouting Problems，DVRP)等。 * 最优化算法（线性规划单纯形方法、对偶理论、灵敏度分析、运输问题、内点算法、非线性规划K-T条件、无约束最优化方法、约束最优化方法、整数规划和动态规划等 ） 动态规划(dynamic programming)是运筹学的一个分支，是求解决策过程(decision process)最优化的数学方法。20世纪50年代初美国数学家R.E.Bellman等人在研究多阶段决策过程(multistep decision process)的优化问题时，提出了著名的最优化原理(principle of optimality)，把多阶段过程转化为一系列单阶段问题逐个求解，创立了解决这类过程优化问题的新方法——动态规划。 首先是Kolen等在1987年提出的VRPTW动态规划（Dynamic programming）。 因其复杂性在于各阶段决策之间的相互联系，而且计算时间与计算机内存空间均随变量的增加而呈指数增加，所以虽然此方法可求得最优解，但仅适用于较小规模的寻优问题。 * 是一种隐枚举法或部分枚举法，是枚举法基础上的改进 对有约束条件的最优化问题（其可行解为有限数）的可行解空间恰当地进行系统搜索，这就是分枝与定界内容。通常，把全部可行解空间反复地分割为越来越小的子集，称为分枝；并且对每个子集内的解集计算一个目标下界（对于最小值问题），这称为定界。在每次分枝后，凡是界限不优于已知可行解集目标值的那些子集不再进一步分枝，这样，许多子集可不予考虑，这称剪枝。这就是分枝定界法的主要思路。 可用于解纯整数或混合的整数规划问题 缺点：其实验的节点数范围为6-15。当节点数为6时，计算机演算所花费的时间大约1分钟（计算机机型为VAX11/785），当节点数扩大至12时，计算机有内存不足的现象产生，所以分枝定界法比较适用于求解小型问题。 Held和Karp指出分枝定界法的求解效率与其界限设定的宽紧有极大的关系。 * 切平面法在求解与整数规划相对应的线性规划上，不断地增加新的约束，也就是另外加入线性约束条件，以切掉对应于非整数规划的所有可行解的集合，以使问题可达到整数线性规划求解的形式，从而获得最优解。 缺点：求解时间过长，不适用于大规模问题。 * 节约算法将每条路线只含一个配送点的n条路线作为初始解，其中，每条路线中第一个和最后一个配送点分别称为路线的起点和终点。考察一条路线的起点与另一条路线的终点相连合并成新的一条路线。如果合并后的路线满足约束条件（车辆容量、时间窗），则说这样的合并是可行的，并将合并的节约值定义为连接这两条路线的边的节约值。选择节约值最大的可行合并进行一次路线的合并。当不存在可行合并时，算法结束。 最早由Clarke等于1964年提出该方法并用于求解车辆巡回问题。 Solomon于1983年将其用于求解有时间窗约束的车辆巡回问题。 此方法的优点是可提高车辆的利用率