物流配送车辆优化调度的一种神经网络算法
摘要：本文讨论了物流配送车辆优化调度问题的分类，建立了解决非满载车辆卸货路线优化的神经网络模型，提出了解决配送车辆优化调度问题的步骤，并进行了具体的调度试验，验证了算法的可行性。
关键词：配送，调度，神经网络
0 引言
据统计，美国2000年的运输费用为5900亿美元，占当年GDP总值99600亿美元的5.92%，可见，减少运输费用是有效减少物流成本的重要方面。对于物流中心和第三方物流企业的货物配送，运输车辆的调度是工作的重点，正确合理的调度可以有效减少车辆的空驶率，实现合理路径运输，从而有效减少运输成本，节约运输时间，提高经济效益。
1 配送车辆调度优化问题分类
运输车辆的优化调度问题由Dantzig和Ramser于1959年首次提出，由于该问题在交通运输、工业生产管理等领域具有广泛而重要的应用，因此30多年来其研究得到很大重视，国外的Bodlin，Christofider，Golden，Assad, Ball 等人对该问题进行了较为深入的研究[1] [2] [3]。
总体上看，车辆的优化调度问题一般可根据时间特性和空
间特性分为车辆路径规划问题和车辆调度问题。当不考虑时间要求，仅根据空间位置安排车辆的线路时称为车辆路径规划问题（VRP-Vehicle Routing Problem）；考虑时间要求安排运输线路时称为车辆调度问题VSP（Vehicle Scheduling Problem）。某些学者将有时间要求的车辆调度问题称为Vehicle Routing Problem with Time Windows。车辆优化调度问题可根据不同性质具体分为以下几类。
按照运输任务分为纯装问题、纯卸问题以及装卸混合问题，所谓的装卸混合问题就是车辆在运输途中既有装货又有卸货。 按照车辆载货状况分为满载问题和非满载问题，满载问题是指货运量多于一辆车的容量，完成所有任务需要多辆运输车辆。非满载问题是指车的容量大于货运量，一辆车即可满足货运要求。
按照车辆类型分为单车型问题和多车型问题。
按照车辆是否返回车场划分为车辆开放问题和车辆封闭问题，车辆开放问题是指车辆不返回其出发地，车辆封闭问题是指车辆必须返回其发出车场。
按照优化的目标可分为单目标优化问题和多目标优化问题，单目标优化是指某一项指标最优或较优，如运输路径最短。多目标优化则是指同时要求多个指标最优或较优。如同时要求运输路径最短和费用最省。
按照货物的种类要求可分为同种货物优化调度和多种货物
优化调度。多种货物优化调度问题是指运输货物的种类多于一种，车辆调度时可能要考虑某些种类的货物不能同时装配运输的要求，如灭害灵等杀虫剂和食品等不能混装运输等。
按照有无休息时间要求可分为有休息时间的优化调度和无休息时间优化调度问题。
实际中的车辆优化调度问题可能是以上分类中的一种或几种的综合，如某配送中心向其多个客户配送货物需要多辆车，这些车的类型不一样，运输的货物种类包括食品、日用品和蔬菜等多类，调度优化时希望运输费用最省，同时也希望运输时间最短，这样问题变为一个多车型多货种的送货满载车辆的多目标优化调度问题。
车辆的优化调度问题是一个有约束的组合优化问题，属于NP难题（Nondeterministic Polynomial Problem），是一个非确定型的多项式问题。NP问题的解有多个，随着其输入规模的扩大，问题的求解难度大大增加，求解的时间呈几何级数上升。目前，尚无有效的多项式时间算法来求解NP难题。
在求解车辆优化调度问题时，常常将问题分解或转化为一个或几个已经研究过的基本问题，如旅行商问题，最短路径问题，最小费用流问题，中国邮递员问题等。再用比较成熟的理论和方法进行求解，以得到原车辆调度问题的最优解或满意解。
常用的方法可以分为精确算法、启发算法和智能算法。精确算法主要有分支界定法，割平面方法，线性规划法，动态规划法
等，启发式算法主要有构造算法、两阶段法、不完全优化法等，智能算法分为神经网络方法、遗传算法和模拟退火算法等。
精确算法的计算量随着车辆优化问题规模的增大呈指数增长，如当停车卸货点的数目超过20个时，采用一般的精确算法求解最短运输路径的时间在几个小时以上。精确算法不适合于求解大规模的车辆优化调度问题。
2 配送车辆优化调度的神经网络算法
2.1 算法概述
人工神经网络是对人脑功能的简单和近似模拟，它由大量具有某种传递函数的神经元相互连接而成。人们经常采用Hopfield 网络和自组织特征映射神经网络来解决车辆的优化调度问题。在Hopfield网络中，系统能够从初始状态，经过一系列的状态转移而逐渐收敛于平衡状态，此平衡状态是局部极小点。
采用神经网络来求解车辆调度问题时一般按下列步骤进行[4]：
(1). 产生邻接矩阵
将车辆的源点、所经过的各个汇点和停点抽象成网络的结点，它们之间的有向路径抽象成网络的边，由此构成一个有向图G=(N,L,D)，其中N表示结点数，L表示边数，D为N×N的矩阵，可根据优化的目标分别是边（i,j）对应的长度、费用或时间，这样可定义距离邻接矩阵、费用邻接矩阵和时间邻接矩阵。如果两个结点间存在路径，则相应矩阵元素的值为路径的长度或运费
或运时；如果两个结点间不存在路径，则相应矩阵元素的值为∞。
(2). 约束的处理
对于车辆调度中的约束，将其作为神经网络的一个能量项来处理，将其施加一个惩罚项后加入到网络的能量方程式中，这样随着网络的收敛，约束的能量也逐渐趋于稳态，使约束得到体现。
(3). 神经网络计算
