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。

无人车辆配送路径规划探究

随着互联网技术和电子商务的高速发展,网上购物已经成为人们不可或缺的生活消费方式,快递业务量呈爆炸式增长,人工配送成本越来越高,社会对配送效率的要求也越来越高,以人工配送为主的传统物流配送方式已经无法满足社会需求。近年来,无人车辆技术的兴起为物流配送提供了一个可行的解决方案,路径规划是物流配送的主要问题之一,与传统的路径规划算法相比,强化学习算法具有在线学习的能力,它可以不断地从新的经验中学习和调整,不需要事先收集足够的训练数据。研究无人车辆路径规划技术辅助无人车辆进行智能路线规划,这对提升物流配送效率具有重要的意义。

部分充电策略下多中心混合车队联合配送路径优化

城市物流电动车与燃油车混合运输场景中,运输资源共享调度和充电策略联合优化方面存在不足。基于此,综合考虑客户时间窗、混合动力车队、电动车部分充电策略、多中心间联合配送机制和碳排放等实际因素,研究带时间窗和部分充电的多中心混合车队绿色车辆路径问题。以车辆固定成本、运输成本、充电成本、碳排放成本和时间惩罚成本之和最小化为目标构建优化模型,并设计混合改进遗传-变邻域搜索算法进行求解。基于湖南省某物流企业的实际数据进行仿真实验,验证了上述模型及算法的有效性,并从配送模式、车队配置和充电策略3个方面进行了敏感性分析。研究结果表明:1)联合配送模式有助于加强配送中心间的协同合作,促进运输资源共享调度,降低物流配送成本并减少碳排放,是一种经济环保的配送模式。2)电动车充电时间过长会影响客户时间满意度下降,且对纯电动车队而言,这一影响更为显著。3)混合车队相比纯电动车队具有更低的配送成本和更高的客户满意度,相比纯燃油车队在降低配送成本和减少碳排放方面更有优势。合理的车队配置不仅能减少企业运营成本,还可以同时兼顾客户利益和环境利益。4)在物流配送中采用部分充电策略能有效节省充电时间并提升客户服务体验。研究成果可为物流企业进行运输资源联合调度和配送方案优化决策提供参考依据。

基于深度强化学习的多配送中心车辆路径规划

多配送中心车辆路径规划(multi-depot vehicle routing problem,MDVRP)是现阶段供应链应用较为广泛的问题模型,现有算法多采用启发式方法,其求解速度慢且无法保证解的质量,因此研究快速且有效的求解算法具有重要的学术意义和应用价值.以最小化总车辆路径距离为目标,提出一种基于多智能体深度强化学习的求解模型.首先,定义多配送中心车辆路径问题的多智能体强化学习形式,包括状态、动作、回报以及状态转移函数,使模型能够利用多智能体强化学习训练;然后通过对MDVRP的节点邻居及遮掩机制的定义,基于注意力机制设计由多个智能体网络构成的策略网络模型,并利用策略梯度算法进行训练以获得能够快速求解的模型;接着,利用2-opt局部搜索策略和采样搜索策略改进解的质量;最后,通过对不同规模问题仿真实验以及与其他算法进行对比,验证所提出的多智能体深度强化学习模型及其与搜索策略的结合能够快速获得高质量的解.

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。

高铁快运末端配送车辆路径规划研究

为降低高铁快运在城市内的末端配送成本,提高配送效率,从高铁快运“最后一公里”的角度出发,以“去配送中心”的配送方式研究高铁快运末端配送的路径规划问题。考虑高铁运行时刻、车辆线路容量、配送时长等约束,以运输总成本和时间为目标,构建高铁快运末端配送路径优化模型,并设计改进遗传算法进行求解。以上海站的高铁快运为例,通过3种算法对比,验证改进遗传算法收敛效果更佳,求解性能更好。基于改进算法得出的结果显示,高铁快运与末端城市配送的有机连接能够提供快速且精准的配送服务,通过对不同的配送货车载运量进行分析,得出最佳配送方案,为高铁快运末端配送路径规划提供相关指导和决策支持。

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。

考虑同城配送的多产品多中心两级物流网络设计及车辆路径研究

随着快递行业的快速发展,快递企业单处理中心模式已无法满足多种快递产品的处理需求。同时,同城快递与跨城快递独立配送模式导致城市物流末端配送资源利用率低。为建立高效的城市快件配送网络,本文分析现有配送系统及多产品需求特点,设计了服务多种产品的同城-跨城配送相融合的城市配送网络,构建了多中心-两级配送-环线配送网络车辆路径优化模型,并建立以系统车辆路径总成本最小和快递包裹配送总时间最少的多目标数学优化模型。结果表明该模型能够有效区分各快递产品,降低处理中心的工作压力,缩短快递包裹平均配送时间,从而提高末端配送效率和资源利用率。针对该模型,采用非支配排序遗传算法(NSGA-Ⅱ)对其进行求解,结合算例验证了模型及算法的实用性与有效性。

