考虑客户分类的随机时间车辆路径优化模型与算法

针对一类考虑客户分类、随机旅行时间、随机服务时间及时间窗约束的车辆路径问题构建了机会约束规划模型,该模型考虑两类客户(普通客户与优质客户),并通过添加机会约束条件确保优质客户获得准时服务的概率。同时,设计了变邻域迭代局部搜索算法,并给出了一种基于最小等待时间的初始解生成启发式规则。基于Solomon算例进行了多组仿真实验。仿真实验结果表明,所设计生成初始解的启发式规则是有效的;所给算法能够在短时间内找到确定问题和随机问题的近似最优解;客户比与车辆使用数目呈正相关关系。研究结果对解决资源有限条件下克服随机不确定性因素带来的不利影响、保证客户服务水平等问题有一定的参考意义。

基于混合修正策略的随机时间车辆路径优化方法

针对带有随机旅行时间、随机服务时间及时间窗约束的车辆路径问题,建立了带修正策略的随机规划模型,并给出了两阶段求解方法。第一阶段运用改进遗传算法获取先验路径,第二阶段采用两种混合修正策略(分别记为A、B)调整“失败”的先验路径。混合修正策略A(B)通过随机模拟实验判断对当前顾客的延迟服务(对下一顾客的服务)是否会对该路径后续顾客造成大规模延迟服务,并采取相应的调整措施。基于Solomon算例进行了仿真实验,对小规模算例将仿真结果同CPLEX求解结果作对比;对大规模算例将仿真结果同已知最优解作对比。结果表明:所给算法可获得小规模算例的精确解,大规模算例的近似最优解。同时,对比不同策略下的仿真结果表明两种混合修正策略具有优越性,研究结果对随机车辆路径问题的求解具有一定的参考意义。