农村电商物流下无人机与车辆协同配送路径优化研究

无人机配送正在成为解决物流末端配送难题的重要手段。无人机与车辆协同配送模式克服了无人机配送能力不足、安全性不高的弊端,是无人机参与配送的重要途径之一。针对农村电商物流“最后一公里”配送难、配送贵问题,考虑无人机与车辆协同方式、多无人机多包裹配送等约束,以配送成本最小化为目标构建混合整数规划模型并提出一种两阶段算法对无人机与车辆协同配送路径优化问题进行求解。第一阶段通过带约束的自适应K-means算法确定车辆停靠点范围,第二阶段设计爬山算子与分裂算子改进遗传算法,求得无人机与车辆配送路径。最后,通过算例实验验证了模型和算法的可行性与有效性。研究成果有望为农村电商物流末端配送降本增效提供新思路和参考价值。

基于HTGVNS算法的卡车与无人机协同配送方法

在现代物流中,针对最后一公里配送中的成本高昂、耗时长、道路不易通行等难题,首次引入卡车与无人机协同配送模式,并以总配送时间最小化为目标,建立混合整数规划模型(MIP)。提出一种新的混合禁忌可变邻域搜索算法(HTGVNS)进行求解。算法利用旅行商问题(TSP)求解器和系统性邻域变化的探索能力求解卡车路径,将客户分配给无人机形成聚类,再使用禁忌搜索过程来优化无人机路径。通过求解不同规模算例验证了所建模型的可行性和算法的有效性。结果表明卡车与无人机协同配送模式能有效地减少配送时间,提高配送效率。

车辆与无人机协同配送路径规划问题研究进展

随着民用无人机技术的不断发展,无人机速度快、通行能力强等优势更加凸显。且无人机已经被一些企业应用到了物流配送当中。最近,一种车辆与无人机协同进行配送的模式在物流运输领域得到了广泛关注,国内外的学者针对车辆与无人机协同配送路径规划问题进行了大量的研究。首先,本文从优化目标以及约束两个方面对车辆与无人机协同配送路径规划模型进行了梳理。然后,对现有的车辆与无人机协同配送路径规划算法进行了分类总结。最后,探讨了车辆与无人机协同配送路径规划问题相关的研究热点与方向。

考虑无人机能耗的卡车无人机同步配送研究

以现代物流领域中使用卡车和无人机进行末端配送为背景,为商用物流配送企业提供卡车与无人机同步配送的新方案,针对卡车无人机配送的成本较高且效率较低问题,考虑了无人机有效载荷、飞行状态对无人机能耗及实际飞行航程的影响,对非同步运行模型进行改进,提出了考虑无人机能耗的卡车无人机同步运行选址模型,利用粒子群算法求解,通过对比不同载荷,飞行状态,客户点规模和运行模式下的差异证明了本文的配送模式下无人机能耗对选址结果的影响,并使传统卡车配送最低选址成本分别降低了20.67%,25.77%,29.14%和19.47%,增强配送的时效性及准确率,为未来物流配送一体化研究提供依据.

基于配送服务模式及路径策略的物流无人机调度模型

针对远距离城市空间物流无人机配送问题,提出基于两级多中心场景的无人机(Unmanned Aerial Vehicle, UAV)配送服务模式.综合考虑客户时间、无人机充电和配送路径策略等内容,建立以最小配送总成本为目标的两级多中心物流无人机城市配送调度模型,通过比较标准算例下Cplex优化软件与鲸鱼优化算法(Whale Optimization Algorithm, WOA)、遗传算法(Genetic Algorithm,GA)和灰狼优化算法(Grey Wolf Optimization, GWO)3种启发式算法的实验结果,确定求解算法以设计两阶段算法进行求解.以天津市中心城区为例进行模型求解,并从需求点规模、机型和时间窗3方面进行敏感度分析.研究结果表明:与闭合式路径相比,半开放式路径策略分别节省约11.09%、60.45%的配送总成本和时间窗惩罚成本,成本节省随配送规模增大而增加;提出的固定路径班次模式相比现有按需模式,其可变成本和总成本降幅均高于18%,使用无人机数量减少近28%,生成的班次时刻表和飞行路径时空图可显现不同模式优劣.本文提出的模型对优化远距离城市物流无人机调度方案及配送模式有一定实用价值,可为企业在物流无人机的配送规划方面提供参考.