异构车队多中心交付的低碳车辆路径问题与算法

针对前置仓配送模式面临的“一地多仓、末端交叉、高成本、高排放”难题,提出异构车队多中心横向协同配送模型。通过引入考虑速度、时间、距离、载重和发动机等因素的异构车队综合碳排放函数,将碳排放成本、司机成本和派车成本通过线性加权方式转换为目标函数;设计含特殊头部结构和染色体编码机制的改进遗传算法,引入交叉算子和动态权重调整机制以实现解空间的高效搜索。研究结果表明:相比传统前置仓横向转移补货调度,异构车队多中心横向协同补货调度在总成本方面减少39.1%,CO_(2)排放量减少12.5%,车辆使用数节约27.2%;随着协同客户占总客户的比例增加,总成本进一步减少;相较碳排放成本、派车成本,司机成本在总成本中占较大比例,需引起物流企业重视。

多中心共同配送开闭混合式的车辆路径优化问题

针对多中心共同配送开闭混合式车辆路径优化研究在资源集成共享和合作收益分配机制设计结合方面存在的不足,提出研究多中心共同配送开闭混合式的车辆路径优化问题。首先,构建了包含运输成本、惩罚成本、租赁成本和配送成本等物流运营总成本最小的优化模型。其次,根据模型特征设计了考虑客户点地理位置和时间窗约束的三维K-means聚类算法,进而提出了遗传-粒子群混合优化算法求解模型。该混合算法设计了遗传算法和粒子群算法间的选择性赋予机制,提高了种群的多样性和获取优化解的收敛性,并增强了混合算法的局部和全局搜索能力。再次,应用成本差值分配方法进行多中心共同配送的收益分配优化研究,进而应用严格单调路径原则研究了联盟合作序列选择问题,并进行了多中心共同配送的联盟稳定性检验研究。最后,通过算法比较分析和实例数据对所提出模型及算法进行了验证研究,并比较分析了不同配送模式下多中心共同配送优化方案各指标的差异,进而验证了所提方法的有效性和适用性。研究成果可为多级多中心共同配送的网络优化问题研究提供方法参考和决策支持。

近似动态规划求解随机需求分批配送车辆路径问题

本文针对现实生活中固体废弃物收集等需求随机的分批配送车辆路径问题,建立双层马尔科夫决策模型,使用基于动态分区的全局修正策略和基于部分重优化算法的近似动态规划进行求解。通过算例测试和分析表明模型和算法的有效性。得到以下结论:1)SDVRPSD的最优解中车辆数略高于最小期望车辆数的1.2倍,接近使用进化算法得到的最优解中的车辆数,这两者平均约相差0.6辆。2)与静态分区相比,动态分区以花费较多时间为代价,能显著提升服务范围、降低服务费用,并增加分批配送点数量。3)算法最优解与使用固定路径算法得到的初始解相比,期望服务需求量平均提高约2.6%,期望行驶费用平均降低约1.9%;分批配送点数平均多2.5个。

一种物流配送机器人路径搜索启发式算法研究

针对带有时间窗和配送机器人的车辆路径问题,提出了一种自适应大邻域搜索启发式算法(ALNS)。首先研究了带时间窗口的车辆路径问题,分析了在调度-等待-检索系统中,时间窗约束引起的同步问题以及两种不同的配送资源在时间问题上的关系,在此基础上提出了改进的自适应大邻域搜索(ALNS)启发式算法。该算法通过破坏和修复部分现有解,在每次迭代时改变大部分解,通过创建初始解决方案,并在自适应机制的基础上获得最优解决方案。通过实验证明了该算法在解决带有时间窗和配送机器人的车辆路径问题上的性能和有效性,最后对配送机器人的应用情况进行了敏感性分析。

考虑动态能耗的无人机配送选址路径规划研究

随着无人机在城市配送的兴起,在联合配送模式下,配送中心的选址规划及与全自动机场之间的路径规划成为亟待解决的问题之一。根据无人机运营成本、电池能耗和配送中心管理成本构建以最佳综合运营成本和最小能耗为目标的选址-路径模型;基于K-means算法寻找最佳配送中心选址,运用遗传算法对配送路径进行求解;以天津市主城区为例进行模型应用及结果分析。结果表明天津市主城区共需40个配送中心,随着需求点增多,无人机数量和成本增加,总能耗呈波动式上升;分析发现使用载荷3.5~5.0 kg的无人机机型,覆盖范围在3~4 km内的配送中心使得配送效果更优。研究结果为城市无人机配送中心选址、路径规划以及机型选择、服务范围等提供了建设性建议。

