配送运输中车辆路径问题研究综述

配送运输中车辆路径问题研究综述
配送运输中车辆路径问题研究综述

????????? ?仈?ウ??

??????????? ?仈а? ?? 亶 ??ウ???а? ???? ?仈? ?? ? ? ?? 学?仈 ??????ウ? ? ? ??? ??

??????????? ?仈??? ??????

The Current Situation and Development Trends on Vehicle Routing Problems of distribution management

Abstract: Vehicle routing problem is one of the attractive research area in the circles of operations research. In this paper, on the basis of introducing briefly the application background, the research classified the vehicle routing problem, analyzed and summarized the progress of different type of problems and solution algorithms. Furthermore, the research progress of the problems is also discussed. It is expected to provide inference for relevant research work.

Key words: distribution management; vehicle routing problem; heuristics; overview.

?

????? 、 ???????ъ?? ? ? ??? ? ? ??ъ? ≤ ??а? ?? ? ? ??? ??кц?80 ?? ? ???ъ? ???ъ ?а?????ъ?? ????? ??ъ? ? ????о ? ??? а ? ?? ? ケ ??仈 ?? ?儈? ??[1]? ?? ???7.1з? ? GDP????17.8%?? ? ? ? ?? ? GDP?10%?丙 ??? ? ?????15%??儈??? ? ? ??? ??? ?? ?? 儈??ъ?、 ??≤ ????? ??? ? ? ?仈?

?? ?? ???? ? ? ?? ?? ???? ?儈???50%[1]????? ? 儈?? ?? ???ъ ? ???? ?

??????? ?а????? ?仈?Vehicle Routing Problem, VRP? ????? ?? ?仈?а??1959 Dantzig Ramser[2]俆? ? ?VRP ??? ? ? 亶 ? ?о?ウ???а?? ????? ??? ? ??? ?? ?仈? ? ??VRP? ?? VRP?? ?ウ? ????、 ? ? ?? ? ? ??VRP ??ウ? ? ?VRP? ? ??? ?傼 ??

1. ??? ?从? ?

??к? ??? ?仈?а? ??[3, 4]? а? ? ? ???? ????? ? ??????傦??? ???? ? ? ?? ? ?? ? ??? ? ┑?а ?? ?л? ?????? ???? ?デ? ??? ?? ? ??? ????傦?? ??? ? 1 ?? ?? ????? ?? ? ??? ?? ???????? ???????????? ??? ?? ?? ?а???? ?? ?傦 ???

1 ??? ?从?

Fig.1 Schematic figure of VRP

???? ?仈?? ?л? ??[5]??????Road Network?? ?Customer????? ?? ??Distribution Center, Depot?????Vehicle??傮傦 ?Driver??? ???傦?? ?傦 ??? ? ???Objective?? ????? ??1?

?1 ??? ?从?? ??

Tab. 1 Key elements of VRP

? ???

????1. VRP?? ???а?

2. ? ? ?? ? ?? ??? ??????????? ??

??? ?

3. ? ??????????? ?? ? ? ? ??? ????? ?? ??????????? ???

1. VRP??? ? ?? ??? ?? ??

2. ?? 学 ??? ?Delivery?? ? ?Pickup? ??

?

3. ?? ????а?┑?? ?Split?;

4. ?? ???? ?? ?? ??? ??

5. ?? ?デ? ?? ? ? ?? ?? ?デ[6]

? ?デ[7]?

6. ? ? ? ? ? ?? 学 亪

? ?? ??

7. ?? ?? ?? л? ??? ?? ?а? ?? ? о?? ?? ?? ??

??? 1. ? ??????? ??? ??? ?? ??

2. ? ??а?? ?? ?

3. ?? ? ? ? VRP[5, 8]?? VRP?

4. ? ?デ??? л?? ? ????? ? ? ???

5. ? ??? ???? л?? ? ? ?? ?а?? ?? ??? 享 о?? ? ?? ?

??1. ?? ? ? 』? ? ? ?

2. ??学 ? VRP? ???? а学 ?? ????????? ? н ??? ?н ? ? ??? ?

3. ?????? ??? ???? ??? ???

4. ?? ???? ? ???????? ? ? ???? ? ???? ???

5. ??? ? ?Duration???? ? ??傦?? ??

傮傦 1. ?傮傦 ??? ? 享? ?? ? ?? 傮傦 ? ?а?? ? ???? ???

? ?1. ??? ??н????????? ?

2. ????? ?? ?? ?

3. ??? ?デ 傮傦 ? ? ?

4. ?? ?亪 ???

?傦??

?傦 ?

1. ?о ??????? о ?????傦?? ?傦 ??

? ??1. ?? ? ? ???? ? ?? ?? ?傦??? ???

2. о ?н ? ? ? ?

3. ? ??к??傦 ? ??????

2. ??? ?从? ?

?? к?VRP? ??? н ?? ? ? ? ?? ?н ???? ?仈学 ? ? ?ウ[5, 9, 10]? ??VRP 学 ??学 ? VRP学 ??? ?VRP? ??? ?VRP? ?デ?VRP? ????VRP?? ???VRP? ? ? ?к?? н ?? ?? ?VRP???学 ? ? VRP???VRP? VRP?? ?学 ?? ??2?

?2 ??? ?从??

Tab. 2 Types of VRP 学 ?

??? ?VRP

?Capacitated VRP, CVRP?1. VRP? ? ?

2. ? ????? ? ??? ??? ??фн ?

3. ?? 学 ф? а???? ?

4. ?? ??? ?? ?

5. ? ?? ? ?? ?

??? ?VRP

?Distance-Constrained and

Capacitated VRP, DCVRP?

1. ????? ? ? ??? ? ?

?デ?VRP?VRP with time windows, VRPTW?1. ??????? ?? ??? ? а?о??????? ? ? ??

2. ?? ?デVRP ? ?デVRP?? ?デ ?亩? 享 ??? ? ?? ?デ ?亩? н? ??? ?? ? ??а ? ?[11]?

????VRP?VRP with backhauls, VRPB?1. ?? 2? ????? а ???? ? ? ?? а ???? ??? ? ? ?

2. ? ? ??? ?ф ?

3. ? 享 ? ? ?

???VRP?VRP with pickup and delivery?1. ??н? ?? ?? ????

2. ?? ??? ??

??学

VRP[5]?Open VRP, OVRP?1.н???? ? ? ?? ???? ?? ? ???? ?

? VRP?Multiple Depots VRP, MDVRP?1. ???? ??? ????а???? ? ? ? ???? ?? ??а???? ?2. ?仈 ? ?? ???? ?????? ?? ??? ? ????? ????? ?? ? а? VRP????[12]?

? VRP[13]

?Heterogeneous Fleet VRP,

HVRP?

1. ??? н ?? ??????на??

?? ?VRP[14]?VRP

with Split Deliveries?

1. ??? ? ? ??? ?

? VRP?Stochastic Vehicle Routing Problem, SVRP?1. ?? VRP?? ??VRP?? ?傦 ?VRP?

2. ? VRP ??亶 ? ??

3. ?? ??VRP?? ? ??? ? ???? ?? ?????仈?

4. ?? ?傦 ?VRP??ウ? ?? ? ?? ?? ?仈??ウ?? [15, 16]?

??VRP?Fuzzy VRP, FVRP?1. ?? ? ?????? ?デ[3]? ? ? ??

2. ??? ? ?? ? ?学?仈?

VRP?Periodic VRP, PVRP?1. VRP? ?VRP?ウ? ??? ??PVRP ???а? ? ? а? ??? ┑???? л? ? а??

? ???VRP

?Asymmetric network VRP, AVRP?1. ? ???? ?? ?→ ????? ? ? ???? ? н???

2. ? ?????? ?? ?TSP?仈???[17]?

VRP?Dynamic VRP, DVRP?1. ?? ?? н? ? н? ? ?? ? ? ?? ?

2. ?к?? VRP???VRP?? ??VRP? ?DVRP?

? ?? ? ?デ? о ?? ?? ? ?デ? ? ? ъVRP? ?デ? ? ???VRP??

3. ??? ?从?????

VRP ? ??NP??仈[18]?VRP? ? ????? ?а? ?ウ??? ???? ???VRP???? ?к ????? ??? 学?

???? ? ? ? ? ? ??????? ????VRP ?? ??????? ???[19]?Branch and Bound Approach?? ??[20]?Cutting Planes Approach????????Network Flow Approach?[21] ? ??Dynamic Programming Approach?[22]???VRP NP-??仈? ? ?????????а????仈??? ??ф ???50 ????? на ? ?仈? ??[23]?? ? ??仈? ???? ? ? VRP???? ┑ ?? ?? ? ???ウ???? ?? ?? ???Classical Heuristics? ?? ???Metaheuristics??

3.1 ? ??

?1??????Saving Methods?

?Clark Wright?1964 俆? [24]? а? ??? ??????? ???? ?? ????? ?а ??? ??? ?? ? ?? а??о а???? а ???? ????┑?? ?? ??? ??? ? ???

??? ??? ?? ????? ?? ???? ?? ????а??? ? н ????? ???? ? ┑ ???на ? ? ??? ?? ?? ф ??? ? VRP ????? ?????

??? ? ? ? ???????ウ?? ???????? ?л2?? ?а ?? ? ? ?? ??? [25, 26]?? ? ????Matching Algorithm?? ??????? ??[27, 28]?