设邻接矩阵中的每个元素对应着一个神经元，定义位于位置(x,i)的神经元的输出为Vxi。首先确定网络的能量函数，该能量函数包括网络的输出能量函数和各个约束转化的能量函数，进而，确定神经元的传递函数和状态转移方程，经过网络的反复演化，直至收敛。
当网络经过演化最终收敛时，可形成一个由0和1组成的换位阵，阵中的1所在位置即表示所经过的结点，这些结点间的距离、费用和运时之和即为最短距离、最少运费和最小运时。
(4)．调度方案的形成
根据换位阵所形成的最短距离、最小运费和最小运时路径，最终来确定车辆调度的方案。
2.2 非满载配送车辆优化路径的Hopfield网络求解算法
2.2.1 约束条件
为确保网络稳态时的输出能量是一个有效的换位阵，网络必须同时满足以下约束条件
(1) 有效路径约束
为防止不存在的路径被选中，设定如下的约束函数：
式中：
u1为惩罚系数
(2) 输入输出路径约束
为保证网络的结点有输入路径，必有输出路径，设定如下的约束函数：
式中：u2为惩罚系数
(3) 为保证网络的状态收敛到超立方体2n(n-1)中的一个，设定如下的约束函数：
式中：u3为惩罚系数
(4) 为保证最短路径源于规定的起点s，终止于规定的终点d，约束函数设定如下：
(4)
式中：u4为惩罚系数
2.2.2 能量方程
网络的目标函数设定为：
(5)
式中：u5为惩罚系数
网络的能量函数为：
(6)
各神经元的输出为：
(7)
模型的运动方程为：
(8)
(9)
将式（6）带入式（9）得到神经网络的运动方程：
(10)
式中δ规定为：
(11)
比较式(8)和式(10)中的系数，可以得到如下的连接权重和偏置电流为：
(12)
(13)
将式(12)和式(13)中的Txi,yiIxi代入式(8),然后交替求解网络的运动方程式(8)和代数方程式(7)，当神经网络趋于稳态时，就可得到一个优化解，即最短路径。
4 试验
深圳市科技园的实际部分路网如图1所示，针对此路网，设定由沃尔玛商场先向华润超市后向清华深圳研究生院配送商品，运输车辆为一辆小型皮卡车，要求运输路径最短。假设先送华润超市，后送清华研究生院，以沃尔玛商场为起点，以华润超市为终点，将其间所有路网点编号，如图1所示。
采用Hopofield网络来1点到12点之间求最短路径。首先，生成的距离矩阵：
用Hopfild神经网络对以上的有向图进行计算，选取各惩罚系数如下：μ5＝1000；μ1＝4000；μ2＝1500，μ3＝1000；μ4＝550。网络的时间常数τ=1，并假定每个神经元的具有相同的传递函数，即gxi＝g;λxi=λ；网络的初始电压Uxi=0。对图１的网络图进行计算，其神经网络的最终输出的换位阵如下所示．
根据换位阵，得到的最短路径为：1 4 7 12
同理，在求由华润超市到清华深圳研究生院时的最短路径时，以华润超市为起点1，清华研究生院为终点12，对其中的路网进行重新编号。同理求解，得到的最短路径为：华润超市兰羽公司高新超市清华深圳研究生院。
非满载配送车辆的优化调度问题，实际上可归结为求最短路径问题，它是配送车辆调度问题最简单的一种情况。对于其他种类的调度问题，虽然其求解要更复杂，但是可转化为非满载车辆调度情况来来解决，如满载情况，可首先确定车辆的配载，然后对每一辆车针对不同的配送区域分别求解其最短路径，然
学年论文之 家乐福超市物流配送路线优化 专业物流工程 班级 姓名 学号 日期
在物流配送业务中，合理确定配送路径是提商服务质量，降低配送成本，增加经济效益的重要手段。物流配送系统中最优路线的选择问题一直都是配送中心关注的焦点，针对当前家乐福物流配送体系不完善等方面的现状，本文从可持续发展的角度，用系统的观念，来研究家乐福物流配送体系，优化配送路线，使配送体系合理化。 通过对家乐福超市现有物流配送路径的分析研究，发现其中存在的一些问题，并由此提出解决办法，结合背景材料，建立了数学模型，运用遗传算法对家乐福物流配送路线进行优化选择，并得出结果。由此可见，家乐福超市原有的物流配送路线还可以进行再优化，从而达到运输成本最小化的目标。 关键词：物流配送；路径优化；节约里程算法
1.绪论 (1) 1.1选题目的和意义 (1) 1.2国内外物流配送路线优化研究现状 (2) 2. 家乐福超市配送路线现状 (3) 2.1家乐福超市概况 (3) 2.2家乐福超市配送路线作业现状 (4) 2.2.1 配送距离分析 (4) 2.2.2 车辆数分析 (5) 2.2.3 需求量分析 (6) 2.2.4 商品品种分析 (6) 2.3家乐福超市配送现有路线问题分析 (7) 3.配送路线优化建模与求解 (9) 3.1研究对象目标设定 (9) 3.2模型的构建 (11) 3.3节约算法 (12) 3.3.1节约算法的基本原理 (12) 3.3.2节约里程算法主要步骤 (13) 3.3.3基于节约算法的配送路线优化 (13) 3.3.4优化后的配送线 (24) 4.优化结果分析 (25) 4.1优化前结果 (25) 4.2优化后结果 (25) 4.3结论 (26) 5.总结与建议 (27) 参考文献: (28)
【最新资料,Word版，可自由编辑！】
