物流網(wǎng)絡優(yōu)化中的車輛路徑問題和設施選址問題是物流系統(tǒng)研究中的重要組成部分,其無論是在國民經(jīng)濟生活中還是在軍事戰(zhàn)爭領域里都有著重要的理論意義和實用價值。以往的網(wǎng)絡優(yōu)化問題的研究主要是集中于靜態(tài)信息以及確定性領域,即使考慮到不確定因素,也是一類比較簡單的問題。而在實際中,涉及大量的不確定信息以及復雜的約束條件,傳統(tǒng)的模型難以描述隨機條件下或動態(tài)條件下的物流網(wǎng)絡優(yōu)化問題;而且,隨著網(wǎng)絡規(guī)模的擴大,使得物流網(wǎng)絡優(yōu)化問題求解變得越來越困難。因此,有必要進一步研究在隨機條件下以及動態(tài)條件下的物流網(wǎng)絡優(yōu)化問題,并為問題求解構(gòu)造出更有效、更符合實際的模型與算法。本文針對相關的隨機條件下以及動態(tài)條件下的物流網(wǎng)絡優(yōu)化問題,給出了相應的模型及算法,并進行了應用計算。主要的研究內(nèi)容及創(chuàng)新點如下: 隨機需求下帶時間窗的物流網(wǎng)絡車輛路徑優(yōu)化研究�？紤]用戶需求隨機以及對客戶服務有時間窗口限制的情況下,提出了一種隨機需求下帶時間窗物流網(wǎng)絡車輛路徑優(yōu)化問題研究。分析了問題的特性,給出了預優(yōu)化求解策略,建立隨機補償模型,并對問題求解中的期望額外總費用計算進行了詳細的討論。針對研究問題,設計了一種自適應大鄰域啟發(fā)式搜索求解算法。通過對構(gòu)造的56組示例的計算,并與另一種“確定性求解策略”進行的對比,驗證了構(gòu)建模型及設計算法的有效性,同時也對子算法性能進行了評估。 隨機需求下可拆分服務的物流網(wǎng)絡車輛路徑優(yōu)化研究。針對隨機需求下,客戶需求可拆分服務的情況,提出了一種隨機需求下可拆分服務物流網(wǎng)絡車輛路徑優(yōu)化問題研究,給出了一種需求可拆分服務的配對車輛回歸求解策略,建立了數(shù)學模型。在對問題求解中的期望回歸費用計算時,分別對配對車輛的不協(xié)作與協(xié)作的情況進行了討論。針對問題求解,設計了一種大鄰域啟發(fā)式搜索算法。最后,通過對設計的應用示例的計算,以及與需求不允許拆分服務情況下的結(jié)果對比表明,當客戶平均需求量大于一半車輛容量時,允許需求可拆分服務的隨機需求下的車輛路徑優(yōu)化結(jié)果明顯優(yōu)于需求不可拆分服務的隨機需求下的車輛路徑優(yōu)化結(jié)果。 隨機服務時間下的物流網(wǎng)絡車輛路徑優(yōu)化研究。考慮確定的車輛行駛時間、隨機的車輛服務時間以及擁有最大工作時間限制的情況下,提出了一種隨機服務時間下物流網(wǎng)絡車輛路徑優(yōu)化問題研究。針對問題特性,建立了相關數(shù)學模型,討論了期望費用的計算。設計了一種G型變鄰域啟發(fā)式搜索算法以求解問題。通過應用示例計算,將設計的算法與給出的另外兩種求解算法所獲得的結(jié)果進行了對比,同時測試了不同參數(shù)設置下的對應用示例計算結(jié)果的影響,獲得了比較好的效果。 保障網(wǎng)絡動態(tài)選址與分配研究。針對軍事背景下,被保障單元需求呈現(xiàn)多周期動態(tài)變化的情況,研究了保障網(wǎng)絡中動態(tài)選址與分配優(yōu)化問題。建立了數(shù)學模型,并設計了一種混合式進化算法。通過對設計的一組應用示例的計算,對模型及算法進行了有效驗證。
【學位單位】：國防科學技術大學
【學位級別】：博士
【學位年份】：2011
【中圖分類】：O157.5;F224;F253.9
【部分圖文】：