?2? ???Sweep Algorithm?

?Gillett Miller?1974 [29]? ?ā ? ??ā???? ?ā ?ā ?????а?????а?? ? ? ? ???? ? ?? ? ? ? ? ? ???? ?? ?а??? ?ā??ā ?? ? ?? ?? ???? ?? ?? ??? ???а?ā ?о??ā??? ? ?? ??? ??? ā ?о??ā? ? ? ?? ?? ? ??→?

? ??а? ???а ??? ? ??? ?а? ??ウ?а?? ? ?????? ??? ????а?? ?仈 ? ??? ??? ? 1-????[30, 31] 2-????[32]??? ? ? ?? ? ? ?? ?Plannar Structure??VRP? ??? ???? ?VRP???? н???

?3?? ???Nearest-Neighbor?

??? а? ? ???? ?а а??????? (? ????? ???)?? ? ???? ?? ? ??? а?? ? ?????? ??? ??? ??н ?? ?? ??? ??→? ? ? ? ??? ? ? ? а ? ???? ???? ????? ?? ? ?

?4? ??

???? ????о? ??? ? ???? ? ?? ????? ? о? ????? ? ?? ? ? ??? ? ? а ??????? ? ? ?? ?? ??? ???? ?

?5???????Two-phase Process?

VRP??? ???ウ?? ?? ??Christofides??[33]? Fisher Jaikumar[34] ????

Chistofides? ???????? ????? ?? ???? ??? ???? ? ???? VRP?Fisher Jaikumar?俆 ????а? ? ??仈?Generalized Assignment Problem?GAP? ? ??亮 ? ??? ?TSP?? ? ?? ? ??????GAP а?NP??仈?? ?? ? ?? ???Fisher Jaikumar ? ??ウ? ? ?亮 ?? ? ? ? ?[35, 36]????? ? ? ?а ????н ??? ??? ? 亮 ? ? ? ?? ? ? а ?????Fisher Jaikumar ?? 亮 ?? ? ? ?? ??? ? ?а? ?? ? ? ???? [32]? Fisher Jaikumar?ウ? ?к?Bramel Simchi-Levi[37]????а?? ? ? ?仈 ? ? 亮 ??? ?Fisher Jaikumar ? 亮 ?? ??? ? ? ? ? ? VRPк????? ? ?? ? ? ? ?? 1960 -1990 ? ?? ? ??? ? ? ? ? ? ? ?? ?? ???а ?? ? ?オ???? ? ?? ??? ? ? ┑ ?? а ???学??? ?? ?? ? ?? ? ?? ? ?? ? ъ?? ?? ? ??? ? ? ??亶 ? ? ??? ?? ?

3.2 ?? ??

?20ц?90 ????? ???? ???? ? ?а???VRP??? ?????? ??? ???仈 ? ? ???学 ? 亶 ? ?? ? ?? ????? ? ? ? オ??? ??? ? ????? ??? ? ???? ?? ? ? ? ?亶 ??? ????? ? ?? ? ? ?? 儈? ??????

? ??? ?? ? ? ? ?????? ??????????????? ?????????? ???? ? ??VRP? ? ?? ??? ???????

?1?? ?????Simulated Annealing, SA?

1982 ?Kirkpatrickf? ??? ? ? 亶 ? ?а??? ??VRP? ????? ? ?????SA??SA?? ??????? ? ?к а?? ? ? ?? ??SA??Metropolis ? ?а???? ? ?? ????? ?? 亩 ??? а??? ???о? ?????SA ??

? ???? ? ? ? ?? ????? ? ? ?仈? ??

? ?SA??ウ? ? ?? ?? ?? Tian[38]?? ??а? ? ? ???SA?? ??VRP? ? ?? ? ?? SAо2-opt? ? ??? ?? ? ? ? ?? ?? ? ? ?? ? 学 ???Li[39]?? SAо? ????? ? ?TS?????? ? ? ?? ???? ?? SA ? ? ?? ? ?? ? ?? ? ???? ??Tavakkoli-Moghaddam[40]?? ????оSA? ??? ?? ? VRP ?? ? ? VRP?? ?[41]? ? ?VRP ?? ?к?? ? ?????????? ?? ? ? ?? ? VRP??????

??SA? ? ? ?фо ??????SA н? ??[42]? ?? SA VRP?? ?? ? ??? ???? ??

?2?? ????Tabu Search, TS?

1986 Glover ?? ????TS?[43]? ? ?学 ??а?? ?TS ?亶 ??а? ? а? ?? ???? ?? а? ?? ?? ???? ?亶 ? ?? ??亶 ?? ? ???? ?? ??? ?? ? ?→ ? ?3 ?′?Best-so-for?? ? ? ? ?? ? ? 3 ?′??н к? ??? ????? ?? ? ??? ? ??? ? о ??? ?к??? л? ? ? ? ? ?? ? ?? ??? ? ?? к??? ??????┑??→ ? ?? ?亶 ? ? ????? ???? ??→ ?? TS ?? ??

?Willard[44], Pureza Franca[45] TS ??VRP??? ?? ? ?? ? Osman Wassan?TS???[46]? ??? ??? ??а? ????о ?? ? а? ????о ??? ? ? ? а?? ? ?? ? ?????? ??? ? ? ? ?а? ? ? ??? ????? ?????TS ? ? ?? ?? ?

1994 ?Gendreau[47] ?? ?Taburoute??? 亶 ? а?亦?? ???? ? а ?????? ?? ??? ???TSP? ? ??GENI? ???p? ????а? ?? ? ? ?[5, 10]?? а? ? ??а? ? ???? ????? ? ?亦?? ? ? ??? ?? ?亦??? ?? ?????? ?? ?а???? ?? ??? ? ? ?

?? ???? ????? ? ?????? 儈???? ?ф ? ? ?→? ??

1995 ?Rochat Taillard[48] ??? ? ?Adaptive Memory?? ? ? TS亶 ?? ?? ?а? ???? ???? ? ?? ??????? ???TS? ??а??? ? а? ? ????н ? ???????? ?? ? ??н ?? ??? ? ?? VRP??? ??? ? ????? ?? ?а?????? ? ? ?? 14?? VRP???仈??? ??? ? ?→? ??

1998 ?Toth Vigo[49] ?а? ???? ???? ??Granular Tabu Search, GTS??GTS??? ???а? ?????? а? ???? ? ? ????? ? ??а?? ?Granularity?? ??? а?? ??? ???? н ???? ? ? GTS? ?? ? ? ???

? ?Brandao[50] ???TS??? ? ??? ? ? ??й?? ? ? ? ? ?? ? ?? ?? ?? ?? ? ?[N/6?N/2]???? ? ? ?[N/3] ?? ? ?? 傼?? ??Brandao Eglese[51]????? ? ?? ??????5? ?? ?? ? ???? ??? ?? ? 亦?(Connected Components)?? (Path Scanning)? ? ? ? ? ? ? ? к??? ?

??TS?? ? ? ? ? ??Solomon ? ? ???? ?? ??л ???K-tree???? ??? ?TS ?VRP? ???VRP? ?デ? ?VRP?? VRP? ? ??

?3??????Genetic Algorithms, GA?

1975 ?Holland[52] ??????GA??GA а?????? ??? ? ? ?? ???? ?仈?а????а? ??? ? ???? ?? ?? ?????Generation?╄ ?? ? ? ?а????а? ???? ?а??? ??? ????? ??? ??? ?а? ???? ???? ла?? ??? ??? ?? ??? ???????? ??? ??? а?? ?????? ? ?? ? ??? ?? ??仈? ???? ?? ???? ??? ??仈? ???

?н 学 ??仈? ???а? ???? ?а? GA? ????а?? GA?а????ウ ??? ?? ? GA? ??а??? ????? ???VRP??? ?仈 ??? ?? а ??

?? ??? ?? ? ?? ?? ? ?? ? ? ?GA ? ??仈??? ? ? ? ???? ?亦?? ? а?亦???┿? ? ? ? 亦??????? ?? 享 у?? ?亪 ?? ?? ? ? ?? ? ? л ?[5]?? ?? ??Partially Matched Crossover, PMX??亪 ? ??Order Crossover, OX?? ?? ??Cycle Crossover, CX??? ???? ??Edge Recombination Crossover, ERC?? ? ?? ? ?а?у?? ?? ?Remove and Reinsert?? ?Swap??? ?? ?Inversion??

? ???VRP OVRP?GA ?? ? ???? ?デ?VRP ? ?GA ?? ? ? ?? ??? ?デ? ?а? ? ? ??? ?? ???GA? ? ? ? ?? ? ㄎ? ?? ? ??

?4??????Ant Colony Optimization, ACO?

???? ?Dorigo, M., ?[53]?1991 俆? ??ACO ????? ???伏??? ? ?а?? ? ??? 伏? ???? ???? ?? а? ???pheromone? ????? ?? ??? ?? ? ? ? 伏???? ??? ??? ?? ? ? ?伏??

? ?ACO ?? 学VRP?Bullnheimer?[54]? VRP???у??????? ??? ?? ? ? ?2-Opt? ? ?Gambardella?[55] ACO????VRPTW? ??????? ? ?仈?а?? ?? ??а?? ??? ?Donati?[56] ACO?? ??VRP? ??? ? ??а? ? ??? а ? к? ? ?デ? ??VRP?Montemanni?[57]?ウ?ACO ??? ?仈? ?? ?а???????????? ? ??3? ?? ???? ?Pellegrini ?[58]?ウ?н ??? ? ? ?デ?? ?VRP? ?2? ?ACO? ???Gajpal Abad[59]????? ? ?????????? ? ъ?VRP?Ugur Aydin[60] ?ACO ?а?? ??TSP ? ???