强化学习理论下农村物流配送最优路径规划

农村物流配送存在配送路径不合理、配送路径重复的现象,导致出现配送成本高、时效性差的问题。为节约配送里程、提高配送效率,提出一种基于强化学习的农村物流配送最优路径规划。以配送路径最短为目的,成本最小为约束条件,建立物流配送函数模型,通过奖惩函数与状态函数设计配送策略网络的学习环境。根据带有回滚基准、蒙特卡洛得出该网络的累计回报,结合策略梯度完成网络的训练,采用贪婪与采样全局搜索该策略动作的最优解,最终实现最优路径的规划。实验结果表明,所提方法能够实现最优路径的规划,有效降低物流成本,且最优解迭代次数小于60次。

考虑车辆均衡性约束的物流多路径配送仿真

传统物流多路径配送方法缺乏对车辆均衡调度的控制,导致物流服务质量不理想,配送耗时长、成本高。在考虑车辆调度均衡性的情况下,提出新的物流多路径配送方法。通过冗余数据去除和数据噪声抑制步骤,整合物流多路径配送信息。利用GPS定位设备确定调度车辆实时位置,结合多个配送车辆的运行位置和装填。在调度均衡性约束下,规划多条配送路径,结合实际交通状况,选择可行的配送路线,最终完成物流的多路径配送。实验通过与传统方法的对比可得出结论:研究提出的配送方法下车辆调度均衡性更高,平均配送耗时和成本分别降低了28.4min和0.53万元,对于提高物流服务质量起到积极作用。

基于订单邻域的成品油二次配送中带时间窗车辆路径规划问题

为了求解一种合适的车辆路径规划方案,在满足加油站配送需求的前提下,使车辆总的配送成本最低,基于订单时间、空间和配送项目属性聚类构建订单邻域系统,将其用于车辆路径规划种群的初始化过程。建立了基于订单邻域系统的成品油配送车辆路径规划问题的数学模型,设计了基于订单邻域系统的改进量子遗传算法对模型进行求解。结合具体算例验证了模型与算法的可行性与有效性。

多配送中心车辆路径安排问题混合蚁群算法

经典蚁群算法不能直接用于求解多配送中心车辆路径安排问题(Multiple Depot Vehicle Routing Problem,MDVRP),为了解决这一问题,设计了蚂蚁转移策略和可行解构造方法。蚂蚁转移时,先为蚂蚁指定暂时配送中心,在转移过程中当遇到配送中心时,再确定永久配送中心。蚁群构造路径结束后,在满足车辆数和容量限制的条件下,随机选择优化后的若干只蚂蚁遍历路径,基于"节约最小"、"增加最小"和"就近插入"的原则,删除重复需求点并插入缺少的需求点,使之成为可行解。为了提高算法的性能,引入了K邻域规则限制蚂蚁的转移目标,使用2-Opt方法优化蚁群遍历路径和可行解,并设计了信息素更新方法。对标准测试数据集的测试表明,算法有效求解了MDVRP。

物流配送车辆路径优化的模糊规划模型与算法

将实际的物流配送网络描述为由配送中心和顾客两类节点构成的不完全无向图,并采用模糊数表示车辆行驶时间和顾客服务时间的不确定性,建立了物流配送车辆路径优化的模糊规划模型。为了求解上述模型,首先将模型进行清晰化处理,使之转化为一类确定性多设施车辆路径模型,然后设计了嵌入FLOYD算法的捕食搜索算法对之进行求解。通过仿真实例计算,并与遗传算法比较,取得了满意的结果。

多配送中心车辆路径问题的狼群算法

针对多配送中心的动态启用与车辆的合理分配,建立了以总路径长度最小为目标函数的多配送中心车辆路径问题的数学模型,根据多配送中心车辆路径问题的具体特征,模拟狼群捕食行为设计了求解该问题的狼群算法。最后,应用狼群算法求解测试算例,并将其计算结果与几种常见智能优化算法的计算结果进行比较,验证了狼群算法求解多配送中心车辆路径问题的可行性与有效性。

基于层次分析法的物流配送车辆导航路径规划求权方法

研究了针对物流配送车辆导航,利用层次分析法进行路径规划求权。物流配送车辆导航系统的核心功能之一是路径规划,道路权值是路径规划的基础。考虑到物流配送涉及的多方面利益,首先确定道路权值需要综合考虑各种道路与非道路的影响因素。以配送总代价最低为优化目标,在全面分析各影响因素的基础上,就各自特点对其进行量化和无量纲化处理,然后利用层次分析法,提出道路权值的计算方法,计算出各影响因素组合权重,由此得到路径规划所需要的道路权值。该求权方法以物流配送车辆导航为基础,权值综合体现了多方面利益,为物流配送车辆导航的路径规划提供依据。