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。

面向复杂物流配送场景的车辆路径规划多任务辅助进化算法

在现代社会中,复杂物流配送场景的车辆路径规划问题(Vehicle routing problem,VRP)一般带有时间窗约束且需要提供同时取送货的服务.这种复杂物流配送场景的车辆路径规划问题是NP-难问题.当其规模逐渐增大时,一般的数学规划方法难以求解,通常使用启发式方法在限定时间内求得较优解.然而,传统的启发式方法从原大规模问题直接开始搜索,无法利用先前相关的优化知识,导致收敛速度较慢.因此,提出面向复杂物流配送场景的车辆路径规划多任务辅助进化算法(Multitask-based assisted evolutionary algorithm,MBEA),通过使用迁移优化方法加快算法收敛速度,其主要思想是通过构造多个简单且相似的子任务用于辅助优化原大规模问题.首先从原大规模问题中随机选择一部分客户订单用于构建多个不同的相似优化子任务,然后使用进化多任务(Evolutional multitasking,EMT)方法用于生成原大规模问题和优化子任务的候选解.由于优化子任务相对简单且与原大规模问题相似,其搜索得到的路径特征可以通过任务之间的知识迁移辅助优化原大规模问题,从而加快其求解速度.最后,提出的算法在京东物流公司快递取送货数据集上进行验证,其路径规划效果优于当前最新提出的路径规划算法.

集配协同下多产品越库配送车辆路径问题研究

文中基于实际越库配送中零售商的多样化需求和集配过程的连续型,针对集配协同下的多产品车辆路径问题,构建以车辆固定成本、运输成本、时间窗惩罚成本和库存持有成本最小化为目标的带越库配送的车辆路径优化模型.根据问题的阶段性特征,提出一种改进的遗传算法对问题进行求解,并以车辆等待时间最小为准则设计解码方案.通过算例的对比分析,验证了改进的遗传算法有更强的寻优能力.结果表明:建立的模型能够有效降低总成本,提高运输效率.

基于GA-SA算法的冷链配送开放式车辆路径问题分析

为改善冷链运输服务质量,提高配送效率,提升客户满意度,从货损、碳排放、配送时间要求等角度分析冷链配送路径优化问题,以配送总成本作为目标函数,构建包含时间窗的生鲜产品冷链配送车辆路径优化模型。以西安市某冷链物流公司为例,设计基于遗传算法(GA)和模拟退火算法(SA)的混合优化算法进行模型求解,保障全局搜索能力的同时保障了新解的质量。改进优化算法与基本遗传算法对比结果表明,改进的GA-SA算法收敛速度较快且结果更优,表明了模型和算法的合理性与有效性。

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。

货物可分割的车辆路径规划问题

针对货物可再分这一特征,提出可分割的车辆路径规划问题(DCVRP:Divided Capacity Vehicle Routing Problem)。通过以货物为基本单位进行建模处理,并对出现规模爆炸的问题用全局优化的方式做出解答。对遗传算法做出step by step的策略改进,避免出现“早熟”问题,并对经典遗传算法步骤进行了有效的改进,提升了寻找最优解的概率,降低了整体的路径规划成本。

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。

基于端到端深度强化学习求解有能力约束的车辆路径问题

有能力约束的车辆路径问题(CVRP)是现阶段供应链应用最常见的问题模型,现多采用启发式算法求解。但随着问题规模增大,启发式算法求解速度慢且无法保证解的质量。提出端到端深度强化学习(DRL)网络框架对CVRP进行研究。首先利用边聚合图注意力网络编码器(EGATE)对车辆路径规划问题的图表示进行特征嵌入编码;然后设计多头注意力解码器(MAD)进行解码,并提出多解码策略以增加解的空间多样性;接着利用带回滚基线的基线REINFORCE算法对端到端网络模型进行训练,基线可自适应性更新以提升模型训练效果,并利用奖励函数归一化和Adam优化器对算法进行优化。最后通过对不同规模问题的实验以及与其他算法进行对比,验证了所提出端到端DRL框架的可行性与有效性,经过训练的模型在CVRPLIB公共数据集上的平均求解时间仅需0.189 s即可得到较优解。