摘要：本文讨论了物流配送车辆优化调度问题的分类，建立了解决非满载车辆卸货路线优化的神经网络模型，提出了解决配送车辆优化调度问题的步骤，并进行了具体的调度试验，验证了算法的可行性。 0 引言 2000年的运输费用为5900亿美元，占当年GDP总值99600亿美元的5.92%，可见，减少运输费用是有效减少物流成本的重要方面。对于物流中心和第三方物流企业的货物配送，运输车辆的调度是工作的重点，正确合理的调度可以有效减少车辆的空驶率，实现合理路径运输，从而有效减少运输成本，节约运输时间，提高经济效益。 1 配送车辆调度优化问题分类 Dantzig和Ramser于1959年首次提出，由于该问题在交通运输、工业生产管理等领域具有广泛而重要的应用，因此30多年来其研究得到很大重视，国外的Bodlin，Christofider，Golden，Assad, Ball 等人对该问题进行了较为深入的研究[1] [2] [3]。 总体上看，车辆的优化调度问题一般可根据时间特性和空间特性分为车辆路径规划问题和车辆调度问题。当不考虑时间要求，仅根据空间位置安排车辆的线路时称为车辆路径规划问题（VRP-Vehicle Routing Problem）；考虑时间要求安排运输线路时称为车辆调度问题VSP（Vehicle Scheduling Problem）。某些学者将有时间要求的车辆调度问题称为Vehicle Routing Problem with Time Windows。车辆优化调度问题可根据不同性质具体分为以下几类。 合问题，所谓的装卸混合问题就是车辆在运输途中既有装货又有卸货。
2009机电工程技术年第38卷第08 期 物流车辆智能调度管理系统 赖顺桥,肖熠琳 (广州市光机电技术研究院广东省现代控制与光机电技术公共实验室, 广东广州 510663 收稿日期:2009-04-15 ,探讨了系统的工作原理,,更好地满足企业JIT (Just In Time ;工厂智能系统文献标识码:B 文章编号:1009-9492(200908-0019-03 1引言 现代物流不仅要考虑从生产者到消费者的货物配送问题,还要考虑从供应商到生产者对原材料的采购,以及生产者本身在产品制造过程中的运输、保管和信息等各个方面,从而全面地、综合性地提高经济效益和效率。中国加入WTO 后,经济发展正面临着全球经济大融合的严峻考验,在激烈的竞争环境下,各企业纷纷实行供应商管理库存(VMI 、JIT (Just in time 即时采购等先进的供应链管理,在生产方式上纷
纷采用先进的生产管理方式——准时生产方式(JIT 生产。这些先进管理方式的主要目的都是为企业能够实现“零库存”。然而,绝大部分的企业和工厂都忽视了一个重要环节——材料装卸货环节(当材料从供应商出厂送到企业生产线上,必须经过装卸货,仍旧采用人工调度呼叫的管理方式。人工调度的方式大致如下: (1运货车辆到调度室用登记表登记; (2调度员通过对讲机询问在卸货区的工作人员是否可以调度该车辆进入卸货区,如果不可以,则叫该车到“待车区”等工作人员通知; (3得到卸货许可后,调 度员要去“待车区”寻找该车辆进入卸货区卸货。这种方式存在着出错概率大、效率低、易出现堵车、用工成本高等缺陷。 本文介绍一套满足现代化生产需求的物流车辆智能调度管理系统,彻底解决人工调度方式存在的种种不足,实现货车全自动、智能调度呼叫的管理方式,大大提高货场车位的使用周转速度,减轻了人的劳动强度,提高了卸货效率,确保工厂外围送货车辆顺畅有序运作,从而大大地 提高当前工厂物流的效率,对企业的增产和增收起着积极的作用。 2系统组成与工作原理 2.1系统组成 系统组成如图1所示。硬件系统主要包括计算机系统、传感器及信号采集系统、通讯系统、LED 显示系统、语音广播系统、电源系统等;软件系统主要包括数据采集模块、无线通讯模块、数据库模块、调度算法模块、指挥室车辆登记模块、参数设置模块、查询统计模块、打印模块、LED 显示模块、语音播放模块、待车超时提示模块、卸货超时报警模块及上位机界面设计模块等。 2.2工作原理
11.2.3、车辆调度方法 车辆调度的方法有多种，可根据客户所需货物、配送中心站点及交通线路的布局不同而选用不同的方法。简单的运输可采用定向专车运行调度法、循环调度法、交叉调度法等。如果配送运输任务量大，交通网络复杂时，为合理调度车辆的运行，可运用运筹学中线性规划的方法，如最短路法、表上作业法、图上作业法等。 （一）图上作业法 图上作业法是将配送业务量反映在交通图上，通过对交通图初始调运方案的调整，求出最优配送车辆运行调度方法。运用这种方法时，要求交通图上没有货物对流现象，以运行路线最短、运费最低或行程利用率最高为优化目标。其基本步骤为： 1．绘制交通图根据客户所需货物汇总情况、交通线路、配送点与客户点的布局，绘制出交通示意图。 例：设有A1、A2、A3三个配送点分别有化肥40t、30t、30t，需送往四个客户点B1、 B 2、B 3 、B 4 ，而且已知各配送点和客户点的地理位置及它们之间的道路通阻情况，可据此制 出相应的交通图，如图11-2所示。 2．将初始调运方案反映在交通图上任何一张交通图上的线路分布形态无非为成圈与不成圈两类。对于不成圈的，A1，B2的运输，可按“就近调运”的原则即可，很容易得出调运方案。其中（A1→B470km）＜（A3→B480km）, （A3→B270km）＜（A2→B2110km）,先假定（A1→B4），（A3→B2）运输。对于成圈的，A2、A3 B1所组成的圈，可采用破圈法处理，即先假定某两点（A2与B4）不通（即破圈，如图11-3所示），再对货物就近调运，（A2→B3）（A2→B4），数量不够的再从第二点调运，即可得出初始调运方案，如图11-3所示。在绘制
