论文部分内容阅读
随着资源短缺和环境污染问题的日益加重，废旧产品的回收再制造越来越受到我国政府的高度重视，国内许多企业开展了逆向物流工作。为了避免单独实施正向物流或逆向物流造成的车辆运输能力的无谓浪费，有效降低配送成本，逆向物流实施企业通常考虑同时实施新产品配送和废旧产品回收，形成了同时取送货车辆路径问题（VRPSDP）。在现有的同时取送货车辆路径问题研究过程中，通常假设客户取货需求和送货需求均是已知的。然而，现实生活中同时取送货车辆路径问题要复杂的多，产品取货需求通常具有一定的随机性，属于随机需求同时取送货问题（SDVRPSDP）。由于随机因素的引入，该问题求解变得十分复杂，成为困扰企业实施同时取送货的难点。因此，深入研究随机需求同时取送货车辆路径问题，成为逆向物流实施企业必须面对的一项十分紧迫的难题。本文针对具有随机需求的同时取送货车辆路径问题开展研究，主要研究内容如下：首先，简要介绍了研究的背景与意义，分析了国内外的研究现状以及研究存在的不足，阐述了论文的主要研究内容与创新点，提出了研究的主要框架。其次，详细描述了同时取送货车辆路径问题VRPSDP的定义与分类，介绍和分析了目前VRPSDP问题的常用求解算法，重点介绍了本论文采用的蚁群系统算法，为研究奠定了理论基础。第三，研究了随机需求同时取送货车辆路径问题（简称随机需求VRPSDP问题），构建了送货需求已知、取货需求随机的同时取送货车辆路径问题数学模型，提出以蚁群系统算法为主体、路径模拟抽样法与局部搜索为补充的混合蚁群系统优化算法（ACS-RSM）。通过案例仿真，对比分析了该算法与其它启发式算法，验证了算法的有效性和合理性，有效解决了随机需求VRPSDP问题的求解问题，获得较为理想的车辆路径优化方案。第四，研究了带时间窗的随机需求VRPSDP问题，构建了送货需求已知、取货需求随机且带时间窗的同时取送货车辆路径问题数学模型。根据该问题中客户具有配送时间要求的重要特点，提出了改进的混合蚁群系统优化算法，设计了新的路径构建策略，解决了带时间窗的随机需求VRPSDP问题的求解问题。