论文部分内容阅读
物流网络优化中的车辆路径问题和设施选址问题是物流系统研究中的重要组成部分。在实际应用中,涉及大量的不确定信息以及复杂的约束条件,传统的模型难以描述随机条件下的物流网络优化问题;随着网络规模的扩大,使得物流网络优化问题求解变得越来越困难。因此,有必要进一步研究在随机条件下以及动态条件下的物流网络优化问题,并为问题求解构造出更有效、更符合实际的模型与算法。本文针对随机需求与动态交通影响下的集送货车辆路径优化问题,给出了相应的模型及算法,并进行了应用计算。为实现收益最大化与成本合理化这双重目标,采用集送货车辆配送是现代物流发展的趋势;在此之外,随着消费者的需求趋向个性化、多样化,对服务时间的需求也日渐严苛,因服务时间的延迟而造成客户满意度降低,这类隐性成本的与日俱增更加凸显出时间窗在配送过程中的重要性。本文考虑了在客户随机需求、时间窗的约束下,以最小化车辆在路径上的集送货成本为目标,构建了随机需求下带时间窗的车辆路径规划模型,并基于蚁群算法设计了结合蚁群与变邻域搜索算法相混合的蚁群系统优化算法,还针对现实背景作了算例分析。主要内容如下:通过对前人的文献综述,说明了本研究问题提出的背景,阐述了相关课题的研究现状,并在这样的背景和现状下提出了本文要研究的问题。文章最后给出了本选题的研究框架、技术路线、基本假设等。基于上述背景和现状,确立了本文所研究的课题,随机需求下带时间窗的集送货车辆路径优化问题研究。为方便研究,文章首先进行了一系列合理假设,描述了服务失败规则,在此基础上对目标函数和约束条件进行了分析,构建了以最小化车辆在路径上的服务费用为目标的0-1整数规划模型。考虑到现实生产活动中的动态问题,文章提出了分解式的求解方式,即“先静态,后动态实时再优化”的分阶段模型,将动态环境下的问题转换成分阶段确定的静态问题来进行求解,并在车辆执行任务的每一个时间段的结束时刻,实行动态信息的插入,根据车辆当前的位置和更新后的信息实时地调整车辆行驶路线,使得优化目标最优。针对这类准动态环境下的随机需求下的问题,基于混合的蚁群系统优化算法求解,最后还以杭州某企业为现实背景,作了模型算法的算例分析,进行了多时段、准动态交通情形下的随机需求的案例场景设计,验证前文的基础理论。算例结果表明,本研究算法切实可行、有效,在交通情况与客户需求可变的决策环境下有一定的指导性,能一定程度上对现实快递企业指导作业。