?5?? ??

а?? ???ウ? ? ??ウ? ?? ? а? ??? ? ?? 儈VRP???? ?????1995 ?Glover?[61] ? GA TS?? ???? ? ?[62]?? ? ?? ?? ??о ?? ?????? ? ????????? ? ?仈?? ????? ? ?? ?? ?[63]?

[64] ?ウ?? ???о ????? VRP ?仈к? ??б??[65]? ? ? ???? ? ?? ????Saez[66]? ????о???学? ? ? ?к ?а? ?? 亴 ??? ?? ? ъVRP?

?к ?? ??VRP? ??? ?? ? ????ウ? ? ? ?? ? ??? ??? ?? ? ?? ?? ???????? ???а?? ? ?? ? ?→?? ? ? ? ?? ????? ????? ? ????? ?? ?? ????? ?ㄎ? н ?????? ? ? ?? ??? ? ? ? ?? ?? ?? ? ? ?? ?????? ?? ????? ? ? ??? ????? ???? ? ? о? ???? ??

4. ? ?

??? ?仈 ?? ?? 亶 ?? ?? ?ウ ?????? ?VRP? н ? ? ? ??VRP?? ???VRP?? -??а? ? ?仈? ?а??ウ? ? ? ??VRP ??ウ? ? ??? ? ??

? ?

[1] ? , ?? , ? ??о??? ?. 2010 ???? ? [M]. ? ??о

??? ?, ? ?? ?2011, ?: ? ?? ??, 2011: 61-62

[2] Dantzig, G.B., and Ramser, J.H., The truck dispatching problem [J].Management Science, 1959, 6: 80

[3] ?仾 . ? ?デ? ? ??? ?仈?ウ ?[D]. ??: ? , 2009

[4] █? . ?デ??? ?仈 ???ウ[D]. ??: ? , 2012

[5] ? . ??? ?仈 ??ウ[D]. ??: ? , 2004

[6] █? , ? . ?? ? ?デ??? ?仈? ??[J]. ?? ?, 2012, 32(11): 3042-

3043, 3070

[7] ??, ? , ? . ? ?デ???? ?仈 ? ?[C]. ??: ? ?? ??

???, 2000: 634-638

[8] ? , ??. ??? ?仈 ? ?ウ? [C]. ? : ? ?? ?? ???, 2006:

395-400

[9] Bodin, L.B., Golden, B.L., Assad, A.A., Ball, M.O., Routing and scheduling of vehicles and crews: the state of

the art [J]. Computer Operation Research, 1983, 10: 163-211

[10] Toth, P., Vigo, D. The Vehicle Routing Problem [M]. Society for Industrial and Applied Mathematics,

Philadelphia, USA, 2002

[11] ? ?. ??? ? ???[J]. ь ? ? ???、 ?, 2010, 2: 31-37

[12] Crevier, B., Cordeau, J.F., LaPorte, G., The multi-depot vehicle routing problem with inter-depot routes [J].

European Journal of Operational Research, 2007, 176(2): 756-773

[13] Golden, B., Assad, A., Levy, L., The fleet size and mix vehicle routing problem [J]. Computer and Operations

Research, 11(1): 49-66

[14] Drorand, M., Trudeau, P. Split delivery routing [J]. Naval Research Logistics, 1990, 37: 383-402

[15] ???. ? ??? ?仈?ウ[D]. ?: ? ?? , 2003

[16] Bent, R.W., and Hentenryck, P.V., Scenario-Based Planning for Partially Dynamic Vehicle Routing with

Stochastic Customers [J]. Operations Research, 2004, 52(6): 977-987

[17] Oppen, J., L okketangen, A., Arc routing in a node routing environment [J]. Computers and Operations

Research, 2006, 33(4): 1033-1055

[18] Lenstra, J.K., and Rinnooy, K., Complexity of vehicle routing and scheduling problem [J]. Network, 1981, 11:

221-227

[19] . ? ???? ? ????ウ[D]. ? : ? ? 、 , 2011

[20] ?. а? ?? ? ?? 学??[D]. ?: ?? , 2009

[21] . CVRP ??????[D]. ? : ь、 , 2003

[22] ? ?, ? . ? ??? ? ?[J]. ? 、 , 2005(21): 42-42

[23] Golden, B.L., Wasil, E.A., Kelly, J.P., and Chao, I.M., Meatheuristics in vehicle routing [C]. In Crainic, T.G.,

and Laporte, G. editors, Fleet Management and Logistics, Kluwer Academic Publishers, London, 1998, 33-56 [24] Clark, G. and Wright, J.R., Scheduling of vehicle routing problem from a central depot to a number of

delivery points [J]. Operations Research, 1964, 12: 568-581

[25] Nelson, M.D., Nygard, K.E., Griffin, J.H., and Shreve, W.E., Implementation techniques for the vehicle

routing problem [J]. Computer and Operations Research, 1985, 12(3): 273-283

[26] Paessens, H., The savings algorithm for the vehicle routing problem [J]. European Journal of Operational

Research, 1988, 34(3): 336-344

[27] Altinkemer K., Gavish B., Parallel savings based heuristic for the delivery Problem [J]. Operations Research,

1991, 39: 456-469

[28] Wark, P., and Holt, J., A repeated matching heuristic for the vehicle routing problem [J]. Journal of

Operational Research Society, 1994, 45: 1156-1167

[29] Gillett, B.E., and Miller, L.R., A heuristic algorithm for the vehicle dispatch problem [J]. Operations Research,

1974, 22: 340-349

[30] Foster, B., and Ryan, D., An integer Programming approach to the vehicle scheduling problem [J]. Operation

Research, 1976, 27: 307-384

[31] Ryan, D.M., Hjorring, C., and Glover, F. Extension of the Petal method for vehicle routing [J]. Journal of

Operational Research Society, 1993, 44: 289-296

[32] Cordeau, J.F., Gendreau, M., Laporte, G., Potvin, J.Y., and Semet, F., A guide to vehicle routing heuristics [J].

Journal of Operational Research Society, 2002, 53(5): 512-522

[33] Christofides, N., Mingozzi, A., and Toth, P., The vehicle routing problem [C]. Combinatorial optimization,

Chichester, UK: Wiley, 1979: 315-338

[34] Fisher, M.L., Jaikumar, R., A generalized assignment heuristic for vehicle routing [J]. Network, 1981, 11:

109-124

[35] Fisher, M.L., Greenfield, A.J., Jaikumar, R., and Lester, J., A computerized vehicle routing application [J].

Interfaces, 1982, 12(4): 42-52

[36] Fisher, M.L., Jaikumar, R., and Wassenbove, L.N., Multiplier adjustment method for the generalized

assignment problem [J]. Management Science, 1986, 32: 1095-1103

[37] Bramel, J.B., and Simchi-Levi, D., A location based heuristic for general routing problems [J]. Operations

Research, 1995, 43(4): 649-660

[38] Tian, P., Ma, J., and Zhang, D.M., Application of the simulated annealing algorithm to the combinatorial

optimization problem with permutation property: an investigation of generation mechanism [J].European Journal of Operational Research, 1999, 118(1): 81-94

[39] Li, H., Lim, A., Huang, J., Local search with annealing-like restarts to solve VRPTW [J]. European Journal of

Operational Research, 2003, 150(1): 115-127

[40] Tavakkoli-Moghaddam , R. Safaei, N., Gholipour, Y., A hybrid simulated annealing for capacitated vehicle

routing problems with the independent route length [J]. Applied Mathematics and Computation, 2006, 176(2): 445-454

[41] ? ?, , ? . ??? ?仈?? ????[J]. ? ? , 2006, 19(4): 123-126

[42] Breedam, A.V., Improvement heuristics for the vehicle routing problem based on simulated annealing [J].

European Journal of Operation Research, 1995, 86(3): 480-490

[43] Glover, F. Future paths for integer programming and links to artificial Intelligence [J]. Computers and

Operations Research, 1986, 13:533-549

[44] Willard, J.A.G., Vehicle routing using r-optimal tabu search [M]. London: The Imperial College, 1989

[45] Pureza, V.M., and Franca, P.M., Vehicle routing problems via tabu search metaheuristic [R].Technical Report

CRT-347, Centre for Research on Transportation, Montreal, Canada, 1991

[46] Osman?I., and Wassan, N., A reactive tabu search metaheuristic for the vehicle routing problem with back-

hauls [J]. Journal of Scheduling, 2002, 5(4): 263-285

[47] Gendreau, M., Hertz, A., L aporte, G., A tabu search heuristic for the vehicle routing problem [J].

Management Science, 1994, 40: 1276-1290

[48] Rochat, Y., and Taillard, E.D., Probabilistic diversification and intensification in local search for vehicle

routing [J].Journal of Heuristics, 1995, 1: 147-167

[49] Toth, P., and Vigo, D., The granular tabu search and its application to the vehicle routing problem

[R].Technical Report OR19819, DEIS, Italy, 1998

[50] Brandao, J., A new tabu search algorithm for the vehicle routing problem with backhauls [J]. European

Journal of Operation Research, 2006, 173(2): 540-555

[51] Brandao, J., and Eglese, R., A deterministic tabu search algorithm for the capacitated arc routing problem [J].

