考慮路徑一致性和工作量平衡的車輛路徑優(yōu)化問題
發(fā)布時(shí)間:2020-07-30 05:29
【摘要】:在物流運(yùn)輸行業(yè)中,高質(zhì)量的運(yùn)輸服務(wù)是提高顧客滿意度的關(guān)鍵因素,因此本文提出運(yùn)輸路徑一致性的策略,為物流運(yùn)輸企業(yè)實(shí)現(xiàn)高質(zhì)量服務(wù)提供新的路徑規(guī)劃和車輛部署方案。路徑一致性策略旨在允許周期內(nèi)每天可訪問無需求顧客點(diǎn)的前提下,限制每位司機(jī)在周期內(nèi)可行駛不同路徑的最大數(shù)量,從而增加司機(jī)對(duì)行駛路徑的熟悉程度,提高運(yùn)輸服務(wù)的質(zhì)量和可靠性。基于路徑一致性策略所得到的實(shí)際路徑行駛方案是指周期內(nèi)每天只訪問有需求顧客點(diǎn)的路徑行駛方案,雖然它一定程度上破壞了司機(jī)對(duì)行駛路徑的熟悉度,但影響到了顧客所享受到的服務(wù)司機(jī)一致性以及到達(dá)時(shí)間一致性效果。因此本文著重研究考慮路徑一致性的周期性車輛路徑問題,目標(biāo)是最小化司機(jī)在周期內(nèi)的總工作時(shí)間,總工作時(shí)間包括行駛時(shí)間和服務(wù)時(shí)間。為了求解這個(gè)問題,本文建立了一個(gè)混合整數(shù)線性規(guī)劃模型,并用現(xiàn)有的混合整數(shù)線性規(guī)劃求解器CPLEX進(jìn)行求解。為求解大規(guī)模算例,本文開發(fā)了一個(gè)帶禁忌搜索改進(jìn)的大型鄰域搜索算法。算法中包含了節(jié)約里程算法獲得初始解,四種算子進(jìn)行鄰域搜索和鄰域變換,以及禁忌搜索算法進(jìn)行改進(jìn)等步驟。最后,本文采用了一致性車輛路徑優(yōu)化問題中的基準(zhǔn)數(shù)據(jù),進(jìn)行了小,中,大規(guī)模下的數(shù)值試驗(yàn),驗(yàn)證所提出模型和算法的有效性及求解效果;并分析基于路徑一致性策略所派生出來的實(shí)際行駛路徑方案所帶來的服務(wù)司機(jī)一致性和到達(dá)時(shí)間一致性所的效果。此外,本文以考慮工作量平衡的周期性車輛路徑優(yōu)化問題作為擴(kuò)展研究,將周期內(nèi)司機(jī)間的最大工作量差異值控制在小范圍內(nèi),從而保證每位司機(jī)在周期內(nèi)的工作量處于同一個(gè)水平。為求解這個(gè)問題,本文建立了數(shù)學(xué)模型,并應(yīng)用了局部分支算法。數(shù)值實(shí)驗(yàn)部分比較了CPLEX求解結(jié)果與局部分支算法的求解結(jié)果;并分析了工作量平衡對(duì)總工作時(shí)間的影響。
【學(xué)位授予單位】:上海大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2019
【分類號(hào)】:U116.2;F540
【圖文】:
∈ 中選擇行駛某一條路徑,并且也能保證在周期內(nèi)的任意天里行駛同一條路徑,從而實(shí)現(xiàn)了路徑一致性。為了更清晰的闡述 LNS-TS 算法的第一階段,本文給出了一個(gè)周期天數(shù) T=5 的例子,如圖 4.1 所示。圖 4.1 LNS-TS 算法第一階段的基本框架圖 4.1 中提到的 LNS-TS 算法第一階段中初始化過程,變異過程和禁忌搜索改進(jìn)過程在接下來的章節(jié)中會(huì)仔細(xì)介紹。4.1.1 解的初始化在初始化過程中,本文用到了 C-W 最大化節(jié)約里程算法。這個(gè)算法的基本思想是:通過節(jié)約最多的路徑行駛時(shí)間將兩個(gè)環(huán)整合成一個(gè)環(huán)(最開始的時(shí)候,一個(gè)環(huán)中包含車場(chǎng)和一個(gè)顧客,行駛路徑是從車場(chǎng)出發(fā),訪問完這個(gè)顧客后,回到車場(chǎng)。更新后的環(huán),也是以車場(chǎng)為起點(diǎn)和終點(diǎn))。重復(fù)這個(gè)操作,直到這些環(huán)在容量和行駛時(shí)間的約束下再也無法整合出新的環(huán)時(shí)停止。C-W 節(jié)約里程算法相對(duì)于隨機(jī)生成的方法來說,所生成初始解的質(zhì)量較高,從而能夠加快后續(xù)鄰域搜索的進(jìn)程。在使用 C-W 最大化節(jié)約里程算法生成初始解的時(shí)候,需要注意的是,對(duì)于子集合內(nèi)只包含一天的情況來說