车辆调度使用的方案 针对我公司最近在车辆运输货物过程出现的脱拉，人员不到位，不能按时发货，货物卸完之后不能及时从工地返回等一系列现象，做出以下分析。 首先：调度上存在的问题，车辆司机全由办公室主任兼管，因一些个人和工作原因他并不是天天都在公司上班，而配送和安装在使用车辆前必须跟办公室主任提出申请，再由他安排司机开车，同一信息传达两遍，再加上有时电话联系不上，工作都被拖延，无形中大大降低了工作效率。 其次：在配送装完货之后，由于之前一直职责划分不明确，发货指令有时由配送部发出，有时又由安装调度来发号指令。整体工作过程都会感觉衔接很不紧凑和畅通。 再次：由于司机在不出车的情况下没有一个固定的办公环境，因此在正常上班的情况下有时看不到人，出现手机不通的情况又会耽误一系列工作。 最后：车辆到了工地以后卸完货不能按时回到公司，在业务大的情况下，这无疑导致了很多工作都不能高效地完成，还造成了因内部车辆不够，找外协车辆运货增加了运输成本。 根据目前的现状和存在的问题，我拟定出以下方案来开展以后的工作。 车辆的调度 司机和车辆仍属于车队队长管理，但是车队队长必须对车队全权负责，能保证其他部门在用车时司机能够马上到岗，上班时间电话保持畅通。配送部装车需提前告知车队队长，由车队队长安排司机开车。装车前安装部调度员需告知配送部负责人货物装完后车辆的准确发车信息（包括发车时间，工地卸货联系人，现场主管联系方式），若有特殊和紧急情况，信息有更改的需及时通知配送部负责人，以免出现货物早发或者晚发。安装部调车去接班组或者安排维修，以及其他部门用车的仍需通过车队队长，由他来安排。司机和车辆被派到用车单位后由用车单位来调度。用车单位人员务必掌握好用车时间及办事效率，原则上不得超时用车，若因特殊情况需延时用车须提前与车队队长联络，并经许可后方能继续用车。 二、给每位司机安排办公区域 司机的职责当然是开车外出作业，但是没任务的情况下应该给他们安排一个办公区域，一旦有任务，即使手机不通也可找到人，而不会经常出现货装完仓库找不到司机签字发放单据，配送找不到司机发车。建议启用豪华样房，该房已完工一年之多，但并未投入使用。 三、车辆的高效利用 车辆的高效利用无非就是车辆能在最短的时间内完成最多的任务，当然也不是说为了缩短时间而超速行驶，而是装车的过程中配送人员的效率要高，仓库做好备货，装完货没有意外情况马上发货。到了工地班组高效率地卸车，卸完货司机马上开车回来装下一个单。为了杜绝司机故意在工地上故意拖延返回时间，要求现场主管记录好车辆到工地和班组卸完货的具体时间，每周交给车队车长一次。 有了以上的方案并不能够完全地把我们的工作效率提高起来，为了行之有效，并加强运输车辆管理，保证货物运输正常秩序和运输安全，使车辆运行有章可循，统一调度，合理调配，节约运力，提高效益，特制定本制度（以下的调度包括车队队长以及其他部门经常使用车辆的调度人员）。 凡公司所属货物运输车辆及相关工作人员，都必须遵守本制度 二、调度和使用汽车运输货物人员，必须掌握货物运输的法律法规、标准规范和其他安全生产作业的要求；掌握监督、检查及违章处罚的有关规定。 三、调度员应以货物配送计划指导车辆运营调度，严格用车管理制度，以全局观念调度车辆，公正、公平、合理，不徇私情，大公无私。
物流配送的车辆路径优化 专业：[物流管理] 班级：[物流管理2班] 学生姓名：[江东杰] 指导教师：[黄颖] 完成时间：2016年6月30日
背景描述 物流作为“第三利润源泉”对经济活动的影响日益明显，越累越受到人们的重视，成为当前最重要的竞争领域。近年来，现代物流业呈稳步增长态势，欧洲、美国、日本成为当前全球范围内的重要物流基地。中国物流行业起步较晚，随着国民经济的飞速发展，物流业的市场需求持续扩大。特别是进入21世纪以来，在国家宏观调控政策的影响下，中国物流行业保持较快的增长速度，物流体系不断完善，正在实现传统物流业向现代物流业的转变。现代物流业的发展对促进产业结构调整、转变经济增长方式和增强国民经济竞争力等方面都具有重要意义。 配送作为物流系统的核心功能，直接与消费这相关联，配送功能完成质量的好坏及其达到的服务水平直接影响企业物流成本及客户对整个物流服务的满意程度。配送的核心部分是配送车辆的集货、货物分拣及送货过程，其中，车辆配送线路的合理优化对整个物流运输速度、成本、效益影响至关重要。 物流配送的车辆调度发展现状 VRP（车辆调度问题）是指对一系列装货点和卸货点，组织适当的行车线路，使车辆有序的通过，在满足一定的约束条件（如货物需求量、发送量、交发货时间、车辆容量等限制）下，达到一定的目标（如路程最短、费用最少、时间最少、使用车辆数最少等）。一般认为，不涉及时间的是路径问题，涉及时间的是调度问题。VRP示意图如下 当然，VRP并不止是这样的一个小范围，而是又更多的客户点与一个仓库链接，从而达
到一整个物流集群。 根据路径规划前调度员对相关信息是否已知，VRP可分为静态VRP和动态VRP，动态VRP 是相对于静态VRP而言的。静态VRP指的是：假设在优化调度指令执行之前，调度中心已经知道所有与优化调度相关的信息，这些信息与时间变化无关。一旦调度开始，便认为这些信息不再改变。 而VRP发展到现在的问题也是非常突出的，例如，只有一单货物，配送成本远高于一单的客户所给的运费，在这种情况下，该如何调度车辆？甚至还有回程运输的空载问题，在这些问题之中，或多或少都涉及到了VRP的身影，那么在这样的配送中怎么有效的解决车辆的路径优化问题就是降低运输和物流成本的关键所在。 解决怎么样的问题？ 现如今对于VRP研究现状主要有三种静态VRP的研究、动态VRP的研究以及随机VRP的研究。 而我对于VRP的看法主要有以下几点。 有效解决VRP或者优化车辆调度路径优化问题，那么将非常有效的降低物流环节对于成本的比重，有效的增大利润。 而我想到的方法，就是归类总结法。 建立完善的信息系统机制，将订单归类总结出来，可以按地区划分出来，一个地区一个地方的进行统一配送，这样也有效的降低了物流配送的车辆再使用问题，降低了成本。如下图所示。 仓库 客户 变换前 由上图可以看出来这样的路径，车辆需要来回两次，严重增加了配送成本，也增加了运输成本，使得利润并不能最大化。
