考虑充电调度的电动无人车配送路径规划问题研究

在充电站有充电容量约束的情况下,研究充电调度电动无人车配送路径规划问题。首先以极小化车队中电动无人车的最大行驶距离为目标,构建数学规划模型,为电动无人车车队安排配送路径,使得各车的行驶距离尽可能均衡;其次应用动态规划算法(Dynamic programming algorithm,DP)求解小规模算例,改进遗传-模拟退火算法(Genetic-simulated annealing algorithm,GA-SA)优化较大规模算例的电动无人车路径和充电策略;最后对相关因素进行灵敏度分析,以验证所提出算法的可行性与合理性。结果表明:DP算法解小规模算例表现良好;改进GA-SA算法与单纯遗传算法(Genetic algorithm,GA)相比,求解大规模算例时优化的路径效果更佳,且大大缩短电动无人车车队的最长子路径的长度和总行驶距离。该研究可以为物流公司的电动无人车配送业务发展提供参考,帮助企业提高电动无人车的运输效率和服务水平,降低配送成本。

城市物流中电动无人车配送优化研究

为了加快智慧城市物流的建设,使用电动无人车进行城市物流配送可以提高效率并降低成本。考虑到车辆载重、客户时间窗、电池容量以及充电时间等因素,以配送成本极小化为目标,建立了物流配送路径规划模型,设计了遗传算法和模拟退火算法相结合的遗传模拟退火算法,并验证其有效性。应用所建立的数学模型和设计的算法对案例进行求解,探讨了时间窗对配送的影响并且分别对行驶速度、电量消耗系数和充电系数进行灵敏度分析,结果表明这些因素对配送成本有着一定的影响。该研究可以为物流公司的城市物流配送业务发展提供参考。