赖晓滨 中文翻译.docx

赖晓滨 201330610020 交通运输规划与管理 不确定系统下车辆控制的物流系统优化 摘要 将运筹学运用到车辆路径的选择上，在近年来取得了很大的进展，这是运筹学在近几十年来研究最成功的领域。车辆路径选择问题是优化运输和供应链优化的核心问题。国内外的学者通过研究VRP的相关资料的研究，论文的整理和分类，实例化关于不确定系统下的VRP优化模型，以及算法分析，因此他们可以进一步利用相关的模型去帮助他们做关于物流，VRP路径选择等相关决策。通过VRP问题，模型，算法和因素分析，提出关于车辆调度和物流系统优化的建议。 简介 通常基于对问题的空间的相对重要性和时间特性来划分，在不考虑所需要的时间，仅仅根据的空间布局被称为车辆线路安排（简称VRP）；考虑时间需求被称为车辆调度问题（简称VSP）；同时考虑到空间位置和时间问题时称为路径和调度混合问题，也被称为带时间窗的车辆路径问题。物流配送车的调度优化问题的由Dantzig和Ramser于1959年首次提出，一般定义为在多点的装卸问题中，组织合适的线路，安排车辆有序地经过这些装卸点，满足某些特定的约束条件（如货物需求量，发送接收时间，时间限制，行驶里程限制，车辆容量限制等），以达到某些目标（如最短距离，如最短路径，尽可能短的时间，最少的费用，尽可能少的车辆等）。 物流活动，物流配送直接与消费者联系起来。运用科学合理的方法来完成车辆调度，物流配送是一个非常重要的问题。配送车辆调度的合理与否对配送速度，成本，效益有很大的影响，特别是在多用户，以及车辆的分布更加复杂的情况下。陪送成本在物流成本中占的比例非常高。近年来，人们用遗传算法来解决各种组合优化问题进行了探索，如生产安排计划问题。但在车辆调度问题上的应用才刚开始。VSP问题目前还没有特别有效的算法，虽然启发式算法反应迅速，但不能保证解决方案的质量，因此，车辆调度问题被分解成了若干热门问题。 2.算法理论 2.1克拉克怀特节约算法 克拉克怀特节约算法在1964年被提出，该算法的目标是使所有车辆行驶的总里程最短，并进而使为所有站点提供服务的卡车数量最少。该算法首先假设每一个站点都有一辆虚拟的卡车提供服务，随后返回仓库。这时的路线里程是最长的。下一步，将两个站点合并到一条行车路线上，减少一辆运输车，相应地缩短路线里程。在决定哪些站点要合并到一条路线时，需要计算合并前后节约的运输距离。由于其他任何不在同一条运输路线上的两点（A和B）合并所节约的距离就是图1a中的路线里程减去图1b中路线的里程，节约值为S=dO,A+d 站点 A B继续合并过程。除了将单个站点合并在一起外，还可以将某站点并入已经包含多个站点的路线上。例如，将某个站点并入位于同一路线上的A和B之间，节约距离为S=dOC+dCO+dAB-dAC+dAC-dCB 站点 A B dO,B d A A d dB,O O仓库O仓库 O 仓库 O 仓库 图 1a 图1b 2.2 扫描算法 扫描算法被吉列和米勒在1974运用在年求解VRP上，该方法分为两个阶段，第一阶段：使用极坐标来表示需求点的位置，然后可以采取一个需求点作为起点，然后在零点按顺时针或逆时针方向，扫描顾客，将扫描到的顾客添加到路线上；第二阶段：根据旅行商算法来解决客户的时间表问题。 2.3 连续插入式启发算法 顺序插入启发式是Mole 和Jameson在1976年提出的，用于解决VRP问题，在序列点建立一个客户的传输线路。所罗门在1983年应用此方法解决 车辆路径问题的时间窗口问题，因为加入时间， 客户的等待时间。改方法的步骤： 按要求决定客户应该插入的位置，车辆的运量限制，快速的抉择和插入步骤，在没有进一步的扩张路线时，然后重新建立另一个路线，直到所有的客户都在路径上 。 选择离陪送中心最远的客户作为起点，在剩下的客户中，选择最近的作为下一个加入的点。 2.4 遗传算法 J.劳伦斯首先研究了该方法在VRP上的应用，并且收到了很好的效果。鉴于传统的遗传算法是一个大型的，粗粒度的优化算法，所以Barmier把约束满足问题（CSP）技术和遗传算法相结合来处理子域CSP的参数（通过计算出的CSP溶液遗传适应度），从而减少了搜索空间，降低了问题的CSP目标函数和遗传算法的复杂性约束。 2.5禁忌搜索算法 Gendreaut，首先将这种方法应用于VRP：首先构建一个解决方案，然后继续提高得到的答案，该算法得到的解决方案不一定要是可行的，从惩罚函数来体现的目标函数及其偏差的可行性，这对VRP的启发