《物流配送车辆优化调度问题的综述》毕业学术论文.docVIP

物流配送车辆优化调度问题的综述 摘要：随着经济的不断发展，城市正发生着日新月异的变化。城市的发展离不开大量货车的使用，所以如何解决物流配送车辆优化调度的问题就逐步成为城市建设发展的焦点。物流配送车辆优化调度的问题，即对固定的装（卸）货地点，选择较为适当的行车路线让车辆井然有序的从各个路点通过，并且在按照要求完成任务的情况下还起到了一定的优化作用。本文 从物流配送的概述和流程开始深入，针对物流配送车辆优化调度问题的分类和优化算法方面做了详细的介绍，还近一步的分析了国内外在物流配送车辆优化调度问题上的研究现状以及以后的发展方向。 关键字：物流配送；分类；车辆调度；算法优化 1引言 对于物流配送车辆优化调度问题，其实质就是减少配送车辆的运输成本。直接影响配送车辆运输成本的就是配送车辆的运送距离，所以为了降低运输成本就要减少运送距离。在固定的装（卸）地点，如何安排车辆的行车路线使其总路程最短就是物流配送车辆优化调度要研究的问题。下面本文就针对如何做到优化调度提出了相应的措施和方法。 2物流配送概述及其流程 2.1物流配送的基本概述 将目标货物从发货人送至收货人的过程被称为配送。由于配送最终的目标是收货人，即为消费者，因此，配送也是物流系统中的一个至关重要的步骤。配送不仅仅局限于配货和送货。满足客户的需求，配送需要在满足客户对货物种类数量的基础上，在保证按时送达客户的基础上选取更快，更节约成本的配送方案，实现利益最大化。 2.2物流配送系统的优化 为找到一个最佳的物流配送方案，应该从以下几个方面着手：配送车辆的调度，对集货线路的选取，对送货路线的选择，实现集货-送货相统一。对配送系统的优化不仅可以增加物流的经济效益，更有助于实现科学化，现代化物流管理，显著提升物流的服务质量，提高物流公司信誉，从而有效地降低物流成本。 2.3物流配送的流程 随着物流配送的发展，现代的物流配送水平的提高，货物流通性大大增强，传统的存储环节正作用逐渐式微，也使得配送环节取代存储环节成为物流中最重要的部分。而作为配送的核心配送车辆对货物的集货，配送和送货过程越来越被总重视，如何选取最优配送路线，是对整个物流质量的考验，关系着物流整体的运输速度，服务成本和经济效益。随着电子商务的崛起，以集货作业和配货作业作为主体的新物流模式已然形成。 3车辆优化调度问题的分类和优化算法 3.1车辆优化调度问题的分类 在早期的车辆调度问题上与现代不同，其主要研究对象就是静态车辆的调度问题。其优化是在运筹学的基础上的，在确定的配送中心、车辆数目、服务对象情况下，使用最少的车辆使完成任务所行驶的总路线是最短的，以达到优化的目的。 根据不同的性质，可将车辆优化调度问题分成不同的类型。 按照运输任务可将车辆优化调度问题分为三类，即纯装、纯卸、装卸混合三类问题。 按照车辆的载货情况可将车辆优化调度问题分为两类，即满载、非满载问题。满载是指货量大于车载量，需要多辆车运输。非满载是指车载量大于货量，一辆车就能完成任务。 按照车辆类型可将车辆优化调度问题分为两类，即单车型、多车型问题。 按照车辆是否返回可将车辆优化调度问题分为两类，即车辆开放（车辆不返回）、车辆封闭（车辆返回）问题。 按照优化的目标可将车辆优化调度问题分为两类，即单目标、多目标问题。 按照有无休息时间可将车辆优化调度问题分为两类，即有休息时间调度、无休息时间调度问题。 3.2车辆优化调度问题的优化算法 在解决车辆优化调度问题上有很多方法，根据这些方法在算法上的本质研究可分为三大类，即精确算法、启发式算法、动态求解算法。 3.2.1精确算法 精确算法又称最优化算法，是指求出最佳解的算法。其算法有很多，比如切割平面法，网络流算法等。 精确算法有一个弊端，就是其计算量随着需要解决的问题规模的增大而大幅度的增大。由于这个弊端，精确算法只能适合解决规模较小的问题。因为精确算法适应能力较差一般这种算法最适合解决一个特定的问题，所以在实际应用中这种算法不是很受提倡。 3.2.2启发式算法 启发式算法完全不同于精确算法，它追求的是解决问题的满意性而不是最优性。它是一种用直观、经验构造出来的算法。到目前为止，启发式算法已经有好多种，最主要是以下二种算法。 构造启发式算法，其实质就是按照标准将不在同一条线路的所有点逐个的增加进来。在算法的每一步上，都要将当前的线路构形和另外的线路构形比较后，综合改进得到最后可行的构形。这类算法的的代表算法是：最邻近法，扫描法，节约法等。 智能化启发式算法就是在人工智能的启发式算法的基础上发展的。它的主要算法有：蚁群算法、神经网络算法等。 启发式算法在解决大规模的PDPTW问题上课分为经典启发式算法和现代启发式算法。 经典启发式算法主要有路径构造算法和路径改造算法等。路径构造算法其实质