Computers and Operations Research, 2008, 35(4): 1112-1126

[52] Holland, J., Adaptation in natural and artificial systems [D]. University of Michigan Wesley, 1975

[53] Colorni, A., Dorigo, M., Maniezzo, V., Distributed optimization by ant colonies [J]. In: Proc of the First

European Conference of Artificial Life. Paris, France Elsevier Publishing, 1991: 134-142

[54] Bullnheimer, B., Hartl, R.F., and Strauss, C., Applying ant system algorithm to the vehicle routing problem

[A]. Advances and Trends in Local Search Paradigms for Optimizaiton [C], Kluwer Acedenics, 1998: 109-

120

[55] Gambardella, L.M., Taillard, E., Agazzi, G., MACS-VROTW: a multiple ant colony system for vehicle

routing problems with time window [A]. New ides in optimization [C], London, U.K.: McGraw-Hill, 1999: 63-76

[56] Donati, A.V., Montemanni, R., Casagrande, N., Rizzoll, A.E., and Gambardella, L.M., Time dependent

vehicle routing problem with a multi ant colony system [R]. Technical Report TR-17-03, IDSIA, Galleria2, Manno, 6928, Switzerland, 2003

[57] Montemanni, R., Gambardella, L.M., Rizzoll, A.E., and Donati, A.V., A new algorithm for a dynamic vehicle

routing problem based on ant colony system [R]. Technical Report TR-23-02, IDSIA, Galleria2, Manno, 6928, Switzerland, 2004

[58] Pellegrini, P., Favaretto, D., Moretti, E., Multiple ant colony optimization for a rich vehicle routing problem:

a case study [J]. Lecture Notes in Computer Science, 2007, 4639: 627-634

[59] Gajpal, Y., and Abad, P.L., Multi-ant colony system (MACS) for a vehicle routing problem with backhauls

[J]. European Journal of Operation Research, 2009, 196: 102-117

[60] Ugur, A., and Aydin, D., An interactive simulation and analysis software for solving TSP using ant colony

optimization algorithms [J]. Advances in Engineering Software, 2004, 40: 341-349

[61] Glover, F., Kelly, J.P., and L aguna, M., Genetic algorithms and tabu search: hybrids for optimization [J].

Computers Operation and Research, 1995, 22(1): 111-134

[62] ???, ? ?. ?? ??????????? ? ?仈??ウ[J]. ? ??、 , 2002, 10(5): 51-

56

[63] ? , ?. ? ?? ???? ?-?????仈?ウ[J].? ? ?, 2006, 17(22):

2359-2361

[64] . ??? ?仈?? ????ウо ?[D]. ??: ?? ъ , 2007

[65] б??, ?? , ? . ?? ?デ???? ?仈?? ????[J]. ?? ???о ?, 2007,

10: 98-104

[66] Saez, D., Cortes, C.E., and Nunez, A., Hybrid adaptive predictive control for the multi-vehicle dynamic pick-

up and delivery problem based on genetic algorithms and fuzzy clustering. Computers and Operations Research, 2008, 35: 3412-3438

家乐福超市物流配送路线优化

学年论文之 家乐福超市物流配送路线优化 专业物流工程 班级 姓名 学号 日期

在物流配送业务中,合理确定配送路径是提商服务质量,降低配送成本,增加经济效益的重要手段。物流配送系统中最优路线的选择问题一直都是配送中心关注的焦点,针对当前家乐福物流配送体系不完善等方面的现状,本文从可持续发展的角度,用系统的观念,来研究家乐福物流配送体系,优化配送路线,使配送体系合理化。 通过对家乐福超市现有物流配送路径的分析研究,发现其中存在的一些问题,并由此提出解决办法,结合背景材料,建立了数学模型,运用遗传算法对家乐福物流配送路线进行优化选择,并得出结果。由此可见,家乐福超市原有的物流配送路线还可以进行再优化,从而达到运输成本最小化的目标。 关键词:物流配送;路径优化;节约里程算法

1.绪论 (1) 1.1选题目的和意义 (1) 1.2国内外物流配送路线优化研究现状 (2) 2. 家乐福超市配送路线现状 (3) 2.1家乐福超市概况 (3) 2.2家乐福超市配送路线作业现状 (4) 2.2.1 配送距离分析 (4) 2.2.2 车辆数分析 (5) 2.2.3 需求量分析 (6) 2.2.4 商品品种分析 (6) 2.3家乐福超市配送现有路线问题分析 (7) 3.配送路线优化建模与求解 (9) 3.1研究对象目标设定 (9) 3.2模型的构建 (11) 3.3节约算法 (12) 3.3.1节约算法的基本原理 (12) 3.3.2节约里程算法主要步骤 (13) 3.3.3基于节约算法的配送路线优化 (13) 3.3.4优化后的配送线 (24) 4.优化结果分析 (25) 4.1优化前结果 (25) 4.2优化后结果 (25) 4.3结论 (26) 5.总结与建议 (27) 参考文献: (28)

物流配送中几种路径优化算法

捕食搜索算法 动物学家在研究动物的捕食行为时发现,尽管由于动物物种的不同而造成 的身体结构的千差万别,但它们的捕食行为却惊人地相似.动物捕食时,在没有 发现猎物和猎物的迹象时在整个捕食空间沿着一定的方向以很快的速度寻找猎物.一旦发现猎物或者发现有猎物的迹象,它们就放慢步伐,在发现猎物或者有 猎物迹象的附近区域进行集中的区域搜索,以找到史多的猎物.在搜寻一段时间 没有找到猎物后,捕食动物将放弃这种集中的区域,而继续在整个捕食空间寻 找猎物。 模拟动物的这种捕食策略,Alexandre于1998提出了一种新的仿生计算方法,即捕食搜索算法(predatory search algorithm, PSA)。基本思想如下:捕食 搜索寻优时,先在整个搜索空间进行全局搜索,直到找到一个较优解;然后在较 优解附近的区域(邻域)进行集中搜索,直到搜索很多次也没有找到史优解,从 而放弃局域搜索;然后再在整个搜索空间进行全局搜索.如此循环,直到找到最优解(或近似最优解)为止,捕食搜索这种策略很好地协调了局部搜索和全局搜索 之间的转换.目前该算法己成功应用于组合优化领域的旅行商问题(traveling salesm an problem )和超大规模集成电路设计问题(very large scale integrated layout)。 捕食搜索算法设计 (1)解的表达 采用顺序编码,将无向图中的,n一1个配送中心和n个顾客一起进行编码.例如,3个配送中心,10个顾客,则编码可为:1一2一3一4一0一5一 6一7一0一8一9一10其中0表示配送中心,上述编码表示配送中心1负 贡顾客1,2,3,4的配送,配送中心2负贡顾客5,6,7的配送,配送中心3负贡顾 客8,9,10的配送.然后对于每个配送中心根据顾客编码中的顺序进行车辆的分配,这里主要考虑车辆的容量约束。依此编码方案,随机产生初始解。 (2)邻域定义 4 仿真结果与比较分析(Simulation results and comparison analysis) 设某B2C电子商务企业在某时段由3个配送中心为17个顾客配送3类商品,配送网络如图2所示。

配送路线优化

石河子大学毕业论文 题目:节约里程法在新疆国美电器物流配 送路线优化中的应用研究 院(系):商学院商务管理系 年级: 2008级 专业:物流管理 班级:物流2008(1)班 学号: 姓名:张露露 指导教师:李霞 完成日期: 2012年03月10日 目录 引言 ................................................................................................................................... 1.物流配送概述 ................................................................................................................. 1.1物流配送的概念 ....................................................................................... 1.2物流配送的功能 (3) 1.3物流配送路线优化的意义 (3) 2.新疆国美电器物流配送中心基本概况 (3) 2.1新疆国美电器简介 (3) 2.2新疆国美电器配送中心运作现状及现有路线分析 (4) 2.2.1现有配送路线概况 (5)

2.2.2现有配送路线中存在的问题分析 (6) 3.节约里程法在新疆国美电器物流配送路线优化中的应用研究 (7) 3.1建立VRP模型 (7) 3.1.1物流配送模型 (7) 3.1.2节约里程法的基本理论 (7) 3.1.3新疆国美电器物流配送中心VRP模型的建立 (9) 3.2模型求解 (9) 3.3配送路线优化 (10) 3.4配送路线优化前后比较分析及思考 (16) 3.4.1优化前后比较分析 (16) 3.4.2节约里程法的思考 (16) 4.新疆国美电器物流配送中心配送路线优化对策分析 (18) 4.1完善物流配送体系,加强物流运作标准化 (18) 4.2构建物流信息系统平台,降低配送成本 (18) 4.3合理安排配送排程,减少不必要的配送路线 (18) 4.4优化配送资源,提高物流配送效率 (19) 结束语 (20) 致谢 (21) 参考文献 (22) 摘要 配送作为物流活动中直接与消费者相连的环节,在企业的物流成本中,配送成本占了相当高的比例。配送线路安排的合理与否对配送速度、成本、效益影响很大,特别是多用户配送线路的确定更为复杂。 正确合理地安排车辆的配送线路,实现合理的线路运输,可以有效地节约运输时间,