智慧工地物料配送动态时间窗车辆路径优化

智慧工地物料配送是建筑业提升建造效率的重要环节。为有效解决智慧工地物料配送路径优化问题,依托运筹学理论将其转化为带时间窗的车辆路径规划问题。以总配送路径最短为目标函数,建立动态时间窗车辆路径(VRPDTW)数学模型,构建全局最优理论模型。运用改进人工势场算法分析障碍物和中间节点,再代入基础蚁群算法进行施工现场全局路径规划,对VRPDTW数学模型进行优化。并通过仿真实验对模型进行实证检验。结果表明:改进算法和VRPDTW模型可实现全局优化,能够有效解决智慧工地场景下物料连续配送问题,相较于基础算法,改进算法使路径规划的准确度提高,成本降低,效率提升,具有理论意义和行业应用价值。

考虑冷链-常温货品混合配送的路径优化问题

针对冷链-常温货物混合配送问题,建立了以总配送成本最小为目标的车辆路径优化模型,模型综合考虑了区域客户拥挤度,多车型,多服务时间窗的现实情况.提出了带有两种邻居解评价机制的禁忌搜索算法对问题进行求解,机制1综合解的各个指标为其设置了一个目标值向量,机制2则在目标值向量上增加了一个惩罚目标值.实验结果表明,禁忌搜索+机制2的优化效果最好,冷链混合配送模式能有效降低配送总成本.提出的模型和算法对于电商企业构建更低成本更高质量的新型冷链混合配送网络有一定指导作用.

面向多行程取送货车辆路径问题的混合NSGA-Ⅱ

针对多行程取送货车辆路径问题(VRP)收敛性与多样性相互制约的问题,提出一种融合自适应大邻域搜索(ALNS)算法和自适应邻域选择(ANS)的混合快速非支配排序遗传算法(NSGA-Ⅱ-ALNS-ANS)。首先,考虑初始解对算法收敛速度的影响,提出一种改进的后悔插入法以获得高质量初始解;其次,结合取送货问题特性,设计多组破坏和修复算子,以及多种邻域结构,提高算法的全局搜索能力和局部搜索能力;最后,设计基于随机采样的最佳拟合下降(BFD)算法与高效的可行解评价标准,生成路径分配方案。采用不同规模的标准公开算例进行仿真实验,与模因算法(MA)相比,所提算法的最优解质量提升了27%。实验结果表明,所提算法可快速得到满足多重约束的高质量车辆多行程路径分配方案,并在收敛性与多样性上优于对比算法。

外卖配送路径优化问题研究现状与趋势

外卖配送路径优化问题一直是外卖配送研究领域的难点和热点。由于配送成本在总成本中占有较大的占比,所以至今以来国内外学者不断提出外卖配送路径优化相关的目标及算法的改进以提高配送效率。为了进一步梳理国内外研究现状,文章针对外卖配送路径优化问题的时间窗、取送要求、随机性、开放型等特点特性,分别针对不同类型的外卖配送路径优化问题,从优化目标和优化算法两个方面进行了较为全面的综述。最后,对外卖配送路径优化领域一些新的研究方向进行了展望。

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。

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。

基于改进遗传算法的末端共同配送车辆路径优化

为解决共同配送路径优化问题,提出一个具有可操作性的共同配送策略,基于此构建了以考虑车辆使用成本、车辆行驶成本和碳排放成本最小化为目标的共同配送车辆路径模型,用K-means聚类方法对客户节点进行分区聚类,确定各末端配送网点所服务的客户,并在此基础上利用基于节约里程算法的遗传算法对该模型进行求解.通过利用公共数据集实验验证设计的CW-GA算法的优越性,发现相较于传统GA,本文算法具有良好的求解性能.利用本文算法仿真分析共同配送前后相关成本的变化以及不同配送模式下的燃料消耗、行驶距离变化,结果表明共同配送能够有效降低物流总成本.