物流配送车辆优化调度 的一种神经网络算法 Document serial number【KKGB-LBS98YT-BS8CB-BSUT-BST108】
物流配送车辆优化调度的一种神经网络算法 摘要：本文讨论了物流配送车辆优化调度问题的分类，建立了解决非满载车辆卸货路线优化的神经网络模型，提出了解决配送车辆优化调度问题的步骤，并进行了具体的调度试验，验证了算法的可行性。 关键词：配送，调度，神经网络 0 引言 据统计，美国2000年的运输费用为5900亿美元，占当年GDP总值99600亿美元的5.92%，可见，减少运输费用是有效减少物流成本的重要方面。对于物流中心和第三方物流企业的货物配送，运输车辆的调度是工作的重点，正确合理的调度可以有效减少车辆的空驶率，实现合理路径运输，从而有效减少运输成本，节约运输时间，提高经济效益。 1 配送车辆调度优化问题分类 运输车辆的优化调度问题由Dantzig和Ramser于1959年首次提出，由于该问题在交通运输、工业生产管理等领域具有广泛而重要的应用，因此30多年来其研究得到很大重视，国外的Bodlin，Christofider，Golden，Assad, Ball 等人对该问题进行了较为深入的研究[1] [2] [3]。 总体上看，车辆的优化调度问题一般可根据时间特性和空间特性分为车辆路径规划问题和车辆调度问题。当不考虑时间要求，
仅根据空间位置安排车辆的线路时称为车辆路径规划问题（VRP-Vehicle Routing Problem）；考虑时间要求安排运输线路时称为车辆调度问题VSP（Vehicle Scheduling Problem）。某些学者将有时间要求的车辆调度问题称为Vehicle Routing Problem with Time Windows。车辆优化调度问题可根据不同性质具体分为以下几类。 按照运输任务分为纯装问题、纯卸问题以及装卸混合问题，所谓的装卸混合问题就是车辆在运输途中既有装货又有卸货。 按照车辆载货状况分为满载问题和非满载问题，满载问题是指货运量多于一辆车的容量，完成所有任务需要多辆运输车辆。非满载问题是指车的容量大于货运量，一辆车即可满足货运要求。 按照车辆类型分为单车型问题和多车型问题。 按照车辆是否返回车场划分为车辆开放问题和车辆封闭问题，车辆开放问题是指车辆不返回其出发地，车辆封闭问题是指车辆必须返回其发出车场。 按照优化的目标可分为单目标优化问题和多目标优化问题，单目标优化是指某一项指标最优或较优，如运输路径最短。多目标优化则是指同时要求多个指标最优或较优。如同时要求运输路径最短和费用最省。 按照货物的种类要求可分为同种货物优化调度和多种货物优化调度。多种货物优化调度问题是指运输货物的种类多于一种，车辆调度时可能要考虑某些种类的货物不能同时装配运输的要求，如灭害灵等杀虫剂和食品等不能混装运输等。
车辆优化调度的研究 某某 某某学校 摘要：本文基于许多车辆优化调度的理论研究成果，对温州远大物流有限公司进行调查研究和分析，并提出了一些自己的意见和方案。车辆优化调度，首先研究其发展的历史及现状，然后应用现有的设施和技术，针对目前车辆调度存在的问题，对车辆进行优化调度。 关键词：车辆调度；优化设计；运输成本 The Optimization Scheduling Research of Vehicles Abstract：Based on the research findings of many vehicles’ optimal dispatching as well as the investigation and analysis of Wenzhou Yuanda logistics company, this paper will put forward some suggestions and proposals. After studying the history and current situations of the vehicles’ optimal dispatching and applying the current facilities and technology, the paper will find the best way to optimize the vehicles’ dispatching. Key words:Vehicle Scheduling；Optimal Design；Transportation costs
区域及同城配送方 案 1 2020年4月19日
XXXX项目 深圳地区物流配送方案 单位： 地址： 电话： 传真： 2 2020年4月19日
合作方 （甲方） （乙方） 合作理由 经过双方合作，乙方能够提供全程、“一站式”、集成的系列服务，已超出单一的传统物流业务模式，在与客户的合作中扮演的是物流整体方案策划者的角色，为企业提供的是“一揽子”服务模式。对于任何一家物流公司来说，异地的物流配送业务一直都会困扰着公司，主要表现在操作成本居高不下及服务时效等方面。因此对于异地的物流配送业务只有经过与当地正规的、较规模的物流公司进行强强联合，才能保证对客户承诺的服务质量，才能更加有效降低异地的操作成本。而乙方作为深圳当地的物流公司，期望经过本身的资源整合，接手甲方深圳区域的物流配送业务，从而能够充分发挥甲、乙双方各自优势、降低经营成本，增强双方的竞争力和提高双方经济效益，实现双赢的策略。 乙方合作优势 一、乙方现有操作优势 1、乙方具有先进的物流管理信息系统：乙方凭借多年的实际操作经验，针对客户的物流需求，度身订做了一套适合于仓库管理及配送的物流管理系统，主要包括以下模块：订单管理、进货管理、库存管理、入库作业、出库作业、货 3 2020年4月19日