车辆路径问题

车辆路径问题(vehideRoutingProblem,vRP)是组合优化和运筹学领域研究 的热点问题之一,其主要研究满足约束条件的最优车辆使用方案以及最优的车辆路径方案。基于基本车辆路径问题的框架,研究满足生产经营和运作需要的各种车辆路径问题,并构建具有高质量和高鲁棒性(roubustuess)的问题求解算法对于提高生产经营管理水平和降低运作成木具有重要的理论意义和现实价值。 本文以车辆路径问题为研究对象,综合运用组合优化和现代启发式算法等工 具,对几类重要的车辆路径问题模型及其优化算法进行了系统的研究,主要研究工作及成果总结如下: 1.综述了车辆路径问题在定义车辆路径问题分类和扩展标准的基础上,给出了 车辆路径问题的研究综述。基于不同的分类标准,首先讨论了主要的标准车辆 路径问题扩展问题。在此基础上详细地综述了求解标准车辆路径问题的现代启 发式算法,系统地描述了各种算法的实现机理以及各种算法的性能比较结果。 2.综述了求解组合优化问题的现代启发式算法在给出组合优化问题和计算复杂 性定义的基础上,综述了求解复杂组合优化问题的各种现代启发式算法。 3.研究了开放式车辆路径问题通过松弛标准车辆路径问题中车辆路线为哈 密尔顿巡回(Hamiltoniantour)的假设,研究了车辆路线为哈密尔顿路径(Hamiltonianpath)的开放式车辆路径问题。该问题中车辆在服务完最后一个 顾客点后不需要回到车场,若要求回到车场,则必须沿原路返回。在首先给出 问题数学模型的基础上,提出了求解开放式车辆路径问题的蚁群优化算法。该 算法主体是一个在超立方框架下执行的侧只刃一侧工加尸蚂蚁系统,算法混合了禁忌搜索算法作为局部优化算法,同时集成了一个后优化过程来进一步优化最优解。基于基准测试问题,系统地研究了算法性能。同其它算法的性能比较结果 表明本文提出的蚁群优化算法是有效的求解开放式车辆路径问题的方法。 4.研究了带时间窗和带时间期限开放式车辆路径问题通过引入时间约束,研究 了两类新的满足时效性要求的开放式车辆路径问题—带时间窗和带时间期 限开放式车辆路径问题。首先构建了两类问题的数学模型,同时提出了求解两 上海交通大学博十学位论文 类问题的基于禁忌搜索的迭代局部搜索算法,该算法集成了不同的解接受标准 以及一个基于阂值接受的后优化过程。基于随机产生的测试问题的实验结果表明:基于禁忌搜索的迭代局部搜索算法可以有效地求解带时间窗和带时间期限 开放式车辆路径问题。 5.研究了带时间窗和随机旅行时间车辆路径问题通过对标准车辆路径问题的拓 展,引入新的边约束条件:时间窗、随机旅行时间和服务时间,研究了一类新 的随机车辆路径问题—带时IbJ窗和随机旅行时间车辆路径问题。根据不同 的优化标准,分别构建了问题的机会约束规划模型以及带修正随机规划模型。 机会约束规划模型是在随机约束以一定的置信水平成立的条件下最小化运输费用。带修正的随机规划模型是一个两阶段优化问题,其确定第一阶段的路线集 以最小化第二阶段(随机变量实现后)的期望运输费用。鉴于问题的随机特 性,为了有效求解该问题提出了基于随机模拟的禁忌搜索算法。同时基于随机 产生的测试问题通过实验检验了算法有效性。 6.研究了固定车辆数异型车辆路径问题在车辆路径问题经典文献中,一般均假 设车辆同质目‘车辆数无限。然而在实际运作中,车辆集一般是由具有不同属性(装载能力、固定成本以及单位公里可变费用)的车辆组成,且受运作成本的

物流配送路径优化论文

山西工商学院 毕业设计 题目浅析物流配送路径优化问题 学生姓名杨美玲 学号200822054247 专业物流管理 班级08物流二班 指导教师李桂娥 二零一一年十月二十八日

目录 摘要 (ⅰ) 一、引言(问题的提出) (1) 二、物流配送路径优化问题的数学模型……………………………X 三、物流配送路径优化问题的遗传算法……………………………X (一)遗传算法的基本要素………………………………………X (二)物流配送路径优化问题的遗传算法的构造……………………X 四、实验计算与结果分析…………………………………………X 五、结论…………………………………………………………X 参考文献…………………………………………………………X 致谢………………………………………………………………X

中英文摘要 摘要:论文在建立物流配送路径优化问题的数学模型的基础上,构造了求解该问题的遗传算法,并进行了实验计算。计算结果表明,用遗传算法进行物流配送路径优化,可以方便有效地求得问题的最优解或近似最优解。 关键词:物流配送;遗传算法;优化 Study on the Optimizing of Physical Distribution Routing Problem Based on Genetic Algorithm Abstract:On the basis of establishing the optimizing model on physical distribution routing problem, this paper presents a genetic algorithm for solving this problem, and make some experimental calculations. The experimental calculation results demonstrates that the optimal or nearly optimal solutions to the physical distribution routing problem can be easily obtained by using genetic algorithm. Keywords:physical distributio n;genetic algorith m;optimizing

配送运输中车辆路径问题研究综述

????????? ?仈?ウ?? ??????????? ?仈а? ?? 亶 ??ウ???а? ???? ?仈? ?? ? ? ?? 学?仈 ??????ウ? ? ? ??? ?? ??????????? ?仈??? ?????? The Current Situation and Development Trends on Vehicle Routing Problems of distribution management Abstract: Vehicle routing problem is one of the attractive research area in the circles of operations research. In this paper, on the basis of introducing briefly the application background, the research classified the vehicle routing problem, analyzed and summarized the progress of different type of problems and solution algorithms. Furthermore, the research progress of the problems is also discussed. It is expected to provide inference for relevant research work. Key words: distribution management; vehicle routing problem; heuristics; overview.

第二章物流配送车辆路径问题

第二章物流配送车辆路径问题 2.1 问题的描述及各组成部分特点 2.2 车辆路径问题的分类 2.3 车辆路径问题的研究现状和发展趋势 * 2.1 问题的描述及各组成部分特点 配送活动中的配送车辆行驶线路优化确定问题,是近二十多年来国际运筹学界的研究热点之一。 运筹学界将此类问题统称之为车辆路径问题(Vehicle Routing Problem, VRP),或车辆调度问题(Vehicle Scheduling Problem, VSP)。 一般描述是:对一系列给定的客户点,确定配送车辆行驶路线,使其从配送中心出发,有序地对它们进行服务,并在满足一定的约束条件下(如车辆载重量、客户需求量、服务时间限制等),使总运输成本达到最小(如使用车辆数最少、车辆行驶总距离最短等)。 一般把最小化车辆使用数作为第一优化目标,而最小化车辆行驶距离作为第二优化目标。* 车辆路径问题的特点 1. 道路网(road network) 弧表示路段,点表示道路交叉点、配送中心和客户。 弧的权cij表示其距离或行驶时间。 * 2. 客户(customer) 用图上的小圆点表示; 需运送或收取的货物量(需求量)di (或di和pi ); 要求提供服务的时间段,即时间窗(time window) 在客户点所花费的服务时间si; 能用于服务该客户的车辆集合。 3. 配送中心(车场)(distribution center,depot) 用图上的小方点表示; 车辆行驶路线开始并终止于配送中心或某一个客户点; 其特征由所配备的车辆种类和数量、以及所能处理的货物总量来描述。 * 4. 车辆(vehicle) 车辆是自备还是外租,完成任务后是否返回; 车辆的装载能力; 车辆使用费; 可用于进行货物装卸的设备. 5. 驾驶员(driver) 给驾驶员安排取送货任务时,必须符合工作时间方面的有关规定。 6. 路径编排中的限制条件 车辆的当前负载不能超过车辆的装载量; 客户只要求送货、取货、或取送货兼有; 在客户所要求的时间窗和驾驶员的工作时间内提供服务; 访问客户的顺序要求。 *

物流配送的车辆路径优化

物流配送的车辆路径优化 专业:[物流管理] 班级:[物流管理2班] 学生姓名:[江东杰] 指导教师:[黄颖] 完成时间:2016年6月30日

背景描述 物流作为“第三利润源泉”对经济活动的影响日益明显,越累越受到人们的重视,成为当前最重要的竞争领域。近年来,现代物流业呈稳步增长态势,欧洲、美国、日本成为当前全球范围内的重要物流基地。中国物流行业起步较晚,随着国民经济的飞速发展,物流业的市场需求持续扩大。特别是进入21世纪以来,在国家宏观调控政策的影响下,中国物流行业保持较快的增长速度,物流体系不断完善,正在实现传统物流业向现代物流业的转变。现代物流业的发展对促进产业结构调整、转变经济增长方式和增强国民经济竞争力等方面都具有重要意义。 配送作为物流系统的核心功能,直接与消费这相关联,配送功能完成质量的好坏及其达到的服务水平直接影响企业物流成本及客户对整个物流服务的满意程度。配送的核心部分是配送车辆的集货、货物分拣及送货过程,其中,车辆配送线路的合理优化对整个物流运输速度、成本、效益影响至关重要。 物流配送的车辆调度发展现状 VRP(车辆调度问题)是指对一系列装货点和卸货点,组织适当的行车线路,使车辆有序的通过,在满足一定的约束条件(如货物需求量、发送量、交发货时间、车辆容量等限制)下,达到一定的目标(如路程最短、费用最少、时间最少、使用车辆数最少等)。一般认为,不涉及时间的是路径问题,涉及时间的是调度问题。VRP示意图如下 当然,VRP并不止是这样的一个小范围,而是又更多的客户点与一个仓库链接,从而达

