面向多个无人机站点的车辆与无人机联合配送路径问题研究

车辆与无人机联合配送模式在产业界受到青睐,该模式有效地降低了配送成本,但却有极大的调度难度,问题的求解也非常复杂。本文对问题进行明确定义并建立模型,根据问题特性设计了一个自适应大规模邻域搜索(Adaptive Large Neighborhood Search,ALNS)算法,进行了大量的实验的对比和分析。研究结果表明,ALNS算法相比Gurobi在运行时间上有明显优势,结果相同甚至更优;车辆与无人机联合配送模式也较仅卡车配送模式节约了成本。

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。

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。

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.

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。

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.

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。

基于无人机-配送车联合配送的优化算法研究

针对物流配送领域的一种新型交付方式——无人机联合配送车协同配送包裹,研究无人机与配送车联合路径以最小化交付时间的问题,提出了一种新型优化迭代算法。该算法将问题分为两步,首先确定配送车路线及客户节点分配,然后固定配送车路线及无人机节点,确定二者汇合节点生成无人机配送路线。算法最后保留满足约束条件的无人机路线及对应配送车路线,得到联合配送总耗时。以此方式从最少的配送车节点开始迭代,通过更新全局上界得到最优解。通过对10、11节点的示例验证,表明该算法能够有效缩小搜索范围,提高运行效率,在合理时间内求解中小规模示例。

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。

“无人机-车辆”配送路径优化模型与算法

基于城市配送的发展趋势,提出一种“无人机-车辆”联合配送模型,以无人机为主导,分3步进行路径分配,无人机每次配送可以服务多个顾客点,车辆不用在固定点等待无人机。进行单次路径规划时,让顾客需求点尽可能多的得到服务,最后,以总配送距离最小为目标,对整体路径进行优化。此外,设计了3种不同的配送场景,构建的模型能同时适用于这3种场景。采用带末端优化的模拟退火算法求解问题,结果验证了模型的可行性。考虑到未来无人机技术的进一步提高,对无人机的最大载重量和飞行距离进行灵敏度分析。结果表明,无人机的配送能力受载重量和飞行距离影响,增大配送能力可以使无人机服务更多的顾客需求点,均衡提升载重量和飞行距离可以充分发挥无人机的配送能力,更好地完成农村地区的物流配送。

考虑客户价值的卡车与无人机联合配送时变路径优化方法

针对拥堵情况日益严重导致的物流业配送时效不高、客户价值低等问题,综合考虑客户价值和成本等因素,提出了一种卡车与无人机联合配送时变路径的优化方法。考虑到配送过程中不同时段的拥堵情况,采用速度分布函数刻画车辆的行驶速度,同时考虑客户的时间窗、车辆的载重和无人机的载重等约束条件,建立了成本最小的数学模型。根据模型的特点,引入K-means对客户的位置进行聚类,设计混合的粒子群算法对模型进行求解。最后通过Solomom数据进行模拟仿真实验,对模型和算法的有效性进行验证。实验结果表明,与未考虑客户价值静态路网模型相比,该模型在降低9.32%成本的情况下,同时提高了16.83%的客户价值和21.28%的客户满意度,所提算法在降低配送成本和提高企业经济效益方面具有一定的有效性。

碳交易机制下卡车-无人机协同配送问题研究

在“双碳”背景下,为探究卡车-无人机协同配送模式的经济和环境效益,文章以总成本最小化为目标,构建了碳交易机制下的卡车-无人机协同配送路径优化模型,并针对问题特性设计自适应大邻域搜索算法进行求解,通过具体的数值算例验证模型的有效性。结果表明,与传统情况下仅使用燃油车的配送模式相比,卡车-无人机协同配送模式能够显著降低碳排放和总成本,为物流企业选择绿色经济的配送方式提供参考。

货车和无人机联合配送路径优化研究

针对国家对环境保护的重视和偏远地区电商配送经常遇到道路坍塌、断交以及空域禁飞等区域限制的难题,考虑客户对于时间和货损的满意度以及固定成本、运输成本、燃油成本和碳排放成本,以配送总成本最小和客户满意度最大为目标,建立考虑区域限制的货车和无人机联合配送多目标优化模型。通过引入人工蜂群算法的分级思想和信息素浓度限制对蚁群算法进行改进,并用改进蚁群算法对模型进行求解。使用MATLAB软件进行仿真,将仿真结果与货车单独配送模式进行对比。结果表明,在偏远地区电商配送过程中,货车和无人机联合配送模式能够有效降低配送成本,减少碳排放,提高客户满意度。

