突发事件下的车辆路径问题研究

论文摘要

车辆路径问题是物流管理研究中的一项重要内容,有效解决车辆路径问题不仅可以降低物流配送成本,还能提高客户个性化需求的响应速度、服务质量和客户对物流配送服务的满意度。突发事件容易引起交通堵塞,造成路网中断,增加车辆行程时间,从而引发基于连通可靠性和行程时间可靠性车辆路径问题,极大地增加了物流运输成本,严重损害物流企业的利益,同时还可能引起社会应急救援物流配送及伤病员转移等一系列问题。传统的车辆路径问题模型往往忽略突发事件对配送服务可靠性的影响,使用平均行程时间作为其车辆路线规划前提,在突发事件背景下是无法真正满足这种要求的。要想合理地反映突发事件下物流配送车辆路线的随机动态性特征,必须构建能够考虑诸多因素的车辆路径问题模型,引入路网可靠性进行分析,从而使模型更贴近实际运行情况。借用路网可靠性的多种概率性能指标,反映物流配送系统的运行特征,为客户定制符合“个性化”需求的物流方案,借此提高物流企业的市场竞争优势。本文就突发事件引起的基于连通可靠性、行程时间可靠性和应急物流配送的车辆路径问题进行了深入研究,主要研究内容如下:(1)针对基本蚁群算法求解车辆路径问题时收敛速度慢的问题,提出了一种快速收敛的蚁群算法,利用车辆满载率作为调节因子来控制信息素的变化,使其尽快寻找到最优路径。同基本蚁群算法相比较,在收敛速度和求解质量上具有明显的优越性。(2)提出了突发事件前提下基于连通可靠性的车辆路径问题和基于行程时间可靠性的车辆路径问题数学模型,利用蚁群算法中状态转移概率公式,将连通可靠性、行程时间可靠性问题与蚁群算法结合,应用到突发事件下的车辆路径问题中,丰富了车辆路径问题的内容。同时根据问题性质不同设置相应参数,丰富了蚁群算法的参数设定。通过实例分析探索了各参数取值对结果的影响及其合理设定。(3)旅行时间直接影响到顾客对物流配送服务的满意度,具有模糊旅行时间的车辆路径问题应考虑模糊约定时间对客户满意度影响,应用线性加权法综合多个目标函数,通过实例分析了蚂蚁算法参数取值对结果的影响。(4)针对突发事件下灾难发生时应急物流的特点,提出了一种用于解决突发事件下物流配送车辆路径多目标优化问题的蚁群聚类优化算法。结合蚁群的墓地构造行为特点,利用改进LF蚁群聚类模型,以节点需求未得到满足的不满意度最小和路由时间最短为优化目标,应用线性加权方法将多目标问题转化为单目标问题,用LF蚁群聚类方法按约束条件进行聚类,最终确定车辆具体的出行线路。目前突发事件下车辆路径问题的研究刚刚起步,其适用性还未能被实际应用证实,求解的技术也远没有达到成熟的地步。但是,基于连通可靠性和行程时间可靠性的分析必然会给物流行业带来深远的影响。结合我国的国情,将路网可靠性理论与车辆路径问题有机结合,可以在很大程度上改善现有的物流服务状况,提高国家的抗灾救援能力,具有广阔的实际应用前景。随着智能交通系统的发展,将群集智能技术应用于物流规划问题同样具有重要的理论和现实意义。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 车辆路径问题及其研究现状
• 1.2.1 车辆路径问题分类
• 1.2.2 国外研究现状
• 1.2.3 国内研究现状
• 1.3 存在问题及研究方向
• 1.4 论文研究内容
• 第2章 蚁群算法原理及其改进
• 2.1 蚂蚁算法的原理
• 2.2 蚁群算法
• 2.2.1 蚁群算法的发展概况
• 2.2.2 变量和参数
• 2.2.3 转移概率
• 2.2.4 信息素轨迹强度更新
• 2.3 算法的改进
• 2.3.1 状态转移概率公式的改进
• 2.3.2 信息素更新策略的改进
• 2.4 改进蚁群算法求解VRP的基本步骤
• 2.5 实例分析
• 2.6 小结
• 第3章 基于连通可靠性的车辆路径问题研究
• 3.1 连通可靠性的基本概念
• 3.2 路网连通可靠性及其计算方法
• 3.3 基于连通可靠性车辆路径问题的数学模型
• 3.4 基于连通可靠性的车辆路径问题的蚁群算法
• 3.4.1 状态转移概率公式
• 3.4.2 信息素轨迹更新
• 3.5 数值计算及分析
• 3.6 小结
• 第4章 基于行程时间可靠性的车辆路径问题研究
• 4.1 引言
• 4.2 行程时间可靠性及其近似算法
• 4.2.1 用户均衡分配模型系统的行程时间可靠性
• 4.2.2 行程时间可靠性的近似算法
• 4.3 基于行程时间可靠性的VRP数学模型
• 4.4 VRPTTR的蚁群算法
• 4.4.1 状态转移概率公式的改进
• 4.4.2 信息素更新策略
• 4.5 实例分析
• 4.6 多种可靠性混合的车辆路径问题
• 4.6.1 多种可靠性混合的车辆路径问题数学模型
• 4.6.2 蚁群算法的状态转移概率公式
• 4.6.3 数据仿真与分析
• 4.7 小结
• 第5章 基于信息熵蚁群算法的FTTVRP问题研究
• 5.1 引言
• 5.2 相关模糊理论及FTTVRP的数学模型
• 5.2.1 模糊理论
• 5.2.2 FTTVRP的多目标数学模型
• 5.2.3 多目标函数的处理
• 5.3 基于信息熵的蚁群算法
• 5.3.1 信息熵的基本概念和性质
• 5.3.2 基于信息熵的蚁群算法
• 5.3.3 信息素更新策略和改进
• 5.4 计算实例
• 5.5 小结
• 第6章 突发事件下物流配送问题的蚁群聚类算法研究
• 6.1 引言
• 6.2 问题假设和数学模型
• 6.3 蚁群聚类算法
• 6.3.1 BM聚类和LF聚类
• 6.3.2 改进LF聚类蚁群算法
• 6.4 算例
• 6.5 小结
• 第7章 结论与展望
• 7.1 论文研究的主要结论
• 7.2 论文主要创新点
• 7.3 展望
• 致谢
• 参考文献
• 附录 1
• 攻读博士学位期间发表的论文