到一整个物流集群。 根据路径规划前调度员对相关信息是否已知,VRP可分为静态VRP和动态VRP,动态VRP 是相对于静态VRP而言的。静态VRP指的是:假设在优化调度指令执行之前,调度中心已经知道所有与优化调度相关的信息,这些信息与时间变化无关。一旦调度开始,便认为这些信息不再改变。 而VRP发展到现在的问题也是非常突出的,例如,只有一单货物,配送成本远高于一单的客户所给的运费,在这种情况下,该如何调度车辆?甚至还有回程运输的空载问题,在这些问题之中,或多或少都涉及到了VRP的身影,那么在这样的配送中怎么有效的解决车辆的路径优化问题就是降低运输和物流成本的关键所在。 解决怎么样的问题? 现如今对于VRP研究现状主要有三种静态VRP的研究、动态VRP的研究以及随机VRP的研究。 而我对于VRP的看法主要有以下几点。 有效解决VRP或者优化车辆调度路径优化问题,那么将非常有效的降低物流环节对于成本的比重,有效的增大利润。 而我想到的方法,就是归类总结法。 建立完善的信息系统机制,将订单归类总结出来,可以按地区划分出来,一个地区一个地方的进行统一配送,这样也有效的降低了物流配送的车辆再使用问题,降低了成本。如下图所示。 仓库 客户 变换前 由上图可以看出来这样的路径,车辆需要来回两次,严重增加了配送成本,也增加了运输成本,使得利润并不能最大化。

物流配送最优路径规划

物流配送最优路径规划

关于交通运输企业物流配送最优路径规划的 研究现状、存在问题及前景展望 摘要:本文综述了在交通运输企业的物流配送领域最优路径规划的主要研究成果、研究存在问题及研究方向。主要研究成果包括运用各种数学模型和算法在运输网中选取最短或最优路径;从而达到路径、时间最优和费用最优;以及物流配送网络优化、车辆系统化统一调度的发展。今后研究的主要方向包括绿色物流,运输系统及时性和准确性研究等。 关键词:物流配送;最优路径;路径规划 Overview of scheme on Shortest Logistics Distribution Route in Transportation Industry Student: Wan Lu Tutor: Chen Qingchun Abstract: This paper reviewed of the optimal path planning about the main research results, problems and direction in the field of transportation enterprise logistics distribution. Main research results include using various mathematical model and algorithm selection or optimal shortest path in the network. So we can achieve the optimal path, the shortest time and minimum cost. At the same time, logistics distribution network optimization, the vehicle systematic development of unified scheduling are the research issues.The main direction of future research include green logistics, transportation system accurately and timely research and so on. Key words: Logics Distribution; Optimal Path; Path Planning 引言 物流业在我国的新兴经济产业中占据了重要了地位,称为促进经济快速增长的“加速器”。而物流配送作为物流系统的重要环节,影响着物流的整个运作过程以及运输企业的发展趋势和前景。采用科学、合理的方法来进行物流配送路径的优化,是物流配送领域的重要研究内容。近年,国内外均有大量的企业机构、学者对物流配送中最优路径选择的问题,进行了大量深入的研究,从早期车辆路径问题研究,到根据约束模型及条件不断变化的车辆最优路径研究,以及随着计算机学科的发展而推出的针对物流配送路径最优化的模型和算法等方面,都取得丰硕的学术成果。但是对于绿色物流配送的研究仍然不足。鉴于物流配送最优路径研究的重大理论意义和实践价值,为对我国物流配送的效率水平有一个系统的理解和把握,有必要对现有成果进行统计和归纳。本文尝试对我国运输企业物流配送最优路径规划进行探讨,以期为今后做更深人和全面的研究提供一定的线索和分析思路。 1 国内外研究现状 1.1 国内研究现状 1.1.1 主要研究的问题

车辆路径问题

一、车辆路径问题描述和建模 1. 车辆路径问题 车辆路径问题(Vehicle Routing Problem, VRP ),主要研究满足约束条件的最优车辆使用方案以及最优化车辆路径方案。 定义:设G={V,E}是一个完备的无向图,其中V={0,1,2…n}为节点集,其中0表示车场。V ,={1,2,…n}表示顾客点集。A={(i,j),I,j ∈V,i ≠j}为边集。一对具有相同装载能力Q 的车辆从车场点对顾客点进行配送服务。每个顾客点有一个固定的需求q i 和固定的服务时间δi 。每条边(i,j )赋有一个权重,表示旅行距离或者旅行费用c ij 。 标准车辆路径问题的优化目标为:确定一个具有最小车辆数和对应的最小旅行距离或者费用的路线集,其满足下列约束条件: ⑴每一条车辆路线开始于车场点,并且于车场点约束; ⑵每个顾客点仅能被一辆车服务一次 ⑶每一条车辆路线总的顾客点的需求不超过车辆的装载能力Q ⑷每一条车辆路线满足一定的边约束,比如持续时间约束和时间窗约束等。 2.标准车辆路径的数学模型: 对于车辆路径问题定义如下的符号: c ij :表示顾客点或者顾客点和车场之间的旅行费用等 d ij :车辆路径问题中,两个节点间的空间距离。 Q :车辆的最大装载能力 d i :顾客点i 的需求。 δi :顾客点i 的车辆服务时间 m:服务车辆数,标准车辆路径问题中假设所有的车辆都是同型的。 R :车辆集,R={1,2….,m} R i :车辆路线,R i ={0,i 1,…i m ,0},i 1,…i m ?V ,,i ?R 。 一般车辆路径问题具有层次目标函数,最小化车辆数和最小化车辆旅行费用,在文献中一般以车辆数作为首要优化目标函数,在此基础上使得对应的车辆旅行费用最小,下面给出标准车辆路径问题的数学模型。 下面给出标准车辆路径问题的数学模型。 对于每一条弧(I,j ),定义如下变量: x ijv = 1 若车辆v 从顾客i 行驶到顾客点j 0 否则 y iv = 1 顾客点i 的需求由车辆v 来完成0 否则 车辆路径问题的数学模型可以表述为: minF x =M x 0iv m i=1n i=1+ x ijv m v=1n j=0n i=0.c ij (2.1) x ijv n i=0m v=1≥1 ?j ∈V , (2.2)

物流配送管理中路径优化问题分析

摘要:经典的优化理论大多是在已知条件不变的基础上给出最优方案(即最优解),其最优性在条件发生变化时就会失去其最优性。本文提出的局内最短路问题,就是在已知条件不断变化的条件下,如何来快速的计算出此时的最优路径,文章设计了解决该问题的一个逆向标号算法,将它与传统算法进行了比较和分析,并针对实际中的物流配送管理中路径优化问题,按照不同的算法分别进行了详细的阐述与分析。 一、引言 现实生活中的许多论文发表经济现象通常都具有非常强的动态特征,人们对于这些现象一般是先进行数学上的抽象,然后用静态或统计的方法来加以研究和处理。从优化的理论和方法上看,经典的优化理论大多是站在旁观者的立场上看问题,即首先确定已知条件,然后在假设这些已知条件不变的基础上给出最优方案(即最优解)。条件一旦发生变化,这种方法所给出的最优方案就会失去其最优性。在变化的不确定因素对所考虑的问题影响很大的时候,经典的优化方法有:一是将可变化的因素随机化,寻求平均意义上的最优方案,二是考虑可变化因素的最坏情形,寻求最坏情形达到最优的方案。这两种处理方法对变化因素的一个特例都可能给出离实际最优解相距甚远的解,这显然是难以满足实际的要求的。那么是否存在一种方法,它在变化因素的每一个特例中都能给出一个方案,使得这一方案所得到的解离最优方案给出的解总在一定的比例之内呢? 近年来兴起的局内问题与竞争算法的研究结果在一定意义上给如上问题一个肯定的答案。其实本文所提出的逆向标号算法就是对应局内最短路问题的一个竞争算法,从本质上来说它是一种贪婪算法,在不知将来情况的条件下,求出当前状态下的最优解。[1]本文所考虑问题的实际背景是一个物流配送公司对其运输车辆的调度。假设物流公司需要用货车把货物从初始点O(Origin)运送到目的点D(Destination)。从日常来看,物流公司完全可以通过将整个城市交通网络看成一个平面图来进行运算,找到一条从O到D的最短路径以减少运输费用和节省运输时间。现考虑如下一个问题:如果当运输车辆沿着最短路径行驶到最短路径上的一点A,发现前方路径上的B点由于车辆拥塞而不能通过,车辆必须改道行驶,而此时物流配送公司应如何应对来保证其花费最低。问题推展开去,如果不是单个堵塞点,而是一个堵塞点序列,那物流配送公司又将如何来设计其最短路算法来在最短的时间内求出已知条件发生变化后的最优路径,从而有效的调度其运输车。本文首先建立了物流配送公司动态最短路的数学模型,相比较给出了求本文所提出的动态最短路问题的传统算法和作者提出的逆向标号算法,并分析了各自的算法复杂度。 二、数学模型假设城市交通网络是一个平面图,记为G,各个交通路口对应于图G上的各个顶点,令G=(G,V)为一边加权无向图,其中V为顶点的集合,E为边的集合,|G|=n,对于一般平面图上的三点之间,一定满足三角不等式,即任意三角形的两边之和一定不小于另外一边。对于本文要讨论的城市交通网络来说,即,任意三个结点之间的距离一定满足三角不等式。我们用O来表示运输的起始点,D表示运输的目的点。SP表示在没有路口堵塞情况下的最短路径,W(SP)表示沿着最短路径所要花费的运输费用。以下的讨论都是基于如下的基本假设:第一,去掉堵塞点后图G仍是连通的。第二,只有当运输车走到前一点后,才能发现后面的一点发生堵塞而不能通过。 三、算法分析 对于本文的上述问题,有两种算法一(传统算法)和二(逆向标号算法)可以满足要求,但两种算法在求动态最短路的过程中都将会用到Dijkstra算法[2],通过对Dijkstra算法的分析我们知道,Dijkstra算法采用了两个集合这样的数据结构来安排图的顶点,集合S表示已

配送路线优化

配送路线优化

————————————————————————————————作者: ————————————————————————————————日期: ?