多卡车与多无人机协同配送路径优化问题研究

随着智能物流业的飞速发展,卡车和无人机协同运输系统在业界的探索性应用越来越引起学界研究的重视.本文研究了多卡车多无人机协同配送问题,以最小化系统的总成本为优化目标,建立一个混合整数规划模型.为了求解该模型,本研究还设计了一种基于列生成的求解算法,以及基于变邻域搜索算法的加速算法改进策略,进一步缩短求解时间.本研究通过大量数值实验验证了所提模型的有效性和算法的有效性,另外还通过一些敏感性分析实验提出了若干对实践有指导意义的管理启示。

一种针对无人机配送网络的能量自维持调度方案

近年来,快递行业需求快速增长,物流配送行业压力剧增。无人机(UAV, unmanned aerial vehicle)配送凭借其人力成本低、灵活方便等特性成为车辆配送的有益补充。然而,无人机配送受续航能力和负载能力等因素的制约,需要低成本且能量自维持的配送和充电调度方案来支持多无人机的协同配送。提出了两阶段的能量自维持的多无人机协同配送及充电调度方案。第一阶段在满足无人机能量和载重容量约束的前提下,最小化能完成区域内所有配送任务所需的无人机数量,并给出对应配送路线。提出了无人机配送调度算法(UDSA, UAV delivery scheduling algorithm),并从理论上证明了UDSA的近似度。第二阶段对具有不同到达时间的无人机进行充电调度,最小化所有无人机的最大充电完成时间。提出了一种具有近似度的无人机充电调度算法(UCSA, UAV charging scheduling algorithm)来求解该问题。仿真实验结果表明,与基准算法相比,UDSA最多可以减少44.17%的无人机数量;UCSA最多可以缩短18.87%的最大充电完成时间。

考虑电池充电的无人机车辆物流配送模型

“最后一公里”物流配送是物流终端面对客户的最后一环。车载无人机的配送模式克服了道路对车辆的限制,但由于无人机的电池容量有限导致续航时间短,而每次完成配送任务回收无人机需要更换电池,使得人力成本以及配送时间的增加。基于这种无人机车辆的协同配送模式,考虑了无人机的电池电量消耗和在车辆上的充电速率限制,提出无人机在无配送任务时在车辆进行充电的配送路径规划模型。设计了一种结合遗传算法和邻域搜索算法的改进GRASP(greedy randomized adaptive search procedure)算法来求解模型。基于设计测试集进行测试实验,并对影响路径规划的主要因素进行灵敏度分析,以充分利用无人机的配送能力。

农村末端物流中车辆与无人机协同配送路径优化

针对农村末端物流配送问题,提出将车辆与无人机协同配送模式融入农村末端“乡-村-农村居民”三级配送体系,考虑无人机最大续航、最大载重等约束,以总配送成本最小化为目标构建数学模型,采用蚁群算法求解,并以Solomon算例中三种不同的客户分布数据集进行数值试验,结果表明,与传统单车辆配送模式相比,车辆与无人机协同配送模式的农村末端配送总成本明显降低,更好地解决了农村末端物流配送问题。且在客户分布具有聚簇特点时,车辆与无人机协同配送能够更大程度地降低配送成本。

海岛无人机多模式应急配送模型与算法研究

灾害情况下物资海岛配送是应急物流的一种特殊应用场景.无人机配送作为解决应急物流问题的一种新型配送方式受到广泛关注,并涌现出了一系列配送模式.通过考虑无人机成本、无人机飞行距离、无人机起降平台和地面配送成本,构建无人机直接配送、点对点双阶段配送、回路双阶段配送和双层物流配送网络4种配送模式.针对回路双阶段配送的多指标耦合特征,提出一种迭代启发式算法进行优化.围绕普陀山海岛场景,构建20~100个需求点和2~4个无人机起降平台的算例进行数值实验,分析并验证模型正确性和算法性能.实验结果表明,4种配送模式模型具有有效性;算法一般经过2~5次迭代,能够有效减少回路双阶段配送约19.08%的无人机飞行距离,减少双层物流配送网络约28.63%的地面配送距离.

