带时间窗偏好的多行程模糊需求车辆路径优化

作者:张晓楠;范厚明; 刊名:计算机集成制造系统 上传者:王敏

【摘要】为使模糊需求车辆路径问题更贴近现实情况,考虑开放车辆行程限制和设置客户时间窗偏好,研究了带时间窗偏好的多行程模糊需求车辆路径问题。首先,在需求未明的预优化阶段,以物流成本和时间成本总和最小为目标,建立了预优化模型,其中决策变量增加了行程维度的表达、车辆容量约束按单行程核算、客户到达时间约束按多行程累加计算、客户满意度约束定义为到达时间隶属度函数;其次,在获知实际需求的实时调整阶段,基于提前柔性选择返回点和不完全局限和固定计划返回点两个原则,提出基于调整成本期望值的实时调整策略。最后,种群进化算法求解测试算例验证了预优化模型的有效性,随机模拟算法模拟实时场景验证了实时调整策略的有效性。

全文阅读

0引言车辆路径问题(Vehicle Routing Problem,VRP)是运筹学和组合优化领域的热点问题,为了使其更贴近实际,研究了VRP的各类扩展问题[1]。模糊需求车辆路径问题(VRP with Fuzzy De-mands,VRPFD)是在VRP的基础上考虑客户需求符合模糊特征且确切需求信息往往在车辆到达客户点时才能获知的情况,在应急物流、邮递等领域具有应用价值[2]。两阶段法是求解VRPFD的常用方法,即在客户需求未明情况下先设计一个预优化方案,当车辆按预优化方案逐一到达客户并获知客户的实际需求后,可能发生实际剩余车载量不足够服务该客户的情况,为避免预优化路径失败,对车辆是否需要返回配送中心补货进行实时调整[3]。相关研究从两方面进行:(1)构建预优化模型,例如Teodorovic等[4]运用模糊推理求解;Luci等[5]运用模糊集合求解;张建勇等[6]运用模糊可能性理论求解;曹二保等[7]运用模糊可信性理论求解;王连峰等[8]为避免可信性理论中置信水平的影响,建立失败事件的模糊期望值模型。(2)提出实时调整策略,Teodorovic等[4]提出一种基于失败点返回的调整策略,以发货为例,定义车辆按计划路径服务某一客户j后的实际剩余车载量为Qj,当Qj<0时标记j点成为失败点,车辆服务j点后返回配送中心补货,再回到j点服务剩余需求,继而服务剩余客户;实际上,依据三角形三边原理,在失败点的前序点返回一定比在失败点返回更优,为此Yang等[9]以随机需求VRP为例更改Qj<0的判断,即当Qj小于等于下一客户需求期望值时,车辆立即返回配送中心补货,但实验发现,该策略虽能降低失败点出现的概率,却可能增加不恰当的返回次数,造成运力浪费和成本增加;之后,张晓楠等[10]通过平衡失败点出现概率和车辆返回次数提出“基于调整成本期望值”的实时调整策略用于调整VRPFD。然而,无论构建预优化模型还是提出实时调整策略,现有研究均假设车辆在预优化阶段只能从配送中心出发一次,完成配送后回到配送中心,不允许中途返回补货,而在实时调整阶段却允许车辆中途返回补货后继续服务。若定义车辆从配送中心出发后回到配送中心为一次行程,即预优化阶段的车辆单行程行驶方案可能会在实时调整阶段调整为多行程行驶方案。现实中的很多VRP存在允许车辆多行程行驶的情况,属于多行程VRP(Multi-tripVRP,MVRP)范畴。目前一些学者已在静态环境下证明多行程可有效减少车辆数量,降低发车成本,提高配送服务水平[11]。为使VRPFD更贴近现实情况,获取更优的配送方案,本文基于前期文献[10],开放车辆行程限制,同时考虑客户的时间窗偏好,研究带时间窗偏好的多行程模糊需求车辆路径问题(Multi-trip VRPwith Fuzzy Demands considering Time Windowpreference,MVRPFDTW),侧重MVRPFDTW的预优化模型构建和实时调整策略提出。为简化管理决策难度,确保司机对行驶路线和服务客户的熟悉度,这里的实时调整策略同文献[4,9-10]一样,假设车辆不改变计划方案安排好的客户集合和服务顺序。相对于VRPFD,MVRPFDTW的求解存在以下难点:(1)车辆的计划路径可能包含多个起止于配送中心的单行程,每个客户只能由一辆车的一个行程服务一次,且在每个行程开始时,车辆容量还原,时间花费不还原;(2)对于包含多个行程的计划路径,在实时调整阶段,如何看待这些已计划好的返回点。(3)在考虑时间的前提下,车辆返回配送中心补货可能同时导致配送长度增加和客户到

参考文献

引证文献

问答

我要提问