石河子大学毕业论文 题目:节约里程法在新疆国美电器物流配 送路线优化中的应用研究 院(系):商学院商务管理系 年级:2008级 专业:物流管理 班级:物流2008(1)班 学号:2008175477 姓名:张露露 指导教师:李霞 完成日期: 2012年03月10日

目录 引言?错误!未定义书签。 1.物流配送概述?错误!未定义书签。 1.1物流配送的概念 ..................................................................... 错误!未定义书签。 1.2物流配送的功能3? 1.3物流配送路线优化的意义 (3) 2.新疆国美电器物流配送中心基本概况3? 2.1新疆国美电器简介 ................................................................................................. 3 2.2新疆国美电器配送中心运作现状及现有路线分析 (4) 2.2.1现有配送路线概况........................................................................................ 52.2.2现有配送路线中存在的问题分析 .. (6) 3.节约里程法在新疆国美电器物流配送路线优化中的应用研究?7 3.1建立VRP模型7? 3.1.1物流配送模型 (7) 3.1.2节约里程法的基本理论 (7) 3.1.3新疆国美电器物流配送中心VRP模型的建立 (9) 3.2模型求解9? 3.3配送路线优化1?0 3.4配送路线优化前后比较分析及思考 ............................................................... 16 3.4.1优化前后比较分析1?6 3.4.2节约里程法的思考 (16) 4.新疆国美电器物流配送中心配送路线优化对策分析18? 4.1完善物流配送体系,加强物流运作标准化18? 4.2构建物流信息系统平台,降低配送成本?18 4.3合理安排配送排程,减少不必要的配送路线 (18) 4.4优化配送资源,提高物流配送效率 ............................................................... 19 结束语2?0 致谢21? 参考文献 (22)

物流配送路径优化开题报告

海南大学应用科技学院(儋州校区) 毕业设计(论文)开题报告书(学生用表) 一、选题的目的、意义(理论、现实)和国内外研究概况 目的:随着经济全球化的不断发展,作为“第三利润源泉”的物流对经济活动的影响 日益明显,引起了人们越来越多的重视,成为当前“最重要的竞争领域”。配送是现代物流的一个重要环节,随着物流的全球化、信息化及一体化,配送在整个物流系统中的作用变得越来 越重要。物流配送路线的优化,又是物流配送中的一个关键环节。因此,在配送过程中,配送线路合理与否对配送速度、成本、效益影响很大。设计合理、高效的配送路线方案,不仅可以减少配送时间,降低作业成本,提高企业的效益,而且可以更好地为客户服务,提高客户的满意度,维护企业良好的形象 意义:配送合理化与否是配送决策系统的重要内容,配送线路的合理与否又是配送合 理化的关键。选择合的理配送路线,对企业和社会都具有很重要的意义。对企业来说,(1)优 化配送路线,可以减少配送时间和配送里程,提高配送效率,增加车辆利用率,降低配送成本。 (2)可以加快物流速度,能准时、快速地把货物送到客户的手中,提高客户满意度。(3)使配送 作业安排合理化,提高企业作业效率,有利于企业提高竞争力与效益。对社会来说,它可以节省运输车辆,减少车辆空载率,降低了社会物流成本,对其他企业尤其是生产企业具有重要 意义。与此同时,还能缓解交通紧张状况,减少噪声、尾气排放等运输污染,对民生和环境也有不容忽视的作用。 国内外研究概况:物流配送路径优化问题最早是由Dnatzig和Rmaser于1959年首次提出, 自此,很快引起运筹学、应用数学、组合数学、图论与网络分析、物流科学、计算机应用等学 科的专家与运输计划制定者和管理者的极大重视,成为运筹学与组合优化领域的前沿与研究热 点问题。各学科专家对该问题进行了大量的理论研究及实验分析,取得了很大的进展。目前, 对于解决配送路径优化问题主要有两类方法,一类是精确算法,主要有动态规划法、分支定界法、节约算法、邻接算法、扫除算法、禁忌搜索算法等;另一类是启发式算法,主要有人工 神经网络算法、蚁群算法、人工免疫系统算法、粒子群算法、遗传算法等

车辆路径问题研究综述

摘要:作为现代物流领域的研究前沿,车辆路径问题的求解算法及应用领域一直是学者研究的重点。本文在研读大量文献的基础上介绍了遗传算法的研究现状及其应用情况,并对车辆路径优化在生鲜农产品配送上的应用进行了简单的综述。 关键词:车辆路径问题;遗传算法;生鲜农场品;研究综述 一、引言 车辆路径问题最早在60年代被提出,dantzig和ramser首次在交通领域提出该问题就立即引起了社会的广泛关注。发展到现如今,车辆路径问题的应用已经跳出了交通领域,在别的很多领域被使用,如:通讯、工业管理、航空等。 二、遗传算法 1.遗传算法简介 达尔文的生物进化论自被提出以来就一直被科学家们广泛应用到各个领域。60年代时美国科学家结合进化论,提出了遗传算法。跟大自然中生物优胜劣汰的进化过程类似,遗传算法在计算过程中模拟了自然界各种群由简单到复杂,由低级到高级的进化过程,不断进化种群,直至使种群达到包含最优解或接近最优解的状态。 2.遗传算法研究现状 遗传算法作为一种群体随机搜索方法,在车辆路径问题研究中运用很多。很多国内外的研究学者对基础的遗传算法进行了改良,以期达到求解不同约束条件下车辆路径优化问题的目的。通过研究撰写遗传算法的文献发现,研究学者们分别用各种改进遗传算法对车辆路径问题进行了求解,如:免疫遗传算法、小生境遗传算法,以及遗传算法与爬山算法、禁忌搜索算法、蚁群算法相结合的混合算法。 将基础的遗传算法与改进的遗传算法进行对比仿真实验,可以发现经过改良的遗传算法,其各方面能力都更优。罗勇等为了求解更优的物流配送路线,就采用了针对性改进的遗传算法。通过研究发现,改良后的算法不仅收敛速度变快,而且全方位寻优的能力也有很大提高。由此可见改进的遗传算法是能更好的处理物流配送路径问题。基础的遗传算法有容易陷入局部最优和早熟的缺点,为了解决这个问题,周艳聪等设计了基于小生境技术的改进遗传算法,还在改进的遗传算法的基础上求解了物流配送路径的优化问题。不仅如此,还通过对物流配送过程的研究,建立了不带时间窗约束的物流配送优化模型。大规模车场的车辆路径问题是车辆路径优化问题中的一个难点,一直是学者们研究的重点。李波等引入了双层模糊聚类方法,针对基础的遗传算法进行了改进,得到了求解该问题的基本框架。通过随机的实验算例证明,所提出的方法是有效可行的。 三、车辆路径问题在生鲜农产品配送中的应用 对近年来,针对生鲜农产品配送路径问题的研究已经越来越多,人们对绿色食品的质量要求不断提高,是导致该问题备受关注的根本原因。容易腐烂变质,存放不易是大多数生鲜农产品的特点。而在整个销售过程中,生鲜农产品需要经历从农户手中到经销商手中这样一个配送过程,尽可能在配送过程中选择合适的路径,节约时间,保证生鲜农产品的质量,从而保证农户、经销商、消费者的利益就变得越来越重要。 为了保证生鲜农产品的质量、安全,生鲜农产品配送过程中的时效性一直是各个学者研究的关注点,大多数相关文献的模型建立都是以配送时间最短和配送成本最低为目标。王红玲等学者的研究考虑了生鲜农产品的特点构建了以生鲜农产品在途时间最短、配送成本最低为优化目标的农产品配送模型,并采用经过改进后的粒子群算法进行求解。由于生鲜农产品的时效性强的特点,对带时间窗的车辆路径问题的研究也相当多。邱荣祖等在分析了农产品的物流配送模式的基础上,建立了有时限的物流配送路径优化模型,并应用gis于禁忌搜索算法集成技术进行求解。文献中还选用了具体的数据进行了实验的验证,进行了初步的应用