第三章研究的是在隨機客戶需求下，考慮客戶服務時間窗的物流網(wǎng)絡車輛路徑優(yōu)化問題(Capacitated Vehicle Routing Problem with Stochastic Demands and TimeWindows, CVRPSDTW)。首先，對研究問題的概況、關鍵要素以及問題研究的界定進行了描述；然后，對研究問題進行了形式化描述，建立了隨機補償模型；第三節(jié)對問題求解中關鍵的期望額外總費用計算進行了詳細的闡述；第四節(jié)給出了自適應大鄰域啟發(fā)式搜索算法；最后針對應用問題，進行了建模并構(gòu)建了各類示例進行計算，同時對結(jié)果進行了分析。3.1 問題描述生活中各個物流快遞公司，如 UPS、Fedex 以及 EMS 等，上門取貨時經(jīng)常遇到這種情況：由于客戶開始對需要發(fā)送的貨物量只提供一個大概的量值，或者臨時又追加（取消）部分發(fā)送貨物量，造成客戶需求貨物量的不確定；而物流公司的服務車輛貨運容量一般有限，在到達客戶處之前并不知道確切的貨物需求量，因此在預先計劃的取貨途徑上，往往使得累積的取貨總量超出（或達到）車輛的容量限制，造成取貨服務無法繼續(xù)進行。如圖 3.1 所示。

國防科學技術大學研究生院博士學位論文行服務，而發(fā)生服務失敗。針對這兩種情況，首先給出兩類車輛服務失敗的定義：定義 3.1 當服務車輛達到某個客戶處時，路徑上累積的實際客戶需求超過車輛的容量限制，則稱發(fā)生 I 類車輛服務失��；路徑上累積的實際客戶需求正好達到車輛的容量限制，則稱發(fā)生 II 類車輛服務失敗。若當前客戶為路徑上最后一個客戶且累積的實際客戶需求剛好達到車輛的容量限制時，則不發(fā)生服務失敗。當車輛發(fā)生服務失敗后，根據(jù)服務失敗類型車輛可采取不同的回歸行為進行應對：當遇到 I 類服務失敗時，車輛先使用余下容量服務部分客戶需求，然后回到物流倉庫卸貨之后，再回到路徑上為發(fā)生服務失敗的客戶繼續(xù)服務；當遇到 II 類服務失敗時，車輛使用余下容量完全滿足客戶需求后，回到物流倉庫卸貨，然后回到路徑上為下一個客戶繼續(xù)服務。如圖 3.2 所示。

回歸行為造成車輛錯過單個客戶服務時間窗口
【參考文獻】

相關期刊論文 前7條

1 呂振肅,侯志榮;自適應變異的粒子群優(yōu)化算法[J];電子學報;2004年03期

2 黎青松,楊偉,曾傳華;中心問題與中位問題的研究現(xiàn)狀[J];系統(tǒng)工程;2005年05期

3 嚴冬梅,李敏強,寇紀淞;需求隨時間變化的物流中心動態(tài)選址[J];系統(tǒng)工程;2005年06期

4 張楊;黃慶;卜祥智;;隨機旅行時間局內(nèi)車輛路徑問題的模型及其算法[J];管理工程學報;2006年03期

5 陳馳,任愛珠;消防站布局優(yōu)化的計算機方法[J];清華大學學報(自然科學版);2003年10期

6 張麗艷;龐小紅;夏蔚軍;吳智銘;梁碩;;帶時間窗車輛路徑問題的混合粒子群算法[J];上海交通大學學報;2006年11期

7 王青;端木京順;許磊;;基于粒子群優(yōu)化的軍事物流配送中心選址[J];計算機工程與設計;2009年15期

本文編號：2838952