物分拣、配送管理等；其中：库存管理系统主要是经过采用计算机操作方法，利用系统功能直接分拣，达到先进先出、按货号、批号出货等；可提供库存产品的新鲜度以及货物的调拨管理、库存盘点及网上查询等；另配送管理系统功能主要包括：商品的集中、分类、车辆调度、车辆信息管理、车辆配装、配送路线规划及配送途中的跟踪管理、网上下单、远程打印等； 2、完善的城市配送网络：乙方在多年的高科技产品、日用产品及大批量产品等配送运作过程中积累了丰富的配送管理经验，现已发展成为拥有多个仓库；仓管人员、业务员100多人；配送汽车30辆的配送队伍。可根据不同配送量、送货距离及客户要求等安排不同的运输工具，确保每份订单都能及时快速准确送达。 3、熟悉商场超市的收货程序：乙方当前对配送深圳地区经销商、终端客户及各大型商场、超市整个架构及流程非常熟悉（包括仓储及配送的每个环节应注意的事项），可大大缩短交接磨合期，减少因交接过渡期的不熟可能导致的货源不足等原因引起销售量下降的损失。同时在合作过程中可提供有利于甲方产品销售的建议。 4、优越的运输保障：乙方拥有各大、中、小型货车30余辆。灵活调动车辆执行配送任务，可避免压单的现象；可保证货物准时的送达。为贵司产品的全方位销售提供强有力的保障。 5、良好的企业形象：乙方送货司机及送货员工均统一管理、统一服务标准，保证了甲方的外在企业形象。 4 2020年4月19日
海南大学应用科技学院（儋州校区） 毕业设计（论文）开题报告书（学生用表） 一、选题的目的、意义（理论、现实）和国内外研究概况 目的：随着经济全球化的不断发展，作为“第三利润源泉”的物流对经济活动的影响 日益明显，引起了人们越来越多的重视，成为当前“最重要的竞争领域”。配送是现代物流的一个重要环节，随着物流的全球化、信息化及一体化,配送在整个物流系统中的作用变得越来 越重要。物流配送路线的优化，又是物流配送中的一个关键环节。因此，在配送过程中，配送线路合理与否对配送速度、成本、效益影响很大。设计合理、高效的配送路线方案，不仅可以减少配送时间，降低作业成本，提高企业的效益，而且可以更好地为客户服务，提高客户的满意度，维护企业良好的形象 意义：配送合理化与否是配送决策系统的重要内容，配送线路的合理与否又是配送合 理化的关键。选择合的理配送路线，对企业和社会都具有很重要的意义。对企业来说，(1)优 化配送路线，可以减少配送时间和配送里程，提高配送效率，增加车辆利用率，降低配送成本。 (2)可以加快物流速度，能准时、快速地把货物送到客户的手中，提高客户满意度。(3)使配送 作业安排合理化，提高企业作业效率，有利于企业提高竞争力与效益。对社会来说，它可以节省运输车辆，减少车辆空载率，降低了社会物流成本，对其他企业尤其是生产企业具有重要 意义。与此同时，还能缓解交通紧张状况，减少噪声、尾气排放等运输污染，对民生和环境也有不容忽视的作用。 国内外研究概况：物流配送路径优化问题最早是由Dnatzig和Rmaser于1959年首次提出, 自此,很快引起运筹学、应用数学、组合数学、图论与网络分析、物流科学、计算机应用等学 科的专家与运输计划制定者和管理者的极大重视,成为运筹学与组合优化领域的前沿与研究热 点问题。各学科专家对该问题进行了大量的理论研究及实验分析,取得了很大的进展。目前， 对于解决配送路径优化问题主要有两类方法，一类是精确算法，主要有动态规划法、分支定界法、节约算法、邻接算法、扫除算法、禁忌搜索算法等；另一类是启发式算法，主要有人工 神经网络算法、蚁群算法、人工免疫系统算法、粒子群算法、遗传算法等
配送是物流系统的一个重要环节,而配送业务中,配送车辆调度问题的涉及面广,是配送系统优化的关键。 物流配送车辆调度问题可以描述为:在一个存在供求关系的系统中，有若干台车辆、若干个物流中心和客户，要求合理安排车辆的行车路线和出行时间，从而在给定的约束条件下，把客户需求的货物从物流中心送到客户，把客户供应的货物从客户取到物流中心，并使目标函数取得优化。物流配送车辆调度问题的一般性定义是：物流配送车辆调度问题是把一系列的装货点和（或）卸货点，有机的组织起来，形成一系列行车线路，使待调度车辆能够高效、节能且有序地通过这些点。当然，这种组织方式是应该在满足一定的约束条件（例如：用户对货物的需求量、一次性发货量、应交发货时间、单个车场的车辆容量限制、路程约束、时间限制等），最终达到缩短里程、减少开支费用、缩短运输时间、使用车辆数尽量少等优化目标。 物流配送车辆调度问题一般研究的是在配送中心及用户位置均已知、资源及运输能力充分、各用户需求量己知的前提下，如何合理、高效、低成本的解决分配与运送的问题，也就是说如何将货物从配送中心按照一定的要求发送到若干个用户点。第二节车辆调度问题的构成要素 物流配送车辆调度问题主要包括货物，车辆，物流中心，客户，运输网络，约束条件和目标函数等要素。