第三方物流运输方式和配送路径优化研究

第三方物流运输方式和配送路径优化研究 摘要:经典的优化理论大多是在已知条件不变的基础上给出最优方案(即最优解),其最优性在条件发生变化时就会失去其最优性。本文提出的局内最短路问题,就是在已知条件不断变化的条件下,如何来快速的计算出此时的最优路径,文章设计了解决该问题的一个逆向标号算法,将它与传统算法进行了比较和分析,并针对实际中的物流配送管理中路径优化问题,按照不同的算法分别进行了详细的阐述与分析。 一、引言 现实生活中的许多论文发表经济现象通常都具有非常强的动态特征,人们对于这些现象一般是先进行数学上的抽象,然后用静态或统计的方法来加以研究和处理。从优化的理论和方法上看,经典的优化理论大多是站在旁观者的立场上看问题,即首先确定已知条件,然后在假设这些已知条件不变的基础上给出最优方案(即最优解)。条件一旦发生变化,这种方法所给出的最优方案就会失去其最优性。在变化的不确定因素对所考虑的问题影响很大的时候,经典的优化方法有:一是将可变化的因素随机化,寻求平均意义上的最优方案,二是考虑可变化因素的最坏情形,寻求最坏情形达到最优的方案。这两种处理方法对变化因素的一个特例都可能给出离实际最优解相距甚远的解,这显然是难以满足实际的要求的。那么是否存在一种方法,它在变化因素的每一个特例中都能给出一个方案,使得这一方案所得到的解离最优方案给出的解总在一定的比例之内呢? 近年来兴起的局内问题与竞争算法的研究结果在一定意义上给如上问题一个肯定的答案。其实本文所提出的逆向标号算法就是对应局内最短路问题的一个竞争算法,从本质上来说它是一种贪婪算法,在不知将来情况的条件下,求出当前状态下的最优解。[1]本文所考虑问题的实际背景是一个物流配送公司对其运输车辆的调度。假设物流公司需要用货车把货物从初始点O(Origin)运送到目的点D(Destination)。从日常来看,物流公司完全可以通过将整个城市交通网络看成一个平面图来进行运算,找到一条从O到D的最短路径以减少运输费用和节省运输时间。现考虑如下一个问题:如果当运输车辆沿着最短路径行驶到最短路径上的一点A,发现前方路径上的B点由于车辆拥塞而不能通过,车辆必须改道行驶,而此时物流配送公司应如何应对来保证其花费最低。问题推展开去,如果不是单个堵塞点,而是一个堵塞点序列,那物流配送公司又将如何来设计其最短路算法来在最短的时间内求出已知条件发生变化后的最优路径,从而有效的调度其运输车。本文首先建立了物流配送公司动态最短路的数学模型,相比较给出了求本文所提出的动态最短路问题的传统算法和作者提出的逆向标号算法,并分析了各自的算法复杂度。 二、数学模型假设城市交通网络是一个平面图,记为G,各个交通路口对应于图G上的各个顶点,令G=(G,V)为一边加权无向图,其中V为顶点的集合,E为边的集合,|G|=n,对于一般平面图上的三点之间,一定满足三角不等式,即任意三角形的两边之和一定不小于另外一边。对于本文要讨论的城市交通网络来说,即,任意三个结点之间的距离一定满足三角不等式。我们用O来表示运输的起始点,D表示运输的目的点。SP表示在没有路口堵塞情况下的最短路径,W(SP)表示沿着最短路径所要花费的运输费用。以下的讨论都是基于如下的基本假设:第一,去掉堵塞点后图G仍是连通的。第二,只有当运输车走到前一点后,才能发现后面的一点发生堵塞而不能通过。

粒子群优化算法车辆路径问题

粒子群优化算法 计算车辆路径问题 摘要 粒子群优化算法中,粒子群由多个粒子组成,每个粒子的位置代表优化问题在D 维搜索空间中潜在的解。根据各自的位置,每个粒子用一个速度来决定其飞行的方向和距离,然后通过优化函数计算出一个适应度函数值(fitness)。粒子是根据如下三条原则来更新自身的状态:(1)在飞行过程中始终保持自身的惯性;(2)按自身的最优位置来改变状态;(3)按群体的最优位置来改变状态。本文主要运用运筹学中粒子群优化算法解决车辆路径问题。车辆路径问题 由Dan tzig 和Ram ser 于1959年首次提出的, 它是指对一系列发货点(或收货点) , 组成适当的行车路径, 使车辆有序地通过它们, 在满足一定约束条件的情况下, 达到一定的目标(诸如路程最短、费用最小, 耗费时间尽量少等) , 属于完全N P 问题, 在运筹、计算机、物流、管理等学科均有重要意义。粒子群算法是最近出现的一种模拟鸟群飞行的仿生算法, 有着个体数目少、计算简单、鲁棒性好等优点, 在各类多维连续空间优化问题上均取得非常好的效果。本文将PSO 应用于车辆路径问题求解中, 取得了很好的效果。 针对本题,一个中心仓库、7个需求点、中心有3辆车,容量均为1,由这三辆车向7个需求点配送货物,出发点和收车点都是中心仓库。 1233,1,7. k q q q l =====货物需求 量12345670.89,0.14,0.28,0.33,0.21,0.41,0.57g g g g g g g =======, 且 m a x i k g q ≤。利用matlab 编程,求出需求点和中心仓库、需求点之间的各 个距离,用ij c 表示。求满足需求的最小的车辆行驶路径,就是求 m i n i j i j k i j k Z c x = ∑∑∑ 。经过初始化粒子群,将初始的适应值作为每个粒子的个

带时间窗物流配送车辆路径问题

带时间窗物流配送车辆路径问题 摘要 本题是一个带有时间窗的车辆路径安排问题(VRPTW 问题)。根据题目条件,本文建立了一个求解最小派送费用的VRPTW 优化模型,采用遗传算法,给出了该模型的求解方法。然后,对一个实际问题进行求解,给出了一个比较好的路线安排方式。 模型一(见,在需求量、接货时间段、各种费用消耗已知的情况下,决定采用规划模型,引入0-1变量,建立各个约束条件,包括车辆的容量限制,到达每个客户的车辆和离开每个客户的车辆均为1的限制,总车辆数的限制,目标函数为费用的最小化,费用包括车辆的行驶费用,车辆早到或晚到造成的损失。 模型一的求解采用遗传算法(见,对题目给出的实际问题进行求解,得到3 首先按照需求期望根据模型一得到一个比较好的方案,然后按照这一方案进行送货,在送货过程中,如果出现需求量过大的情况,允许车辆返回仓库进行补充。 模型一的思路清晰,考虑条件全面。但最优解解决起来困难,遗传算法只是一种相对好的解决方法,可以找出最优解的近似解。模型二的想法比较合理,易于实施,但还有待改进。 关键词:规划 时间窗 物流 车辆路径 遗传算法 一、 问题重述 一个中心仓库,拥有一定数量容量为Q 的车辆,负责对N 个客户进行货物派送工作,客户i 的货物需求量为i q ,且i q Q <,车辆必须在一定的时间范围[],i i a b 内到达,早于i a 到达将产生等待损失,迟于i b 到达将处以一定的惩罚,请解决如下问题: (1)给出使派送费用最小的车辆行驶路径问题的数学模型及其求解算法。并具

体求解以下算例: q(单位:客户总数N=8,每辆车的容量Q=8(吨/辆), 各项任务的货运量 i s(单位:小时)以及要求每项任务开始执行的时间吨)、装货(或卸货)时间 i a b由附录1给出,车场0与各任务点以及各任务点间的距离(单位:公 , 范围[] i i 里)由附件二给出,这里假设车辆的行驶时间与距离成正比,每辆车的平均行驶速度为50公里/小时,问如何安排车辆的行驶路线使总运行距离最短; q为随机参数时的数学模型及处理方(2)进一步请讨论当客户i的货物需求量 i 法。 二、问题分析 本题主要在两种不同情况下,研究使派送费用最小的车辆行驶路径问题。车辆行驶派送的费用主要包括运输成本、车辆在客户要求到达时间之前到达产生的等待损失和车辆在客户要求到达时间之后到达所受惩罚等等。为满足派送费用最小的需求,即要使所选行车路径产生的总费用最小,从而确定出最佳的车辆派送方案。 q固定时,首先,我们根据题意,取若干辆车进行送当客户i的货物需求量 i 货,然后,主要考虑每辆车各负责哪些客户的送货任务,我们可以给出满足题中限制条件的很多参考方案供选用,并考虑以所选行车路径产生的总费用最小为目标的情况下,建立最优化模型确定最佳的车辆派送方案。 q为随机参数时,我们首先可以简化随进一步讨论,当客户i的货物需求量 i 机模型,根据客户i的货物需求量的期望与方差,确定每天应该运送给客户i的q,再根据第一题,确定最佳的车辆派送方案。 货物量,即 i 但考虑到客户的储存能力有限及货物在客户处的储存费用,客户不需要将一天的货物一次性接收完,只要满足缺货的情况出现的概率很低,客户可以让配送中心一天几次送货,这样可以得到很多满足约束的方案,考虑以单位时间的储存费用最小为目标,建立最优化模型,确定配送中心给每位客户每次的配送量、配送周期与最有车辆行驶路径。 三、模型假设 (1)每个客户的需求只能由一辆配送车满足; (2)每辆车送货时行驶的路程不超过它所能行驶的最远路程; (3)中心仓库的车辆总数大于或等于当派送费用最小时所需的车辆数;(4)从配送中心到各个用户、各个用户之间的运输距离已知; (5)配送中心有足够的资源以供配送。 四、符号说明

相关文档
最新文档