考虑分散协作及数量折扣的双目标电动车辆路径优化

当前传统燃油车辆造成了极大的空气污染和资源浪费,电动车辆和协作物流是降低碳排放、提高运输效率的有效途径。本文基于协作物流的思想,建立以运输利润最大及配送任务完成量最大为双目标,考虑分散协作及数量折扣的带时间窗电动车辆路径优化模型。设计将贪婪随机自适应搜索—进化邻域搜索(GRASP-ELS)混合算法与ε-约束法相结合的ε-约束混合进化算法,并通过算例对模型和算法进行测试。实验结果表明:所提出的算法优于多目标优化算法NSGA-Ⅱ;通过灵敏度分析给出管理启示。本文为分散协作情境下电动车辆配送优化提供方法借鉴与决策参考。

基于文献计量和知识图谱的电动车辆路径问题研究综述

为揭示电动车辆路径问题领域的研究与发展现状,对CNKI和Web of Science数据库中电动车辆路径问题1994-2022年间的期刊文献进行知识挖掘与分析。基于文献计量学的量化分析与知识图谱的可视化,通过分析文献外部特征和共被引情况,梳理研究热点及热点演进趋势,归纳研究主题,总结出电动车辆路径问题的知识域包括研究主题和应用场景,其中,研究主题由变体研究、充电调度、求解方法三部分构成;对电动车辆路径问题在复杂实际问题、高效求解算法方面的未来发展进行展望,这将为电动车辆路径问题研究的深入化与国际化提供一定的推动作用。

电动车辆路径问题:可调鲁棒数学模型与算法

针对行驶时间不确定的允许部分充电的带时间窗电动车辆路径问题,考虑多面体不确定集度量行驶时间的不确定性,建立了一个可调鲁棒优化模型,设计了基于行生成和集划分的求解算法,采用标号法对路径的可行性进行判定,并将不可行的路径作为新的约束加入到模型中.数值实验表明,94%的算例可求得最优解,这验证了本算法的效率;利用多面体不确定集进行度量对总行驶距离和车辆总数目具有正向的影响;相比于普通鲁棒优化,可调鲁棒优化的求解结果有显著提高,可以提升车辆调度的灵活性.

资源共享模式下多中心共同配送电动车辆路径优化问题

针对电动车辆路径优化在充电站共用和车辆共享相结合方面存在的不足,提出充电站和电动车在多服务时间段内共享以及多中心间的集中运输调度策略,研究了基于资源共享的多中心共同配送电动车辆路径优化问题。首先,构建了包含电动车租赁成本、电量消耗成本、服务成本、违反时间窗惩罚成本的运营成本最小化和电动车使用数最小化的双目标优化模型。其次,根据模型特点设计了考虑客户地理位置和需求时间窗的3D-K-means时空聚类算法,提出一种基于Clarke-Wright(CW)节约算法的多目标粒子群(MOPSO)混合算法(CW-MOPSO)。该混合算法集成了CW节约算法生成的初始解,并在MOPSO中设计了充电站插入策略、外部存档更新策略和资源共享策略,提高了帕累托优化解的质量。再次,与非支配排序遗传算法、多目标遗传算法和多目标梯度进化算法进行了对比分析,验证了CW-MOPSO混合算法的有效性。最后,结合重庆某物流企业的实际数据对资源共享模式下多中心共同配送电动车辆路径优化问题进行研究,探讨了电动车在充电站的排队等待时间存在不确定性、电动车电量消耗和速度呈阶梯性关系以及不同资源共享模式下多中心共同配送的运营成本、电动车使用数、电量消耗和充电站使用数等指标的变化情况。研究结果表明:部分充电站排队、其余充电站不排队场景下存在部分电动车为了减少排队等待时间会选择较远距离的充电站进行充电的情景,进而增加了电动车的行驶距离并存在较高的客户延迟服务惩罚成本;而当不同服务时间段电动车具有不同速度状态时,电动车的电量消耗在长距离匀速行驶过程中比多次不同速度状态短距离行驶的电量消耗更少。此外,本研究所提出的模型和算法能够实现多中心共同配送线路中充电站的共享、电动配送车辆的共享调度以及合理的电动车辆路径优化,并在有效提高多中心共同配送网络运营效率的同时降低物流运营成本,为城市物流配送企业进行充电站的合理化配置和电动配送车辆路径优化调度提供理论支撑和决策参考。