考虑可配送时间和柔性时间期限的电动车路径问题

随着低碳绿色、节能环保的经济发展理念越来越受到重视,电动车逐渐成为物流配送的主要运输工具,且物流配送服务的灵活性也越来越受到重视。在传统的车辆路径问题中,通常假设客户需要在指定的时间窗口内接收货物,如果未能按时送达,则会被视为违约,造成客户满意度下降。然而,在实际应用中,大部分客户接受在截止日期后一定时间内延迟接收货物,但这种灵活性通常伴随着额外的成本。针对货物具有可配送时间和柔性时间期限的情况,研究了考虑可配送时间和柔性时间期限的电动车车辆路径问题。构建了以车辆数量、行驶成本和违反时间期限的惩罚成本最小化为目标的混合整数规划模型,设计了改进的自适应大邻域搜索算法对其求解,基于问题特性设计了高效的破坏算子和修复算子以扩大解的搜索空间、运用自适应策略选择高效的搜索算子以及引入模拟退火新解接受策略避免陷入局部最优。通过对随机生成的算例进行计算验证了模型和算法的有效性,并分析了是否考虑柔性时间期限约束及不同的违反时间期限惩罚系数对总成本的影响,本研究为物流配送企业电动车车辆路径规划提供参考依据。

随机多路径车辆路径问题及其算法

为了更加契合现实的城市配送运作环境,本文对经典的车辆路径问题进行了新的拓展研究,考虑了任意两个物流节点之间存在多条路径且每条路径的通行成本不确定的情况,建立了随机多路径车辆路径问题(stochastic multi-path vehicle routing problem,SMP-VRP)模型,并针对所研究的问题设计了具有较高求解效率的两阶段算法。算法的第一阶段,采用具有约束的K-means算法对客户进行分组,将SMP-VRP问题转化为随机多路径旅行商问题(stochastic multi-path traveling salesman problem,SMP-TSP);算法的第二阶段,将SMP-TSP问题先转化成等价的情景规划问题,再近似成确定型规划问题;通过对SMP-TSP问题的求解,进而得到SMP-VRP问题的解。算例测试表明,相较于采用贪心策略的配送组织方法,本文所提出的两阶段算法可以降低7%左右的平均配送成本,并且表现出良好的稳定性,为物流配送车辆路径优化问题提供了新的研究思路,且具有较强的应用价值。

考虑多时间窗的多行程车辆路径优化问题研究

提出了考虑多时间窗的多行程车辆路径优化问题,是带时间窗的多行程车辆路径问题的扩展,不仅决策每辆车服务客户的顺序,还需确定为每个客户提供服务的时间窗,同时要求送货服务时间满足选定的时间窗,且车辆每个行程服务的客户需求量之和不超过车辆的最大载重量等约束。以最小化车辆总行驶时间为目标构建了该问题的混合整数规划模型,并设计了迭代局部搜索算法进行求解。在迭代局部搜索算法框架下设计了适用于多时间窗和多行程场景的改进Solomon贪婪插入算法生成初始解,还设计了Or-opt和Relocate局部搜索算子以及随机交换扰动操作。基于初始解或当前最优解,通过交替使用这两种算子进行迭代搜索,更新当前最优解。算例结果表明了提出的模型和算法的有效性,验证了为客户提供多时间窗选项承运人可灵活地规划车辆路径和选择服务时间窗,从而减少车辆使用数量和总行驶时间。

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。

基于遗传算法求解带时间窗的外卖配送车辆路径问题研究

随着人民生活节奏的加快,对外卖的需求量越来越大,外卖的配送问题逐渐被重视起来。传统外卖的配送方式配送效率低,容易导致成本过高,研究基于遗传算法(Genetic Algorithm,GA)求解带时间窗的车辆路径问题(Vehicle Routing Problem with Time Windows,VRPTW)具有重大意义,可以尽可能减少配送成本和增加客户满意度,这对于外卖配送企业具有极大的好处。基于GA求解VRPTW的主要步骤是,首先建立数学模型,然后构造初始解,最后通过遗传算法来对种群进行有限次数的迭代,生成最优解。