物流配送车辆优化调度问题探讨

《物流配送车辆优化调度问题探讨》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、物流配送车辆优化调度问题的探讨物流配送车辆优化调度问题的探讨[摘要]随着经济的不断发展，城市正发生着日新月异的变化。城市的发展离不开大量货车的使用，所以如何解决物流配送车辆优化调度的问题就逐步成为城市建设发展的焦点。物流配送车辆优化调度的问题，即对固定的装（卸）货地点，选择较为适当的行车路线让车辆井然有序的从各个路点通过，并且在按照要求完成任务的情况下还起到了一定的优化作用。本文从物流配送的概述和流程开始深入，针对物流配送车辆优化调度问题的分类和优化算法方面做了详细的介绍，还进一步的分析了国内外在物流配送车辆优化

2、调度问题上的研究现状以及以后的发展方向。1物流配送概述及其流程1.1物流配送的基本概述将目标货物从发货人送至收货人的过程被称为配送。由于配送最终的目标是收货人，即为消费者，因此，配送也是物流系统中的一个至关重要的步骤。配送不仅仅局限于配货和送货。满足客户的需求，配送需要在满足客户对货物种类数量的基础上，在保证按时送达客户的基础上选取更快，更节约成本的配送方案，实现利益最大化。1.2物流配送系统的优化为找到一个最佳的物流配送方案，应该从以下几个方面着手：配送车辆的调度，对集货线路的选取，对送货路线的选择，实现集货—

3、送货相统一。对配送系统的优化不仅可以增加物流的经济效益，更有助于实现科学化、现代化物流管理，显著提升物流的服务质量，提高物流公司信誉，从而有效地降低物流成本。1.3物流配送的流程随着物流配送的发展，现代物流配送水平的提高，货物流通性大大增强，传统的存储环节作用正逐渐式微，也使得配送环节取代存储环节成为物流中最重要的部分。而作为配送的核心配送车辆对货物的集货、配送和送货过程越来越被重视，如何选取最优配送路线，是对整个物流质量的考验，关系着物流整体的运输速度、服务成本和经济效益。随着电子商务的崛起，以集货作业和配货作

4、业为主体的新物流模式已然形成。2车辆优化调度问题的分类和优化算法2.1车辆优化调度问题的分类根据不同的性质，可将车辆优化调度问题分成不同的类型。按照运输任务可将车辆优化调度问题分为三类，即纯装、纯卸、装卸混合三类问题。按照车辆的载货情况可将车辆优化调度问题分为两类，即满载、非满载问题。满载是指货量大于车载量，需要多辆车运输。非满载是指车载量大于货量，一辆车就能完成任务。按照车辆类型可将车辆优化调度问题分为两类，即单车型、多车型问题。按照车辆是否返回可将车辆优化调度问题分为两类，即车辆开放（车辆不返回）、车辆封闭（

5、车辆返回）问题。按照优化的目标可将车辆优化调度问题分为两类，即单目标、多目标问题。按照有无休息时间可将车辆优化调度问题分为两类，即有休息时间调度、无休息时间调度问题。2.2车辆优化调度问题的优化算法2.2.1精确算法精确算法又称最优化算法，是指求出最佳解的算法。其算法有很多，比如切割平面法、网络流算法等。精确算法有一个弊端，就是其计算量随着需要解决的问题规模的增大而大幅度的增大。由于这个弊端，精确算法只能适合解决规模较小的问题。因为精确算法适应能力较差，一般这种算法最适合解决一个特定的问题，所以在实际应用中这种算

6、法不是很受提倡。2.2.2启发式算法启发式算法完全不同于精确算法，它追求的是解决问题的满意性而不是最优性。它是一种用直观、经验构造出来的算法。到目前为止，启发式算法已经有好多种，最主要是以下两种算法。构造启发式算法，其实质就是按照标准将不在同一条线路的所有点逐个的增加进来。在算法的每一步上，都要将当前的线路构型和另外的线路构型比较后，综合改进得到最后可行的构型。这类算法的代表算法是：最邻近法、扫描法、节约法等。智能化启发式算法就是在人工智能的启发式算法的基础上发展的。它的主要算法有：蚁群算法、神经网络算法等。启发

7、式算法在解决大规模的PDPTW问题上分为经典启发式算法和现代启发式算法。经典启发式算法主要有路径构造算法和路径改造算法等。路径构造算法其实质就是分解算法，就是将一个问题分为两个阶段（路由和排序）来解决。路径改造算法是在路径构造算法上改进的，其第一个阶段就是找到一个可行解，下一阶段就是调整客户端，在满足可行的条件下，对路径进行调整，使其比当前路径更加优化，一直按照这样优化下去，直到不能优化为止。现代启发式算法中，最主要的就是禁忌搜索算法和模拟退火算法。禁忌搜索算法是禁忌搜索算法的一种变形，是现代局部搜索技术的一种。

8、其实质是近期被多次循环搜索过的算法被禁用。它的优点是减少需要考虑的移动次数，最终达到减少计算时间的目的。改进阶段和混合阶段是禁忌搜索算法的主要步骤，一个是得到最优解，另一个是跳出最优解。模拟退火算法。其算法具体过程是：在随机产生的可行解，每次循环时都随机挑选出一个好的和一个较差的可行解，这样就避免陷入局部最优解里。这个算法的弊端就是执行起来速度较慢。基于这个弊端提出了好几