改进充电策略下电动车辆路径问题建模与仿真

目前电动车辆路径问题中的充电策略通常是完全充电策略,会带来充电时间不灵活,难以满足客户时间窗等问题。针对该问题,提出了改进充电策略,将车辆充电时间点、充电站点和充电电量作为决策变量,以电动车辆运营总成本最小为目标函数,建立了混合整数规划模型,并提出了自适应遗传算法融合模拟退火算法的混合启发式求解算法。最后,算例仿真测试和灵敏度分析结果验证了模型和算法的有效性和实用性。

基于两阶段求解策略的动态电动车辆路径优化研究

由于政府对新能源汽车的补贴政策和市区对燃油车限行政策的实时,越来越多的物流公司在城市配送中广泛采用电动汽车。然而,电动车续航里程受限,需要在途充电或者换电,同时客户需求的动态性以及充/换电设施的排队等现实因素也应该被考虑。为此,提出了分阶段策略求解动态电动车辆路径优化问题,并建立了两阶段的EVRP模型。其中第一阶段针对静态客户建立了静态EVRP模型,第二阶段在设计了换电站及动态客户插入策略的基础上,建立了动态EVRP模型以路径更新策略。最后,设计改进的CW-TS混合启发式算法来求解静态模型,设计贪婪算法求解动态模型。实验结果表明,模型与算法具有较好的适用性和有效性。

混合变邻域搜索算法求解大规模电动车辆路径优化问题

基于真实的物流场景,研究了带时间窗的多车型和多循环电动车辆路径问题。建立了一个基于路径的混合整数线性规划模型,可精确求解小规模算例。提出了将变邻域搜索算法和标签算法相结合的混合启发式算法,用以求解大规模情形。该算法提出了一种带随机因子的启发式算法构造初始解,并对时间窗和里程约束进行了松弛,使用邻域算子进行变邻域搜索,使用标签算法精确求解了固定商户配送顺序下的路径最优充电决策问题。测试结果表明:混合变邻域搜索算法可在极短时间内找到最优解,能大幅度降低物流成本。

线性充电策略下多车型电动车辆路径模型研究

针对现实物流配送场景下使用多种具有不同载重、不同续航里程和不同购置成本的电动车队进行物流配送的问题,研究了线性可变充电策略下的多车型电动车辆路径问题。提出了基于路径的混合整数线性模型。列举了任意非充电节点之间所有车型访问的路径,通过负载约束、时间窗约束剔除不可行的路径,通过占优准则剔除被占优的路径。与传统的基于充电站副本的模型相比,该模型不再需要设置充电站副本个数。通过对该模型在不同规模下的公共算例进行仿真实验,结果表明,该模型在求解质量与求解速度方面优于其他模型,验证了模型的有效性。

基于自适应变邻域搜索的大规模电动车辆路径优化

针对变邻域搜索后期出现的在某些邻域内长时间无法找到更优的可行解的情况,提出了一种基于邻域选择概率自适应的变邻域搜索算法。该算法能够自适应调整在某个邻域进行搜索的概率,进而提高优化效率。对城市配送中的大规模电动车辆路径问题进行了建模分析,根据客户的地理位置、时间窗等信息设计了高效的初始解生成算法。使用片段交换、2-opt、Relocation等邻域算子进行自适应变邻域搜索。最后使用不同规模的实际数据对算法进行仿真验证,相比于传统的变邻域搜索算法,本文算法能更有效地跳出局部最优解,降低物流成本。

考虑弹性时间窗的电动车辆配送路径问题研究

电动车辆充电时间长和充电设施不足的问题严重影响了其在物流配送领域的有效推广。针对该问题,提出了换电模式下电动车辆配送路径问题。首先构建了包括车辆租赁成本、运输成本、惩罚成本和换电成本在内的物流运营成本最小化的数学模型,并使用弹性时间窗代替传统软时间窗;其次,应用改进的遗传算法对模型进行求解;得出最优的配送方案,验证了模型和算法的有效性,并与传统软时间窗下的优化结果进行对比,研究表明采用弹性时间窗可以有效降低物流运营成本。

