出于環(huán)境和經(jīng)濟(jì)的考慮,配送企業(yè)開(kāi)始采納電動(dòng)汽車(chē),而充電設(shè)施的缺乏給電動(dòng)汽車(chē)車(chē)隊(duì)的運(yùn)營(yíng)帶來(lái)挑戰(zhàn)。同時(shí),企業(yè)往往會(huì)擁有多個(gè)配送中心,這增加了車(chē)輛規(guī)劃的復(fù)雜度�；诙嗯渌椭行能�(chē)輛路徑問(wèn)題和電動(dòng)車(chē)輛路徑問(wèn)題模型,考慮車(chē)輛可以在充電設(shè)施或其他配送中心充電的情況,構(gòu)建了多配送中心電動(dòng)車(chē)輛路徑優(yōu)化模型。設(shè)計(jì)了分散搜索算法對(duì)模型進(jìn)行求解,并將其與CPLEX、已知最優(yōu)解和其它算法進(jìn)行對(duì)比。結(jié)果表明:提出的分散搜索算法是有效的;路徑規(guī)劃中,將配送中心同時(shí)作為充電節(jié)點(diǎn)能夠緩解充電設(shè)施有限對(duì)企業(yè)運(yùn)營(yíng)造成的影響。 

【文章來(lái)源】：工業(yè)工程與管理. 2019,24(05)北大核心CSSCI

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

圖１本研究與相關(guān)文獻(xiàn)的繼承關(guān)系論文其余部分的安排如下：第２節(jié)建立多配送

在于產(chǎn)生具有一定多樣性的解集合。本文采用掃描算法來(lái)產(chǎn)生多樣性初始解。掃描算法由Ｇｉｌｌｅｔｔ和Ｍｉｌｌｅｒ［２２］提出，通過(guò)建立以配送中心為原點(diǎn)的極坐標(biāo)系，依次將所有顧客掃描一次，并根據(jù)車(chē)載容量進(jìn)行顧客的聚簇。以不同的顧客節(jié)點(diǎn)作為掃描起始點(diǎn)以及不同的配送中心作為原點(diǎn)，掃描算法最多可以產(chǎn)生“顧客數(shù)×配送中心數(shù)”種有一定重復(fù)的顧客聚簇方案，即多樣性初始解。（２）解改進(jìn)方法解改進(jìn)方法旨在對(duì)單個(gè)解進(jìn)行改進(jìn)和提高，其流程如圖２所示。此時(shí)顧客分簇是既定的。對(duì)于每一個(gè)顧客簇而言，進(jìn)行路徑規(guī)劃只需考慮：①如何找到最佳的配送中心；②如何得到電動(dòng)汽車(chē)的最優(yōu)配送路徑。對(duì)于第①點(diǎn)，由于不同顧客簇之間的配送中心選擇是相互獨(dú)立的，因此可用貪婪策略，即選擇各個(gè)配送中心依次與該顧客簇組合，根據(jù)得到的路徑結(jié)果來(lái)判斷并選擇最優(yōu)的配送中心。而對(duì)于第②點(diǎn)，由于此時(shí)問(wèn)題已簡(jiǎn)化為單配送中心下的電動(dòng)車(chē)輛路徑問(wèn)題，可用一般Ｅ－ＶＲＰ問(wèn)題的算法來(lái)求解。本文使用的是一類(lèi)改進(jìn)蟻群算法［１１］，該算法通過(guò)在經(jīng)典蟻群算法中引入路徑可行性判別方法和增加充電設(shè)施選擇與重復(fù)策略，來(lái)求解帶充電設(shè)施的Ｅ－ＶＲＰ問(wèn)題。與該算法原型的一個(gè)細(xì)微差別是，在算法的參數(shù)輸入時(shí)，將配送中心也作為一類(lèi)充電設(shè)施，會(huì)被作為充電設(shè)施插入車(chē)輛路徑的合適位置。在確定了路徑規(guī)劃結(jié)果之后，對(duì)于分簇的優(yōu)劣即有了判斷，因此可根據(jù)路徑結(jié)果對(duì)分簇進(jìn)行反饋優(yōu)化，從而提升算法整體效率。為了進(jìn)一步提高解的質(zhì)量，本文使用了交換

，掃描遇到節(jié)點(diǎn)塊內(nèi)任一節(jié)點(diǎn)時(shí)，均視為掃描到了該節(jié)點(diǎn)塊，塊內(nèi)節(jié)點(diǎn)必須同時(shí)進(jìn)入某一簇或者同時(shí)被跳過(guò)，從而保證節(jié)點(diǎn)塊能夠始終不被打散。在得到組合解時(shí)，首先得到子集中兩個(gè)解的相同部分，并連接成節(jié)點(diǎn)塊，之后通過(guò)改進(jìn)的掃描算法將所有的節(jié)點(diǎn)塊進(jìn)行重新組合，最終得到一個(gè)組合解。使用改進(jìn)掃描算法進(jìn)行解組合的實(shí)質(zhì)是將原有解的公共部分進(jìn)行保留，而將非公共部分進(jìn)行重新的合理組合。圖４改進(jìn)掃描算法基于以上五個(gè)步驟，可以得到分散搜索的總體框架（如圖５所示）。其中，虛線箭頭引出的內(nèi)容為當(dāng)前步驟下解的狀態(tài)示例。分散搜索的目標(biāo)是尋找最優(yōu)的顧客分簇，顧客分簇的優(yōu)劣則由當(dāng)前顧客分簇下的路徑規(guī)劃結(jié)果來(lái)進(jìn)行判斷。多樣性產(chǎn)生方法用于產(chǎn)生初始的顧客分簇方案；解改進(jìn)方法則承擔(dān)了路徑規(guī)劃的任務(wù)，該方法直接影響解的優(yōu)劣評(píng)價(jià)；參考集的更新和子集的產(chǎn)生根據(jù)本文研究對(duì)象的特點(diǎn)設(shè)計(jì)實(shí)現(xiàn)；而解組合方法則是將本輪迭代選出的較優(yōu)顧客分簇盡可能組合并保留。圖５分散搜索總體框架—１０１—

【參考文獻(xiàn)】：
期刊論文
[1]考慮碳排放的冷鏈物流聯(lián)合配送路徑優(yōu)化[J]. 鮑春玲,張世斌.  工業(yè)工程與管理. 2018(05)
[2]考慮充電設(shè)施重入的電動(dòng)汽車(chē)旅行商問(wèn)題研究[J]. 張鵬威,李英.  運(yùn)籌與管理. 2018(02)
[3]考慮運(yùn)載能力與行程約束的綠色車(chē)輛路徑問(wèn)題[J]. 董譽(yù)文,仉帥.  工業(yè)工程與管理. 2017(01)
[4]電動(dòng)汽車(chē)物流配送系統(tǒng)的換電站選址與路徑優(yōu)化問(wèn)題研究[J]. 楊珺,馮鵬祥,孫昊,楊超.  中國(guó)管理科學(xué). 2015(09)
[5]多配送中心物流車(chē)輛調(diào)度的改進(jìn)差分進(jìn)化算法[J]. 金濤.  計(jì)算機(jī)工程與應(yīng)用. 2014(03)
[6]求解多車(chē)場(chǎng)車(chē)輛路徑問(wèn)題的分散搜索算法[J]. 張軍,唐加福,潘震東.  系統(tǒng)工程. 2009(06)



本文編號(hào)：3216581