不確定因素下車輛路徑問題建模及優(yōu)化方法研究.pdf

1、車輛路徑問題(Vehicle Routing Problem，VRP)作為物流運(yùn)輸研究的一個重要問題，在現(xiàn)實(shí)中具有廣泛的應(yīng)用基礎(chǔ)。人類需求的日益多樣化和現(xiàn)實(shí)世界存在的大量不確定因素，都加大了車輛調(diào)度管理的難度。盡管不確定因素下的VRP問題已有了一系列研究成果，但缺乏探討車輛配送中的動態(tài)管理策略和處理異常信息的快速反應(yīng)機(jī)制。本文重點(diǎn)研究了不確定因素下VRP的建模和優(yōu)化方法，主要研究內(nèi)容和創(chuàng)新性工作如下：
　　 針對標(biāo)準(zhǔn)的帶時間窗V

2、RP的多目標(biāo)數(shù)學(xué)模型，研究了三種基于混合搜索策略的啟發(fā)式算法。離散差分進(jìn)化混合算法采用線性加權(quán)的方法來處理多目標(biāo)模型，并發(fā)展了新的變異和交叉算子，對精英個體運(yùn)用局部禁忌搜索以提高算法的尋優(yōu)能力。提出了一種構(gòu)造多樣性初始解的隨機(jī)車輛配載方法，以及插入可行鄰域和2-Opt可行鄰域兩種搜索可行解的鄰域結(jié)構(gòu)。文化基因算法和多目標(biāo)文化基因算法分別采用線性加權(quán)法和Pareto方法來處理多目標(biāo)模型，種群搜索采用遺傳算法，局部搜索采用禁忌搜索。仿真對比

3、實(shí)驗(yàn)驗(yàn)證了三種算法的有效性。
　　 針對具有模糊需求量的VRP，提出了一種動態(tài)管理方法。采取一種事前預(yù)測的策略，在初始計劃執(zhí)行中實(shí)時進(jìn)行動態(tài)調(diào)整。設(shè)計了一種嵌入模糊模擬的NSGA-Ⅱ混合算法，分析了決策者主觀偏好值對決策目標(biāo)的影響，然后與傳統(tǒng)車輛調(diào)度方法進(jìn)行了對比分析，驗(yàn)證了本文提出的動態(tài)管理策略的有效性。針對具有模糊預(yù)約時間的VRP，應(yīng)用模糊事件給出了車隊(duì)服務(wù)滿意度的一個新的度量方法和求最大滿意度的計算方法。進(jìn)而提出了一種基于

4、Pareto優(yōu)化的多目標(biāo)禁忌搜索算法，通過與NSGA-Ⅱ算法進(jìn)行仿真對比實(shí)驗(yàn)，證明了多目標(biāo)禁忌搜索算法是求解多目標(biāo)組合優(yōu)化問題的一種有效的方法。
　　 考慮顧客的主觀偏好影響，研究了模糊時間窗VRP的集成優(yōu)化方法。在多目標(biāo)禁忌搜索算法中嵌入優(yōu)化顧客滿意度的動態(tài)規(guī)劃方法，來求解以物流配送成本和顧客平均滿意度為目標(biāo)的模型。對模糊時間窗為線性分段函數(shù)形式和非線性凹函數(shù)形式的隸屬度函數(shù)，分別提出了有限枚舉算法和次梯度二分迭代算法來優(yōu)化顧