（1）货物 货物是配送的对象。可将每个客户需求(或供应)的货 物看成一批货物。每批货物都包括品名、包装、重量、体积、要求送到(或取走)的时间和地点、能否分批配 送等属性。 （2）车辆 车辆是“车”与车的单位“辆”的总称。所谓车，是 指陆地上用轮子转动的交通工具；所谓辆，来源于古 代对车的计量方法。本文所说的车辆是指运载货物的 工具，车辆的主要属性包括：类型、工作时间、配送 前的停放位置、载重量以及配送任务完成后的停放位 置等。（3）物流中心 也称为物流基地、物流据点，是指进行集货、分货、 配货、配装、送货作业的配送中心、仓库、车站、港 口等。 在某配送系统中，物流中心的数量可以只有一个，也 可以有一个以上;物流中心的位置可以是确定的，也可 以是不确定的。对于某个物流中心，其供应的货物可 能有一种，也可能有多种;其供应的货物数量可能能够 满足全部客户的需求，也可能仅能满足部分客户的需 求。 （4）客户也称为用户，指的是物流配送的服务对象。
物流配送车辆优化调度的神经网络算法 0 引言 据统计，美国2000年的运输费用为5900亿美元，占当年GDP总值99600亿美元的5.92%，可见，减少运输费用是有效减少物流成本的重要方面。对于物流中心和第三方物流企业的货物配送，运输车辆的调度是工作的重点，正确合理的调度可以有效减少车辆的空驶率，实现合理路径运输，从而有效减少运输成本，节约运输时间，提高经济效益。 1 配送车辆调度优化问题分类 运输车辆的优化调度问题由Dantzig和Ramser于1959年首次提出，由于该问题在交通运输、工业生产管理等领域具有广泛而重要的应用，因此30多年来其研究得到很大重视，国外的Bodlin，Christofider，Golden，Assad, Ball 等人对该问题进行了较为深入的研究[1] [2] [3]。 总体上看，车辆的优化调度问题一般可根据时间特性和空间特性分为车辆路径规划问题和车辆调度问题。当不考虑时间要求，仅根据空间位置安排车辆的线路时称为车辆路径规划问题（VRP-Vehicle Routing Problem）；考虑时间要求安排运输线路时称为车辆调度问题VSP（Vehicle Scheduling Problem）。某些学者将有时间要求的车辆调度问题称为Vehicle Routing Problem with Time Windows。车辆优化调度问题可根据不同性质具体分为以下几类。 按照运输任务分为纯装问题、纯卸问题以及装卸混合问题，所谓的装卸混合问题就是车辆在运输途中既有装货又有卸货。 按照车辆载货状况分为满载问题和非满载问题，满载问题是指货运量多于一辆车的容量，完成所有任务需要多辆运输车辆。非满载问题是指车的容量大于货运量，一辆车即可满足货运要求。 按照车辆类型分为单车型问题和多车型问题。 按照车辆是否返回车场划分为车辆开放问题和车辆封闭问题，车辆开放问题是指车辆不返回其出发地，车辆封闭问题是指车辆必须返回其发出车场。 按照优化的目标可分为单目标优化问题和多目标优化问题，单目标优化是指某一项指标最优或较优，如运输路径最短。多目标优化则是指同时要求多个指标最优或较优。如同时要求运输路
物流配送车辆优化调度的一种神经网络算法 摘要：本文讨论了物流配送车辆优化调度问题的分类，建立了解决非满载车辆卸货路线优化的神经网络模型，提出了解决配送车辆优化调度问题的步骤，并进行了具体的调度试验，验证了算法的可行性。 关键词：配送，调度，神经网络 0 引言 据统计，美国2000年的运输费用为5900亿美元，占当年GDP总值99600亿美元的%，可见，减少运输费用是有效减少物流成本的重要方面。对于物流中心和第三方物流企业的货物配送，运输车辆的调度是工作的重点，正确合理的调度可以有效减少车辆的空驶率，实现合理路径运输，从而有效减少运输成本，节约运输时间，提高经济效益。 1 配送车辆调度优化问题分类 运输车辆的优化调度问题由Dantzig和Ramser于1959年首次提出，由于该问题在交通运输、工业生产管理等领域具有广泛而重要的应用，因此30多年来其研究得到很大重视，国外的Bodlin，Christofider，Golden，Assad, Ball 等人对该问题进行了较为深入的研究[1] [2] [3]。 总体上看，车辆的优化调度问题一般可根据时间
特性和空间特性分为车辆路径规划问题和车辆调度问题。当不考虑时间要求，仅根据空间位置安排车辆的线路时称为车辆路径规划问题（VRP-Vehicle Routing Problem）；考虑时间要求安排运输线路时称为车辆调度问题VSP（Vehicle Scheduling Problem）。某些学者将有时间要求的车辆调度问题称为Vehicle Routing Problem with Time Windows。车辆优化调度问题可根据不同性质具体分为以下几类。 按照运输任务分为纯装问题、纯卸问题以及装卸混合问题，所谓的装卸混合问题就是车辆在运输途中既有装货又有卸货。 按照车辆载货状况分为满载问题和非满载问题，满载问题是指货运量多于一辆车的容量，完成所有任务需要多辆运输车辆。非满载问题是指车的容量大于货运量，一辆车即可满足货运要求。 按照车辆类型分为单车型问题和多车型问题。 按照车辆是否返回车场划分为车辆开放问题和车辆封闭问题，车辆开放问题是指车辆不返回其出发地，车辆封闭问题是指车辆必须返回其发出车场。 按照优化的目标可分为单目标优化问题和多目标优化问题，单目标优化是指某一项指标最优或较优，如运输路径最短。多目标优化则是指同时要求多个指标最优或较优。如同时要求运输路径最短和费用最省。
