正逆向物流一體化車輛路線問題研究.pdf

1、小批量多批次配送已成為現(xiàn)代物流配送發(fā)展的一大趨勢(shì)，而車輛路線問題是其關(guān)鍵問題。目前配送通常將正向物流和逆向物流單獨(dú)配送，這樣會(huì)導(dǎo)致較高的車輛空載率。為了節(jié)約資源，降低成本，本文將二者整合起來，研究正逆向物流一體化車輛路線問題。分別從確定性、模糊性和動(dòng)態(tài)三方面研究了該類問題的模型和算法。論文的創(chuàng)新點(diǎn)主要體現(xiàn)在對(duì)車輛路線問題的拓展及相應(yīng)有效算法的設(shè)計(jì)，具體包括以下幾個(gè)方面：
　　 (1)租賃條件下的第三方物流多車型硬時(shí)間窗車輛路線問

2、題研究。建立了以車輛租賃費(fèi)用和運(yùn)行費(fèi)用最小為目標(biāo)的模型，并提出了結(jié)合模擬退火法的混合遺傳算法。該算法以優(yōu)先滿足最小費(fèi)用車型的策略來分配多車型車輛，并采用客戶直接排列的方法以實(shí)現(xiàn)車輛數(shù)的變化。算例分析表明，該混合遺傳算法具有較好的搜索能力和求解穩(wěn)定性，按最小費(fèi)用分配車輛策略可為第三方物流企業(yè)車輛的租賃決策提供重要依據(jù)。
　　 (2)大規(guī)模同時(shí)集散貨物路線問題的算法設(shè)計(jì)研究。首先應(yīng)用分形理論中的空間填充曲線法求解初始解，接著將當(dāng)前解

3、分解成幾個(gè)獨(dú)立的路線子集合，再用新禁忌搜索算法求解每個(gè)路線子集合，最后將子集合求得的最好路線組成新的當(dāng)前解，其中新禁忌搜索算法集成了大量的鄰域搜索方法，并采用了重起和擾動(dòng)策略。數(shù)據(jù)實(shí)驗(yàn)表明，該算法取得了新的最好解，為同時(shí)集散貨物路線問題的求解提供了新思路。
　　 (3)業(yè)務(wù)繁忙環(huán)境下帶時(shí)間窗的同時(shí)集散貨物路線問題研究。以車輛數(shù)、運(yùn)輸里程和完成運(yùn)輸任務(wù)總時(shí)間最小為目標(biāo)建立了多目標(biāo)模型，并提出了基于路線集合劃分的分解迭代算法以解決大

4、規(guī)模問題。數(shù)據(jù)實(shí)驗(yàn)表明，該算法能有效解決帶時(shí)間窗的單向車輛路線問題和集散一體化的雙向車輛路線問題，為物流配送提供了有力的決策依據(jù)。
　　 (4)配送車輛數(shù)和車輛工作時(shí)間有限的多車次同時(shí)集散貨物路線問題研究。以車輛數(shù)和運(yùn)輸里程最小為目標(biāo)建立了多目標(biāo)模型，提出了允許不可行解的搜索算法。該方法能同時(shí)解決路線安排和路線分配的問題，其中路線安排采用了4種鄰域搜索方法和重起策略，路線分配采用了初次分配和二次調(diào)整策略。算例分析表明，該方法能有

5、效地找到滿意解，采用多車次安排路線比單車次安排路線更加經(jīng)濟(jì)合理。
　　 (5)逆向需求模糊的同時(shí)集散貨物路線問題研究。建立了基于模糊置信度理論的多目標(biāo)模型，并提出了基于模擬的改進(jìn)禁忌搜索算法來求解該模型。該算法用模擬的方法計(jì)算路線失敗值，在路線搜索中采用路線內(nèi)部改善和路線間改善兩類鄰域操作，而且采用了重起策略。算例表明，該算法優(yōu)于傳統(tǒng)的掃描算法，并且正逆向物流整合與分別運(yùn)輸相比其運(yùn)輸費(fèi)用顯著減少。
　　 (6)逆向需求動(dòng)