无人机物流城市末端配送需求关键影响因素探索

无人机物流城市末端配送(DLULD)能有效解决传统末端配送存在的问题,更好地满足消费者需求。然而,DLULD需求受哪些因素影响,关键因素间的逻辑尚不清晰,直接限制了具体业务的推广与改进。通过文献研究构建需求影响因素指标体系,并首次将决策实验室-综合对抗解释结构模型引入DLULD研究,分析因素间关系与层级结构,找到提升DLULD服务的关键抓手,有助于物流业整体降本增效。结果表明:需求受到顶层、中间层和底层三层因素共同作用,并应重点关注服务可靠性、努力期望、绩效期望、交付风险和体积五个关键因素。据此提出,DLULD应从建立健全管理机制、把控运输风险,推动无人机技术持续发展、提高公众认知度,加强智能化水平建设、实现数字化管理等方面进行优化。

生鲜农产品车辆和无人机组合配送路径优化及效果测试

【目的】为提升生鲜农产品的配送效率,提出生鲜农产品车辆与无人机组合配送路径优化方案。【方法】按照生鲜农产品冷链配送体系要求,采用模糊K-means聚类方法确定生鲜农产品配送中心;定义配送中心位置为车辆和无人机组合配送的起点,以生鲜农产品配送总成本最小为目标函数,利用蚁群算法和无人机物流车协调配送算法求解上述构建的目标函数,获取最低配送总成本的配送路径规划结果;引入安全启发函数优化蚂蚁转移规则,获取安全最高的无人机最优配送路径。再按照该方法,将生鲜农产品按照质量划分为重件和轻件,并计算重件和轻件在配送过程中产生的成本,获取在不同的总配送生鲜农产品快件数量下,优化前与优化后的配送成本。【结果】效果测试表明,该方法具有良好的聚类效果,簇类凝聚度(Davies-Bouldin, DB)指数值均低于0.15,可合理选取配送中心,保证配送中心的覆盖程度。并且通过对比该方法应用前后的数据对比可知,应用前重件和轻件的配送成本明显更高于应用后的成本。【结论】该方法可以更高质量地完成车辆和无人机组合配送路径规划,能够显著降低生鲜农产品的配送总体成本,应用效果满足应用需求,提升配送效率。

考虑充电设施的无人机配送路径规划研究

为解决偏远农村地区物流配送存在的困难,对无人机配送进行系统性规划,共分3个阶段:考虑到续航里程限度,建立了充电设施选址模型;从绿色路由的角度,以最小化总能耗作为目标,建立了考虑充电设施的无人机多包裹配送路径规划模型;根据实际无人机数量进行任务分配,建立了任务分配模型。第一、三阶段的模型应用SCIP求解器求解。对第二阶段的混合整数非线性规划模型,设计了双层启发式算法CW节约-改进和修复乌鸦搜索算法(CW-IRCSA)求解。实验表明,对于洪格尔高勒镇的案例,充电设施的选址有利于节约资源,能得到能耗最低的配送路径,且任务分配合理;对于100个及以下的需求点规模,与CW节约-离散修复乌鸦搜索算法(CW-DRCSA)、CW节约-修复模拟退火(CW-RSA)相比,CW-IRCSA算法具有较高的求解精确度;在偏远地区,相对于传统卡车配送模式,无人机配送成本平均节约61.45%。

考虑无人机运行风险的车机协同配送路径规划方法

针对城市无人机与车辆协同配送路径规划问题,考虑无人机在城市区域飞行过程中的坠落伤亡风险和噪声影响,设计无人机路径分割方法,并采用相应的量化模型计算无人机坠落伤亡风险和噪声影响程度;引入无人机载重限制、区域噪声排放限制、无人机续航能力限制作为约束条件,构建以经济成本和风险成本最小为目标函数的双目标无人机与车辆协同配送路径规划模型。设计带精英策略的非支配排序遗传算法(NSGA-Ⅱ)对模型进行求解。结果表明:所提模型较传统车辆配送模型能够节约配送经济成本,并有效降低无人机运行风险,在规模较小、分布较均匀、中低风险配送节点较多的配送网络中效果更显著。

混合蛙跳算法求解车辆无人机协同配送问题

为了充分发挥无人机与车辆各自的优势,研究无人机起飞后可服务多个客户的车辆-无人机协同配送问题,其中考虑了车辆因区域限制、无人机因载重和续航限制导致2类运输工具配送范围均受到限制的约束.针对这类运输工具配送受限的车辆-多投递无人机协同配送问题(MDVCP-DR),以最小化总配送时间为优化目标,建立对应的数学模型,提出混合蛙跳算法(HSFLA)进行求解.提出新的编码与预调整解码方法,得到满足各种约束的可行解.建立基于4种交叉算子和精英表的个体生成方法,更新种群中的个体.设计自适应局部搜索策略来增强算法的局部开发能力,通过种群多样性检测策略来保证个体的多样性.通过仿真实验,验证了建立的数学模型的正确性和HSFLA的有效性.

