不确定需求环境下的路径-装载协同优化研究

在不确定需求环境下,针对循环取货问题,提出了基于VRP与3D-KLP协同优化模型(3KL-CVRPCSO),并设计了求解该模型的多阶段算法(HPGBT).首先,采用基于遗传算法的混合粒子群优化算法和启发式正交二叉树搜索算法求解不同车型最优行驶路径及车厢内装载的各种类货物的最优数量,以此确定各车型车辆的单车最优路径-装载方案;再以这些方案作为决策变量,以实际货物需求量为约束条件,建立新的基于实际需求的路径-装载协同优化模型并进行求解,得到按不同车型单车最优方案执行的车辆数.通过与国外学者近期在权威期刊的优化结果比较和实际案例的应用两方面的研究与验证,证明了本文方法的可行性及有效性,从而建立了一种以不同车型单车"路径+装载"复合方案为决策单元,以实际需求为约束条件,进而以最优组合方案解决不确定性需求问题的物流车辆调度新方法.