發(fā)布時間：2021-11-20 19:14

　　對于車輛路徑問題的研究,往往考慮速度恒定或者時變的情況,最終得到的都是一個確定的行駛時間。但根據(jù)以往經(jīng)驗,車輛行駛在某個路段的平均速度不會是恒定的,也無法提前準確掌握,一般會在某個范圍內(nèi)波動。車輛的行駛時間主要和速度相關(guān),所以速度的波動又會影響旅行時間,造成車輛在節(jié)點間的旅行時間的不確定。為了研究車輛速度波動對車輛配送成本和路徑的影響,本文引入了車輛平均行駛速度分布函數(shù),通過計算得出車輛到達客戶點的時間并與客戶所期望的時間窗相比較,分析可能出現(xiàn)的情形并得到相應的時間成本表達式,最終構(gòu)建了基于配送成本最低的目標函數(shù),包括車輛固定成本、車輛行駛成本和時間成本。并考慮模型特點,設計改進遺傳算法進行求解。本文基于實際配送情景,研究了城市快遞配送車輛行駛速度波動的VRPSTW問題,研究方法及內(nèi)容如下:（1）首先,針對配送車輛行駛過程中速度波動的問題,引入了車輛平均行駛速度分布函數(shù),由此得到車輛到達客戶點的時間段,建立了基于車輛固定成本、運輸成本及時間成本總和最低的帶軟時間窗的車輛路徑問題數(shù)學模型,并設計改進遺傳算法求解。（2）通過算例分析,得到速度波動下配送車輛的行駛路徑。然后,將運算結(jié)果與研究... 

【文章來源】：大連海事大學遼寧省 211工程院校

【文章頁數(shù)】：54 頁

【學位級別】：碩士

【部分圖文】：

圖１．１?２０１５－２０２０城市配送市場規(guī)模及預測??Ｆｉｇ．?１．１?２０１５－２０２０?ｕｒｂａｎ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｍａｒｋｅｔ?ｓｃａｌｅ?ａｎｄ?ｆｏｒｅｃａｓｔ??

?大連海事大學專業(yè)學位碩士學位論文???２車輛路徑問題的相關(guān)概念及理論基礎(chǔ)??２．１車輛路徑問題概述??車輛路徑問題作為運籌學的一個經(jīng)典模型，自１９５９年提出以來，就受到各個領(lǐng)域??的專家和學者的極大重視，并對此問題進行了更加深入的研究。該問題定義［３５］—般可描??述為對于一系列需要提供配送服務的客戶點（裝貨點或卸貨點），在滿足一定約束條件??下，例如車輛的載貨量包括載重和容量、客戶的時間窗等，組織一定數(shù)量的車輛以及合??適的行車路線，從配送中心出發(fā)，使車輛按照預先設定好的路線依次服務路線上的每個??客戶并最終回到終點，且達到一定的目標，主要包括配送成本最低、完成配送時間最短、??客戶滿意度最高等。車輛路徑問題可由圖２．１所示：??／?＇?Ｂ送中心＜一＾－一＾??圖２．１車輛路徑問題示意圖??Ｆｉｇ．?２．１?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?Ｖｅｈｉｃｌｅ?Ｒｏｕｔｉｎｇ?Ｐｒｏｂｌｅｍ??２．２?ＶＲＰ問題的構(gòu)成要素??作為運籌學中的經(jīng)典模型之一完整的ＶＲＰ系統(tǒng)主要由以下幾類要素構(gòu)成；??（１）配送中心??配送中心是配送業(yè)務的“中央處理器”，是處理物流和信息流集中的地方。對到達??配送中心的貨物進行倒裝、分揀，在根據(jù)客戶的要求例如時間窗或其他方面，設計合理??運輸路線，安排車輛為客戶提供配送服務。屬性有車輛的數(shù)量和類型、初始配送時間和??１３??