无人机与卡车多组合配送问题研究

由于城市配送场景的复杂性,无人机开始被应用于“最后一公里”配送,但无人机配送受到其飞行距离与载重等限制,无人机与卡车组合配送得到广泛关注。结合卡车与无人机配送特点,研究了一类考虑无人机与卡车多组合下的配送路径优化问题;在考虑无人机的飞行范围与载荷等因素下,建立以总配送成本最小化的整数规划模型,并设计了结合改进K-means聚类搜索的混合变邻域搜索算法求解该问题。算例结果验证了所提模型的可行性和所设计算法的有效性,通过与其他配送方式相比,成本最高节约达22%,且随着算例规模扩大,成本节约不断增加,为实现城市地区末端物流的降本增效提供了决策参考和依据。

考虑等待成本的卡车与多无人机联合配送农村物流路径优化

车辆和无人机联合配送模式是降低末端配送成本、提高效率的全新尝试。本文考虑卡车和无人机相互等待成本,以最小总成本为目标建立了单卡车和多无人机联合配送路径优化模型。设计了自适应大邻域搜索算法,采用三种破坏算子和修复算子,对破坏、修复后的临时解使用模拟退火接受准则。对包含10-100个节点的呈均匀分布和簇状分布的2类算例进行求解,与CPLEX求解结果对比表明提出的算法具有较快的速度、较好的精度和稳定性;分析卡车携带不同数量无人机的联合配送方案,结果显示,相较于纯卡车配送,携带1-4台无人机的联合配送可降低农村物流配送总成本17.88%~28.94%;对无人机续航里程的敏感性分析,表明随无人机续航里程的增加配送成本呈先快速降低后缓慢降低或趋于稳定。

基于AHP-模糊综合评价的无人机配送风险管理

为贯彻落实碳达峰、碳中和政策,物流行业逐步走向更加智能化、低碳化的道路,末端配送作为物流重要环节之一势必与无人机等人工智能技术融合发展,因此尽早了解无人机配送存在的风险并提出相应解决方案,对未来无人机配送的发展意义重大。首先基于无人机配送发展现状和存在问题进行分析并识别相应风险,建立评价指标体系进行风险因素分析,利用层次分析和模糊综合评价法确定指标权重并进行评价。研究结果表明,无人机配送的关键风险为技术水平风险。此外,为更好应对无人机配送存在的风险挑战,针对其他风险因素提出相应建议,从而降低无人机配送面临的风险,推动未来无人机末端配送的普及发展。

基于三阶段优化的大无人机辅助小无人机物流配送方法

无人机包裹配送是近年来获得广泛关注的新配送方式,相比于基于地面车辆的配送方式,多无人机配送具有高效率、强时效性和灵活机动等优势.因此,本文提出了一种全新的异构多无人机物流配送模式,即单架大无人机辅助多架小无人机进行的包裹配送.该配送模式的新特点是:大无人机携带多架小无人机到配送区域放飞,多架小无人机分别配送所指派区域的包裹,每架无人机在一次航行中可配送多个包裹,多架小无人机同时进行配送.为了高效的求解这个新配送问题,文章设计了一种基于分而治之三阶段的迭代优化算法,第1阶段采用聚类方法对客户点聚类并生成初始解;第2阶段提出一种改进的变邻域搜索算法优化大无人机路径;第3阶段使用动态规划方法优化小无人机路径.这3个阶段不断迭代优化直至满足停止准则.为了验证所提出算法的有效性,在大量算例上进行了实验测试,实验结果展示了所提出算法的求解效率和目标函数值显著优于其他对比算法.文章所提出的新的异构多无人机配送模式及其求解方法,为解决现代物流配送的痛点问题提供了一种全新方式与决策依据.

有禁飞区的时间依赖型车辆与无人机协同配送路径优化

本文针对有禁飞区的时间依赖型车辆与无人机协同配送路径问题,综合考虑分时段禁飞的无人机禁飞区域、车辆行驶速度连续变化、车辆及无人机能耗等因素,以车辆派遣成本、车辆能耗成本、无人机能耗成本之和最小为目标建立优化模型.根据问题特征,设计遗传变邻域搜索算法对其进行求解.针对遗传算法易早熟、局部搜索能力较差等缺陷,将变邻域搜索算法与其结合以增强算法的局部搜索能力,引入自适应邻域搜索次数以增强对种群的搜索深度,采用精英保留策略不断改进最优解.通过多组算例验证了算法的有效性,并分析了配送模式、禁飞区数量、车辆行驶速度变化对配送方案的影响,结果表明禁飞区及车辆速度等因素在很大程度上影响物流配送成本.研究成果不仅丰富了车辆与无人机协同配送的场景,拓展了VRP问题的研究,也为物流企业制定配送方案提供了依据.