车辆路径优化的方法的研究.docVIP

车辆路径优化的方法的研究 　　摘 要:车辆路径优化是汽车运输企业提高车辆运营效益,实现物流科学化的重要途径。近年来,车辆路径优化方法一直是国内外研究的热点与难点问题之一。因此,对国内外车辆路径优化方法进行比较分析,改进车辆的优化调度方案,对提高企业核心竞争力具有重要意义。 　　关键词:车辆路径;物流;优化方法;配送 　　 　　一、国外企业车辆路径优化方法概述 　　 　　车辆路径优化问题(VRP)是物流企业关注的热点问题。1959年,著名学者Dantzig和Ramser提出解决企业车辆调度的基本问题可描述为:有一个车场拥有最大载重量为p的车辆171辆,车辆满油行驶的最长时间为71,现有17项运输任务需要完成,已知任务j(j=1,…,17)的货运量Q,决策者要选择满足货运需求且费用最小的车辆路线。国外企业开发的车辆优化调度系统大多采用的是集分割模型,直接考虑可行解集合,并在此基础上进行优化。模型的解法大多采用动态规划算法,需要考虑相当庞大的状态数,只能精确求解规模非常小的问题。而状态空间松弛技术的应用大大减少了状态数,使动态规划算法的性能得到了很大改善。为了实现求解的并行化,按角度和路径重心对原问题的空间进行分割,再用禁忌搜索结合模拟退火对子问题求解。动态车辆路径优化问题的规模较大,不仅追求质量和计算时间,而且要求信息处理简单、具有弹性。从求解策略来看,可分为重新优化策略和局部优化策略两大类。重新优化策略实际上就是动态问题的静态求解,即一旦接收到实时信息,就从头开始寻找最优车辆路径,该方法最多只能解决十个需求的小规模问题。局域优化策略是根据事先已知的信息制定初始路径,当接收到实时信息后,用局域方法改进初始路径。局域优化策略获得的路径计划可能劣于重新优化策略,但能节约大量的计算,更适用于实际的企业车辆路径规划。随着现代物流的发展,许多配送企业的车辆路径规划又面临着对随机信息进行处理的问题。企业随机车辆路径规划针对背景是:每天要访问的客户或节点的数量和位置是固定的,但每个客户每天的需求是不同的,并各自满足一定的可能性分布或随机分布,限于时间或资源的关系,决策者无法等到获得所有信息才作决策。如城市超市的配送车辆每天固定时间对服务区域各分销店的配送服务(每辆配送车所运的货物种类数量不能超过一定限额,这就构成了能力约束)。这类配送企业开发的随机车辆路径规划方法主要采用了机会约束规划模型和惩罚费用模型。机会约束规划模型允许决策在一定程度上不满足约束条件,但该决策应保证约束条件成立的概率不小于某一置信水平。惩罚费用模型的基本思想是,当车辆的实际行驶时间超出车辆每日总行驶时间的上界时,产生惩罚费用,目标是使运输费用与惩罚费用之和最小,以此来解决企业配送车辆的路径优化问题。 　　 　　二、国内车辆路径优化方法概述 　　 　　国内企业车辆路径优化方法的研究起步较晚,西南交通大学的郭耀煌教授从1989年起对该类问题展开了一系列研究,并出版了该领域的第一部专著《车辆优化调度》。企业开发实用系统时针对我国城市建设发展中道路交通阻塞问题,构建具有可变行驶时间的动态车辆调度模型,设计动态环境下车辆路径优化的导向局域搜索算法,建立车辆执行运输任务过程的仿真模型,实现了根据交通网实际情况实时优化车辆路径。另外,GPS、GIS和GSM技术的发展使得提供实时的信息成为可能,这些高新技术在调度方法中的应用对企业实时调度车辆,减少运营成本有重要的作用。此外,由于认识事物的模糊性,车辆路径优化可能具有一定的模糊特征。例如,车辆配送从一个节点到另一个节点大约费时二十分钟(而不是一个准确时间)等,致使企业运输决策者经常会面临模糊信息条件下的车辆路径优化问题。企业开发调度系统时,一般假设可获得的供应量和需求量是模糊的,而各位置间的旅行时间以及相关费用是精确的,每一个顾客都有一个偏好或期望的开始服务时间,都有其特定的起点和终点,由此引入模糊线性规划原则处理模糊输入信息条件下的转运问题。认为模糊转运问题的目标不总是费用最小化,而是参照用模糊集表示的“合理的费用”来安排运输,将每一个新的顾客需求分配给其中一辆车,并重新设计该车辆路径。引入伪出发点和新的聚类判定规则,将聚类和排序有机结合,有效地处理了全局采样和局部搜索之间的矛盾,给出基于可能性分布的2-OPT算法和基于需求上界的2-OPT算法,并用模糊模拟技术进行实验。引入模糊预约时间的概念和决策者主观偏好的概念,提出了解决模糊需求信息条件下车辆调度的一种基于模糊可能性的混合遗传算法,并在最小化车辆使用数与车辆行驶距离的目标下,通过随机模拟研究了决策者的主观偏好对最终决策目标的影响。这种方法目前己经投放市场的路径软件有:武汉测绘科技大学奥发公司的“商业送配货地理信息系统”和北大方正的“路径规划系统”。