物流系统规划与设计9-配送线路优化模型.pptVIP

******五、多回路运输——VRP模型及求解1、VRP模型VRP（VehicleRoutingProblem）模型最早是由Dantzig和Ramser在1950年首次提出的，它是解决多回路问题的一个相当成功的模型，是运筹学与组合优化领域的前沿与研究热点问题。该问题的研究目标是：对一系列顾客需求点设计适当的路线，使车辆有序地通过它们，在满足一定的约束条件（如货物需求量、发送量、交发货时间、车辆容量限制、行驶里程限制、时间限制等）下，达到一定的优化目标（如里程最短、费用最少、时间尽量少、车队规模尽量小、车辆利用率高等）。它与前面问题的区别在于：顾客群体大，只有一条路径满足不了顾客的需求，也就是说，它涉及了多辆交通工具的服务对象的选择和路径（服务顺序）确定两方面问题。相对前面的问题，显得更为复杂，但也是更为接近实际的一个模型。**VRP基本模型**运用VRP模型，对实际问题进行研究时，需要考虑以下几个方面的问题：仓库：仓库的级数，每级仓库的数量、地点和规模。车辆：车辆的型号和数量，每种车的容积和运作费用，出发时间和返回时间，司机休息时间，最大的里程和时间限制。时窗：由于各处的工作时间不同，需要各个地点协调。顾客：顾客需求，软硬时间窗，装载或卸载，所处的地理位置，分离需求，优先等级。道路信息：车流密度，道路交通费用，距离或时间属性。货物信息：货物的种类多少，兼容性，货物的保鲜。运输规章：工人每天的工作时间，车辆的周期维护。**典型VRP模型的表述 基本条件：现有m辆相同的车辆停在一个共同的源点，它需要给n个顾客提供货物，顾客为。 模型目标：确定所需要的车辆的数目N，并指派这些车辆到一个回路中，同时包括回路内的路径安排和调度，使得运输总费用C最小。 限制条件： 1）。 2）每一个定单都要完成。 3）每辆车完成任务之后都要回到源点。 4）车辆的容量限制不能超过。 5）特殊问题还需要考虑时窗的限制。 6）运输规章的限制。**VRP问题的分类**2、节约算法节约算法（SavingsAlgorithm）是Clarke和Wright在1964年提出的，它是目前用来解决VRP模型最有名的启发式算法。节约算法是用来解决运输车辆数目不确定（运输车辆数目在VRP问题中是一个决策变量）的VRP问题，这个算法对有向和无向问题同样有效。**它的核心思想就是将运输问题中存在的两个回路和合并成为一个回路。在上面的合并操作中，整个运输问题的总运输距离将会发生变化，如果变化后总运输距离下降，则称节约了运输距离。相应的变化值，叫做节约距离，如图所示：节约算法的图像描述****例子******节约法示例某销售公司的配送中心负责对市区85平方公里内的5716个零售户进行配送服务，每周对每个零售户配送2次。它将零售户分成66个区域，每辆车固定配送3个区域，每天配送一个区域，按每周一四、二五、三六对所辖3个服务区服务。因此需要用22辆车。新的方案是：将市区分割成41?29的正方网格图，计算每个方格中零售户的数量以及销售量，道路等级（车辆平均速度40km/hr为A级；20-40）km/hr为B级；拥挤或狭窄为C级）后输入数据库：**表6-7销售量与道路等级起点到每个方格的运输时间可以结合方格内零售户的数量和道路等级计算得到。在已知各零售店需求量、车辆容量、司机时间限制后，用节约法得到了更优化的配送方法。重新规划后，配送车辆仅需9辆，配送线路27条，配送成本大幅度下降。地理网格零售户数量销售量道路等级012113177.67C012218270.98A0221225.21C…………**3、扫描算法扫描算法（SweepAlgorithm）是Gillett和Miller在1974年首先提出的，它也是用于求解车辆数目不限制的CVRP问题。扫描算法分4个步骤完成： （1）以起始点作为极坐标系的原点，并以连通图中的任意一顾客点和原点的连线定义为角度零，建立极坐标系。然后对所有的顾客所在的位置，进行坐标系的变换，全部都转换为极坐标系。 （2）分组。从最小角度的顾客开始，建立一个组，按逆时针方向，将顾客逐个加入到组中，直到顾客的需求总量超出了负载限制。然后建立一个新的组，继续按逆时针方向，将顾客继续加入到组中。 （3）重复（2）的过程，直到所有的顾客都被分类为止。 （4）路径优化。对各个分组内的顾客点，就是一个个单独的TSP模型的线路优化问题，可以