?大連海事大學專業(yè)學位碩士學位論文???１７％?１６％??２４％?Ｂ??圖４．３輪盤賭選擇法??Ｆｉｇ?４．２?Ｒｏｕｌｅｔｔｅ?ｓｅｌｅｃｔｉｏｎ?ｍｅｔｈｏｄ??輪盤賭選擇法雖然可以保證種群多樣性但同時隨機性也較大，難以保證算法收斂。??本文結(jié)合模型分析，在輪盤賭算子的基礎(chǔ)上引入最休保存策略，防止適應度高的個體因??為隨機的原因不被選中，避免適應度高的個體被后續(xù)的遺傳操作改變，使群體向最優(yōu)化??方向進化，提高收斂能力。具體選擇操作為：??（１）計算個體的適應度ｆｉ，將每一代具有最大適應度的個體直接進行復制；??（２）計算每個個體被遺傳到下一代中的概率；??Ｐ丨＝各．?（４２）??Ｉ／；??１？１?，??（３）計算個體的累計概率；??？，■?＝?Ｙ，Ｐｊ?（４－３）??（４）在［０，１］之間隨機產(chǎn)生一個數(shù)ｔ，若ｔ＜ａｉ，則選擇個體１進入子代種群，若ａｋ－ｉ＜ｔ＜ａｋ，??選擇個體ｋ進入子代總?cè)骸??（５）重復步驟（４），直到子代種群選擇完畢生成新一代種群，并將適應度最低的個體??用父代適應度最高的染色體進行替換。??４．３．２交叉算子??交叉操作是指兩個父代染色體上基因位進行交換生成新個體的操作。交叉操作改變??了父代個體中的基因，是產(chǎn)生新個體的主要來源。本文交叉算子采用適合自然數(shù)編碼的??部分映射交叉法（Ｐａｒｔｉａｌ－Ｍａｐｐｅｄ?Ｃｒｏｓｓｏｖｅｒ，ＰＭＸ）［６２］，具體步驟為：??（１）隨機選擇一對染色體（父代）中幾個基因的起止位置（兩染色體被選位置相??３３??

【參考文獻】：
期刊論文
[1]混合蟻群算法求解帶軟時間窗的車輛路徑問題[J]. 李卓,李文霞,巨玉祥,陳曉明,何曉平.  武漢理工大學學報(交通科學與工程版). 2019(04)
[2]車輛路徑優(yōu)化問題及求解方法研究綜述[J]. 龐燕,羅華麗,邢立寧,任騰.  控制理論與應用. 2019(10)
[3]帶軟時間窗的電動車輛路徑優(yōu)化問題[J]. 葛顯龍,竹自強.  工業(yè)工程與管理. 2019(04)
[4]旅行時間不確定下的車輛路徑問題研究[J]. 武小平,寇藝檳,樊相宇.  制造業(yè)自動化. 2019(04)
[5]實數(shù)編碼遺傳算法的改進及并行化實現(xiàn)[J]. 劉振鵬,王雪峰,薛雷,張彬,張壽華.  河北大學學報(自然科學版). 2019(01)
[6]帶軟時間窗的連鎖超市配送車輛路徑問題[J]. 夏揚坤,符卓.  信息與控制. 2018(05)
[7]行駛時間隨機的分批配送車輛路徑問題模型與算法[J]. 石建力,張錦.  計算機應用. 2018(02)
[8]求解軟時間窗裝卸一體車輛路徑問題的布谷鳥算法[J]. 戚艷君,陳超,高楊軍,劉正元.  空軍工程大學學報(自然科學版). 2017(06)
[9]隨機旅行時間的外賣O2O配送車輛路徑問題[J]. 王帥,趙來軍,胡青蜜.  物流科技. 2017(01)
[10]基于兩階段算法的需求可拆分多車型車輛路徑問題[J]. 潘雯雯,郭海湘,周光勇,杜天松.  中國管理科學. 2016(S1)

博士論文
[1]不確定因素下路徑規(guī)劃問題研究[D]. 張夢穎.中國科學技術(shù)大學 2016

碩士論文
[1]城市快遞配送車輛路徑規(guī)劃研究[D]. 宋汶軒.北京郵電大學 2019
[2]任務均衡下的快遞末端配送區(qū)域劃分及路徑優(yōu)化研究[D]. 張慧敏.北京交通大學 2019
[3]帶模糊需求與時間窗的車輛路徑優(yōu)化研究[D]. 耿靜.大連海事大學 2019
[4]基于遺傳算法的實驗室設備綜合規(guī)劃的研究與應用[D]. 陳錫生.上海交通大學 2017
[5]物流配送中車輛路徑問題研究[D]. 閆凱.解放軍信息工程大學 2017
[6]帶貨物權(quán)重的軟時間窗開放式車輛路徑問題研究[D]. 張琳琳.長安大學 2016
[7]乘用車公路運輸路徑優(yōu)化問題研究[D]. 王維天.大連海事大學 2014
[8]基于近似動態(tài)規(guī)劃的隨機車輛路徑問題研究[D]. 張晨.清華大學 2012
[9]基于魯棒優(yōu)化的應急管理下的車輛路線問題的研究[D]. 孫華.河南大學 2007



本文編號：3507951