Rolling horizon scheduling algorithm for dynamic vehicle scheduling system

Dynamic exclusive pickup and delivery problem with time windows (DE-PDPTW), aspecial dynamic vehicle scheduling problem, is proposed. Its mathematical description is given andits static properties are analyzed, and then the problem is simplified asthe asymmetrical travelingsalesman problem with time windows. The rolling horizon scheduling algorithm (RHSA) to solve thisdynamic problem is proposed. By the rolling of time horizon, the RHSA can adapt to the problem'sdynamic change and reduce the computation time by dealing with only part of the customers in eachrolling time horizon. Then, its three factors, the current customer window, the scheduling of thecurrent customer window and the rolling strategy, are analyzed. The test results demonstrate theeffectiveness of the RHSA to solve the dynamic vehicle scheduling problem.

基于实时信息的取送货动态车辆路径问题研究

为适应点对点、实时城市配送对动态响应和快速决策提出的新要求,研究了多种实时信息作用和影响下的取送货动态车辆路径问题.采用将动态问题转化为一系列静态问题的建模方法,建立了基于实时信息的取送货动态车辆路径模型;设计了动态算法框架,运用构造算法获得初始可行解,运用禁忌搜索算法改善初始可行解质量.实验表明,本文的模型和算法能有效解决基于实时信息的取送货动态车辆路径问题,将初始可行解的质量(实时物流配送成本)改善了34%.

求解软时间窗装卸一体车辆路径问题的布谷鸟算法

带软时间窗的装卸一体车辆路径问题是组合优化中典型的NP-hard问题,针对标准布谷鸟搜索算法后期收敛速度慢,容易陷入局部最优的缺陷,提出了节约算法和随机概率混合的初始化改进策略以及动态发现概率和信息素导向变异机制的改进策略,通过标准测试函数对算法进行定量测试,证明了改进布谷鸟搜索算法的性能优势。将改进的算法应用于求解带软时间窗装卸一体的车辆路径问题,并与现有的优秀算法进行对比,验证了改进的布谷鸟搜索算法在实际工程领域的优越性。

大规模基站运维优化与车队规划研究

研究了考虑充电量决策的大规模基站断电运维的多车辆路径规划问题。目标是在运维能力有限的条件下最小化基站断电产生的损失和车辆运行成本的加权总和。分析了该问题区别于传统取送货问题的差异与难点,利用图论模型建立了动态多阶段车辆路径的混合整数规划模型,利用库存理论辅助基站充电量的决策并通过软时间窗口对车辆服务与路径规划进行约束,最后设计了基于局部最优插入和变邻域搜索的动态算法框架进行求解。基于中国铁塔公司真实数据生成的多个算例验证了该算法可以显著降低运维成本,并协助公司进行运维车队规模的规划。

动态取送问题研究综述

随着动态取送问题(dynamic pickup and delivery problem,DPDP)应用于网约车调度、外卖配送等新的领域,具有大规模、强实时、强动态特征的DPDP引起学术界的日益关注.本文首先介绍了动态取送问题的应用和影响因素,从配送模式和配送对象的角度对不同应用背景下的DPDP进行了分类.之后介绍了动态取送问题的定义和特征、常见的求解策略和动态算法的评价标准.选取了三个典型应用(动态拨召服务、网约车调度、即时配送),比较了不同应用背景下问题的共性特征和区别之处,分类回顾了不同问题模型和算法的研究成果.最后,结合目前研究成果对未来发展方向进行了展望.