2025【混流装配生产线中车辆路径的优化研究国内外文献综述2400字】.docxVIP

混流装配生产线中车辆路径的优化研究国内外文献综述

1.1国外研究现状

对于混流装配生产线（ALB），国外的应用相对是比较早的，所以国外的研究相对更加的全面。Gu运用大邻域搜索算法来解决多种约束条件下的订单可拆分的车辆路径问题[1]；Tohidifard将粒子群算法和遗传算法结合到一起，通过两种算法的结合，他研究了带时间窗问题的车辆路径优化问题，该研究是在一家医疗医院的车辆问题的背景下进行的，改善后减少了车辆的行驶路径，并且减少了车辆的数目，提升了该医院的病人的满意程度[2]；Salveson率先提出来了对于单一生产线模型的构建和解决的问题，这以问题的提出为后续的复杂的生产线提供了一个解决的思路，证明了构建模型是可以用来解决装配车间问题的[3]；JacksonJ.R.是相对较早开始用枚举法解决装配线生产问题的人，也是在同一年里，他首先提出来了用解析法的模型运用到解决装配生产线模型的问题，他指出来可以用线性规划模型[4]；Dvorak等人研究了动态车辆路径规划问题，研究此问题的过程中他们发现新路径的影响取决于在改变路径时一些具体事件的影响，并且给出了一些具体操作，这给动态车辆路径问题提供了一个新的思路[5]。

车辆路径优化问题率先由Dantzig和Ramser提出，并且两人在提出时，对于优化目标的数量、问题的规模以及约束条件的复杂程度都有一定的解释，此问题自两人提出以来，以上的三个条件都有着巨大的改变[6]；对于同时送货VRP问题的研究，起源于Min的一篇独具开创性的论文，通过该研究可以发现，同时送货VRP问题的解决相比于单线程的VRP更加能够提升生产的效率，降低运输的所需费用，能更大程度的减少车辆配送时所需要的里程数[7]；Wang对于多车场路径问题（MDVRP）进行了研究，在其研究中，他通过动态规划的方法和启发式算法对于MDVRP问题进行模型的建立和解决，提出了该方法的可行性[8]；Alinghian对于车辆路径问题中的车辆数和距离问题进行了分析，他以车辆数目最小化和运输距离最小化为目标，通过大邻域搜索方法和可变邻域搜索方法对于问题进行解决，证明该方法也是可行的[9]；Badinski运用VRP集分割的方法去解决目标函数最优化的问题，以此来解决在车辆路径问题中建立的模型，该方法寻找的是模型的最优的可行解，最终的结果不一定是最优解，后期的数字规划的发展，推动了该方法的改进，最终提出精确的数学算法解决模型[10]。

国外对于车辆路径问题的研究可以看出来更加的全面，国外的研究时间相对较长，很早的提出了更多问题的定义，规定了不同问题的界限和应用范围。国外对于问题的研究的方向主要是对于不同问题的分析和不同的算法的结合的使用。通过灵活的应用和分析，找到解决车辆路径问题合适的算法，不断的在尝试中进步。国外的研究者们大胆的使用启发式算法，启发式算法已经成为学者解决车辆路径问题的常用方法，遗传算法、退火算法、大邻域搜索算法、禁忌搜索算法等等，先对与问题的本身进行分析，在结合算法进行计算，最后再观察可行性。

1.2国内研究现状

国内对于装配车间车辆路径问题的研究也有很多。为了解决国内算法求解得出来的最终结果相对较差这一问题呢，陈呈频提出了多染色体遗传算法，在求解时得出的结果相较于以前更容易靠近最优解[11]；卢亚培通过对于带时间窗的车辆路径问题的优化研究，在以前算法的基础上创立了多目标粒子群算法，该算法在求解时可以得到使参数达到最优值得结果，使得国内的算法得到了进一步的提升[12]；秦杏敏等将Ranked-Positional-Weight(RPW)算法应用到装配线第一类问题中去,开始使用TRPW启发式算法[13]；范厚明针对VRPSPDSTW构建模型，为了求解使得配送的费用最低的目标[14]；在电子商务背景下，李琳等人研究了车辆路径问题，他对于禁忌搜索算法进行改进，在求解时以最小成本为最终目标，为电子商务的发展提供了理论支持[15]；周咏研究车辆路径问题是对冷链物料的一种开创性进展，同样的他也是对算法的改进，使用遗传算法求解目标的最小成本[16]；叶勇研究了狼群算法并将其应用到MOVRP问题的求解过程中去[17]；同样的刘家利也对于MOVRP进行了求解，他使用的是基于扫描操作的两阶段自适应算法[18]；闫军为了研究开放式车辆路径问题运用了自适应的遗传算法[19]；宋芹将研究的重点放在集货和配送上面，对两种功能的车辆进行研究，在分析了车辆耗油率和配重之间的关系后，运用禁忌算法对于该问题进行求解[20]。

国内对于此问题的研究相对较慢些，但也同样进行了很多的尝试和努力，在进行问题的研究时，国内的学者似乎更加倾向于算法的改进和结合当中去。在众多启发式算法运用到了解决此问题中，这就使得对于算法的选择和使用变得更为严格，不同的算法可以实现特殊情景的