基于混合遗传搜索求解载重约束的电动车辆路径问题

载重约束的电动车辆路径问题(capacitated electric vehicle routing problem,CEVRP)是物流配送中的一种NP困难的组合优化问题,要求满足车辆的载重和电量约束条件,最小化总配送距离。提出一种混合遗传搜索算法来解决CEVRP,将其分解为两个子问题:载重约束的车辆路径问题和固定路径车辆充电问题。设计了双层染色体结构的编码方案,表示两个子问题的决策变量。采用Split操作生成满足载重约束的车辆路径,使用Relocate、2-Opt、2-Opt^(*)、SWAP和SWAP^(*)邻域搜索算子对其进行局部优化;提出一种基于回溯的充电策略,将合适的充电站编号插入车辆路径,以满足电量约束。本文算法与五种方法实验比较的结果表明,本文算法在多数CEVRP测试问题上能找到比其它方法更好的解,尤其适合于求解大规模的CEVRP。

考虑时变速度和动态需求的电动车辆路径问题

针对时变速度车辆路径问题,考虑动态客户需求并引入电动车替代燃油车。首先采用“wait-and-see”策略对动态需求进行建模,并建立其静态子问题的混合整数规划模型。然后提出了基于时域划分的求解算法,在每个时域的结束时刻处理动态需求,并利用模拟退火结合变邻域搜索的混合启发式算法来求解,从而实现电动车辆路径的循环优化与更新。最后设计了多种类型和规模的测试算例,测试结果表明本文算法既可以有效求解静态问题,也可以实现动态新增需求的实时处理。

带软时间窗的电动车辆路径优化问题

纯电动汽车作为一种新型的交通运输工具,其以节能、低碳以及绿色的显著优势已经被广泛地运用到各种物流场景中,但是其受到续航里程和充/换设施不健全等因素的影响,使得与传统汽车相比具有更高的使用成本。为了降低电动汽车在物流配送过程中的使用成本,研究了带软时间窗的电动车辆路径优化问题,建立了以最小化路径成本、时间窗惩罚成本以及车辆使用成本为目标函数的数学模型,并设计了节约里程加改进的禁忌搜索算法对该模型进行求解。最后,结合算例对提出的混合启发式算法进行了检验与分析。

低碳视角下城乡区域混合车队生鲜配送路径问题研究

随着物流行业绿色化转型加快,越来越多的物流企业使用由燃油冷藏车和电动冷藏车组成的混合车队来完成生鲜配送。本文综合考虑环境效益、企业效益、客户满意度、生鲜产品特点等因素,建立燃油车辆与电动车辆混合车队生鲜配送路径优化模型,并选取城市与农村两种不同客户分布类型的区域作为算例分析。结果表明,相比于纯燃油车队与纯电动车队,混合车队可为城市地区的生鲜配送节省32.9%~39.4%的总成本,为农村地区节省12.1%~21.4%的总成本,且合理的配送中心位置和充电桩布局方案能为企业、客户与环境带来更优的效益。本文为物流企业根据配送区域特点制定合理的车队配置及路径方案,为政府进行末端冷链配送中心选址与电动冷藏车充电设施布局提供了理论参考,进一步促进了冷链物流绿色转型。

考虑多行程与同时取送货的电动车路径问题研究

针对城市物流配送中的电动车辆路径优化问题,考虑电动汽车的充电特性以及车辆多行程和需求点的双向货流,以最小化车辆成本、行驶成本和充电成本为目标,建立考虑多行程与同时取送货的电动车辆路径问题(EVRPMTSPD)模型,并采用列生成算法进行求解.为提高子问题求解速度,提出了基于蚁群算法的启发式寻路算法用以处理较大规模问题,数值实验验证了模型与算法的有效性,表明了考虑多行程和同时取送货能有效降低成本和提高效率.