应急物资的无人机与车辆并行在线配送问题

针对应急配送中需求的实时、紧迫等特点,提出无人机与车辆并行配送的在线订单分配及路径优化问题。构建无人机与车辆并行配送的在线模型,运用竞争分析方法证明得到问题下界为1.5;基于重规划思想设计在线均衡算法,运用最坏情形分析法证明其竞争比为2.5;研究在线算法中调用的离线算法,建立离线问题模型并设计无人机优先均衡算法,在小规模情形下通过与CPLEX所求的最优解进行对比,验证其算法的有效性。最后,通过仿真实验进行在线均衡算法分析,结果显示在输入参数改变下其性能稳定。结论可为应急物资车辆与无人机并行配送提供在线优化策略。

基于集群的卡车与无人机联合配送调度研究

基于集群提出卡车与无人机联合配送新模式,来解决农村地区送货上门难的问题。考虑无人机载重和续航能力,以总运营成本最小为目标建立带时间窗的混合整数规划模型,并提出两阶段算法,通过改进后的K-means算法求出卡车停靠点,采用遗传模拟退火算法优化卡车与无人机联合配送路线。将其与传统K-means算法加CPLEX结果对比,可证明算法和模型的可行性与有效性。案例分析选取江苏某农村地区来进行末端物流配送的应用研究,结果表明卡车与无人机联合配送模式与纯卡车运输模式相比可有效减少总运营成本。研究成果可为农村地区末端配送中无人机的应用提供新思路和参考价值。

“卡车+无人机”联合配送路径规划问题研究

针对农村物流基础设施和技术装备落后引起的农村电商物流配送成本高问题,采用了“卡车+无人机”的联合配送模式,并设计了三阶段规划求解方法。第一阶段,采用K-means聚类算法对客户进行分组;第二阶段,基于TSP模型的卡车行驶路径优化;第三阶段,建立多约束条件下的以总配送成本最小化为目标的路径规划(ECVRPTW-D)模型,并采用改进的模拟退火算法求解。最后通过算例验证模型的合理性和算法的有效性,为农村物流配送规划提供参考。

农村地区卡车与无人机协同配送路径优化

针对农村地区末端配送道路通行条件差、网点覆盖率低等现状及乡村聚落集群分布的特点,提出基于集群的卡车和无人机路径问题。考虑卡车与无人机协同方式、无人机多包裹配送等约束,以最小化综合配送成本为目标建立混合整数规划模型,并提出了一个两阶段混合蚁群算法对卡车路径和无人机路径进行联合优化以实现问题求解:第一阶段设计基于2-opt局部搜索策略的改进自适应蚁群算法求解卡车路径,第二阶段借助就近聚类机制和蚁群算法求解无人机路径,综合两阶段求出卡车和无人机路径的综合方案。通过算例实验验证所建模型的可行性和设计算法的有效性,为实现农村地区末端物流配送降本增效提供决策参考和依据。

考虑交通时变特性的城乡快递无人机配送优化研究

针对农村快递网点运营成本高、网点建设滞后导致的电商物流配送成本高的问题,提出了城乡客运班车+无人机的快递配送模式。在考虑了配送过程中路网交通时变特性的情况下,以无人机—车辆配送系统总成本最小为优化目标,建立了时变网络下带时间窗的无人机—车辆路径问题(TDVRPDTW)模型,并提出一个由基于最近邻思想的改进CW算法和动态规划启发式算法构成的两阶段启发式算法来求解TDVRPDTW。最后,通过算例求解验证构建模型的合理性和求解算法的有效性,为制定农村物流配送的城乡客运班车+无人机快递配送方案提供决策支持。

“卡车+无人机”模式下带时间窗的取送货车辆路径问题

无人机由于成本低、速度快、直线飞行等优势被越来越多地用于物流配送。考虑到无人机的载货量小、续航能力有限等因素,针对“卡车+无人机”模式下的带时间窗的取送货车辆路径问题进行优化,建立了以最小化运输成本为目标的混合整数规划模型。设计了自适应大邻域搜索算法对其求解。在该算法中,通过设计基于模型特点的多种高效的破坏算子和修复算子、引入模拟退火接受准则避免陷入局部最优解来提高算法性能。通过算例求解验证了模型和算法的有效性,分析了卡车与无人机联合配送模式对路径成本的影响,为“卡车+无人机”模式的路径规划提供决策依据。

基于联合配送的开放式动态车辆路径问题及算法研究

针对跨区域多配送中心多车型开放式动态联合配送问题,通过引入时间轴概念将动态问题转化为静态问题,建立考虑车载率的开放式车辆路径模型,提出多配送中心问题的整体算法和多车型的使用原则,强化物流资源整合和跨区域路径整体优化。利用云模型中云滴的随机性与稳定倾向性,改进遗传算法中交叉与变异概率的设置方式,采取"初始优化+实时优化"的两阶段求解策略,对开放式动态车辆路径问题进行实时再优化。最后,结合算例对模型和算法的有效性进行验证。