车辆路径问题(Vehicle Routing Problem-VRP)始终是运筹管理学和模型优化领域的研究热点之一,主要是针对于在既定约束条件下的车辆最佳运行路径进行研究。而基于VRP的基本框架,物流运输中存在诸多生产经营和实际运作的具体问题,包括交通路况、车辆行驶时间、能源消耗等,在这一研究过程中,人们构建高质量的VRP模型并研究相关算法用以求解模型,这对提高生产经营管理水平以及降低成本和环境污染具有极其重要的理论意义和现实价值。本文主要研究车辆-无人机路径问题,综合使用商品流量公式和现代启发式算法中的遗传算法等工具,对交通限行下的车辆路径问题进行了系统的研究,主要的研究工作以及成果如下所示:(1)学习并借鉴车辆路径问题模型和求解组合优化问题的遗传算法。对车辆路径问题常用模型的运行原理、优势与不足进行了分析,选择适合本研究的路径模型,并且对求解所使用的遗传算法进行了概述,详细分析编码过程、染色体选择、遗传和变异原理,以及文中所选用的相关方法。(2)研究带交通限行的开放式车辆路径问题。通过商品流量公式研究车辆-无人机路径问题,并在其中引入交通限行因素。在该问题中,无人机与车辆结合,解决交通限行路段的货物配送。在首先给出的客户群体中进行随机分组,组内存在限行路段无人机和车辆可以选择无人机派送这些路段。此外,无人机每次离开车辆,只运送一次货物后即与车辆会合。实现了对交通限行问题的解决,达到降低总物流成本和碳排放量的目的。(3)研究遗传算法求解VRP问题。在给定的送货区域内,采用实数制编码方式对客户群体编码,生成初始客户种群,将物流过程总成本和碳排放量作为收敛目标,实现送货顺序的交叉和变异,使得种群按一定规则不断迭代直至得到最优解。(4)编写代码对该VRP问题进行实验模拟和分析。通过MTALAB软件编写代码,对带有交通限行的开放式无人机-车辆路径问题进行了实验模拟,分析其在交通限行条件下整个物流过程的碳排放量变化和成本消耗情况。本文的创新性研究成果和贡献工作包括以下几方面:(1)搭建车辆无人机路径模型,在其中引入交通限行约束。总结先前工作,在现有数学模型中引入交通限行约束条件,研究在交通限行路况中,无人机对物流的影响;(2)使用遗传算法对所搭建模型求解最优路线,在遗传算法编码前进行了分组优化,提高了遗传效率,为运输管理和物流配送等领域的车辆路径问题的研究提供了一定的借鉴和参考价值。