的解空間進(jìn)行分支,分支過程如圖6.1所示。它的應(yīng)用范圍主要是用于求解小,中規(guī)模的算例。在圖 6.1 中,本文先定義了幾個(gè)輸入?yún)?shù),其中,“ ”是控制鄰域大小的參數(shù),其取值需要在合適的范圍以保證既能夠加快求解時(shí)間,又能夠在這鄰域中找到新的更好的解!癗”是允許的迭代次數(shù),“ ”是允許的連續(xù)未提高解質(zhì)量的次數(shù),當(dāng)達(dá)到其中任意一個(gè)數(shù)值時(shí),整個(gè)算法停止!癘BJ”是目標(biāo)值,也代表目前找到的最好的解,在整個(gè)過程中,“ ”指的是在第 n 次迭代時(shí)找到的最好的解
本文編號(hào):2775090
【學(xué)位授予單位】:上海大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2019
【分類號(hào)】:U116.2;F540
【圖文】:
∈ 中選擇行駛某一條路徑,并且也能保證在周期內(nèi)的任意天里行駛同一條路徑,從而實(shí)現(xiàn)了路徑一致性。為了更清晰的闡述 LNS-TS 算法的第一階段,本文給出了一個(gè)周期天數(shù) T=5 的例子,如圖 4.1 所示。圖 4.1 LNS-TS 算法第一階段的基本框架圖 4.1 中提到的 LNS-TS 算法第一階段中初始化過程,變異過程和禁忌搜索改進(jìn)過程在接下來的章節(jié)中會(huì)仔細(xì)介紹。4.1.1 解的初始化在初始化過程中,本文用到了 C-W 最大化節(jié)約里程算法。這個(gè)算法的基本思想是:通過節(jié)約最多的路徑行駛時(shí)間將兩個(gè)環(huán)整合成一個(gè)環(huán)(最開始的時(shí)候,一個(gè)環(huán)中包含車場(chǎng)和一個(gè)顧客,行駛路徑是從車場(chǎng)出發(fā),訪問完這個(gè)顧客后,回到車場(chǎng)。更新后的環(huán),也是以車場(chǎng)為起點(diǎn)和終點(diǎn))。重復(fù)這個(gè)操作,直到這些環(huán)在容量和行駛時(shí)間的約束下再也無法整合出新的環(huán)時(shí)停止。C-W 節(jié)約里程算法相對(duì)于隨機(jī)生成的方法來說,所生成初始解的質(zhì)量較高,從而能夠加快后續(xù)鄰域搜索的進(jìn)程。在使用 C-W 最大化節(jié)約里程算法生成初始解的時(shí)候,需要注意的是,對(duì)于子集合內(nèi)只包含一天的情況來說
的解空間進(jìn)行分支,分支過程如圖6.1所示。它的應(yīng)用范圍主要是用于求解小,中規(guī)模的算例。在圖 6.1 中,本文先定義了幾個(gè)輸入?yún)?shù),其中,“ ”是控制鄰域大小的參數(shù),其取值需要在合適的范圍以保證既能夠加快求解時(shí)間,又能夠在這鄰域中找到新的更好的解!癗”是允許的迭代次數(shù),“ ”是允許的連續(xù)未提高解質(zhì)量的次數(shù),當(dāng)達(dá)到其中任意一個(gè)數(shù)值時(shí),整個(gè)算法停止!癘BJ”是目標(biāo)值,也代表目前找到的最好的解,在整個(gè)過程中,“ ”指的是在第 n 次迭代時(shí)找到的最好的解
【參考文獻(xiàn)】
相關(guān)期刊論文 前1條
1 劉恒宇;汝宜紅;;一致性車輛路徑問題下基于模板路徑的模擬退火法[J];交通運(yùn)輸系統(tǒng)工程與信息;2015年06期
本文編號(hào):2775090
本文鏈接:http://www.sikaile.net/kejilunwen/daoluqiaoliang/2775090.html
最近更新
教材專著