货运车辆优化调度方法 据统计，美国2000年的运输费用为5900亿美元，占当年GDP总值99600亿美元的5.92%，可见，减少运输费用是有效减少物流成本的重要方面。对于物流中心和第三方物流企业的货物配送，运输车辆的调度是工作的重点，正确合理的调度可以有效减少车辆的空驶率，实现合理路径运输，从而有效减少运输成本，节约运输时间，提高经济效益。 1 运输车辆调度规划问题分类 货运车辆优化调度问题可根据不同性质具体分为以下几类： 按照运输任务分为纯装问题、纯卸问题以及装卸混合问题。按照车辆载货状况分为满载问题和非满载问题，满载问题是指货运量多于一辆车的容量，完成所有任务需要多辆运输车辆。非满载问题是指车的容量大于货运量，一辆车即可满足货运要求。 按照车辆类型分为单车型问题和多车型问题；按照车辆是否返回车场划分为车辆开放问题和车辆封闭问题，车辆开放问题是指车辆不返回其出发地，车辆封闭问题是指车辆必须返回其发出车场。
按照优化的目标可分为单目标优化问题和多目标优化问题；按照有无休息时间要求可分为有休息时间的调度和无休息时间调度问题。 实际中的车辆优化调度问题可能是以上分类中的一种或几种的综合。 车辆优化调度问题是一个有约束的组合优化问题，属于NP难题（Nondeterministic Polynomial Problem）。随着问题输入规模的扩大，求解时间呈几何级数上升。 求解车辆优化调度的方法可以分为精确算法、启发算法和智能算法。精确算法主要有分支界定法等；启发式算法主要有构造算法、两阶段法等；智能算法分为神经网络方法、遗传算法和模拟退火算法等。 精确算法的计算量随着车辆优化问题规模的增大呈指数增长，如当卸货点的数目超过20个时，采用精确算法求解最短运输路径的时间在几个小时以上。精确算法不适合于求解大规模的车辆优化调度问题。 2 启发式算法 启发式方法是从尚未安排的车辆、运输任务或行驶路径中按照构造算法进行选择，直到所有任务和车辆均被调度为止。构造的每一步，根据某个判别函数，把当前的线路构形和另外的构形进行比较并加以改进，以最小代价把一个不在当前构形上的需求对象插入进构形，最后得到一个较好的可
文献综述 车辆调度算法研究及其应用 一、前言部分 车辆调度问题是现代物流系统优化中关键的一环，也是开展电子商务不可缺少的内容。对车辆调度优化理论与算法进行系统研究是构建综合物流系统、建立现代调度指挥系统、发展智能交通运输系统和开展电子商务的基础[1]。 车辆调度问题是运筹学与组合优化领域的研究热点。有效的调度车辆，不仅可以提高物流工作效率，而且能够为及时生产模式的企业提供运输上的保障，从而实现物流管理科学化。由于该问题的理论涉及很多学科，很多实际问题的理论抽象都可归结为这一类问题，研究该问题具有很重要的理论意义和实际意义。 1 . VRP（Vehicle Routing Problem）问题描述及其分类 VRP问题一般可定义为：对一系列的装货点或卸货点，组织适当的行车路线，使车辆 有序地通过它们，在满足一定的约束条件(货物需求量、发送量、车辆容量限制、行驶里程限制、时间限制)下，达到一定的目标(路程最短、时间最小、费用最省、车辆数目最少等)。由于该问题研究范围非常广，根据其网络性能大致可以分为两类：一类为静态 VRP (StaticVRP, SVRP)，一类为动态VRP (dynamic VRP, DVRP)。 (1)静态VRP问题描述 SVRP 问题是VRP 中较简单的一类问题，是大部分研究者研究的热点。该问题具有一 个很重要的特征：在安排初始路线时，和路线相关的所有信息已知，并且在安排路线以后其相关信息始终保持改变[2]。以下列举了一些常见的SVRP 问题:仅考虑车辆容量限制的 VRP(CVRP)、带时间窗的VRP(VRPTW)、带有回收的VRP(VRP with backhauls)、带有集派的VRP(VRPPD)。除此以外，还有许多其它 CVRP 的延伸问题，如顾客有优先权，考虑卸货时间、装卸时间、等待时间等，甚至综合了以上不同的特征。这些问题的相关信息均已知且保持不变[3]。 (2)动态VRP问题描述 所谓DVRP，是指在安排初始路线时，并不是和路线相关的所有信息都为已知，并且初始路线安排以后，其相关信息可能发生改变。DVRP 研究范围较广，需求不确定、动态网络、服务车辆不确定、提供数据有偏差等都属于DVRP 的研究范畴。从网络性能角度，DVRP 可以分为以下三种类型：1)时间依赖型VRP (TDVRP)。2)概率VRP (PVRP)。车辆运行时间以离散
基于 ArcGIS 的物流配送车辆优化调度系统设计 设计者:杨松,刘士广,侯一萌, (南京农业大学工学院江苏南京 210031 摘要本文首先对现代物流配送车辆调度系统和地理信息系统 (GIS 的特点进行了分析,提出 GIS 与配送系统集成的必要性;在此基础上,提出了基于 ArcGIS 的物流配送系统集成的总体设计框架。最后利用 Visual Basic 开发环境,调用 ArcGIS 生成的电子地图和数据库,达到物流配送车辆优化调度的集成系统设计。 关键字:物流配送;车辆优化调度; ArcGIS ; Visual Basic;集成 1. 研究背景 物流配送系统包括货物集中,库存管理,车辆调度,配送运输等多个环节。配送系统的最终目标是降低成本,从而获取“第三利润” 。其中,车辆优化调度是物流配送系统优化的关键。 随着现代物流业的快速发展,物流信息量地迅速增加,对配送系统的要求也更高。在货物需求信息复杂, 拥有运输车辆较多的情况下, 单纯采用人工办法在规定时间内连续确定运输车辆整体调度的每日最佳方案显然是不可能实现的。因此, 提高系统决策的科学性, 可视性和信息化程度非常必要, 而 GIS 与物流配送系统的集成则能很好的实现这一目标。 本系统选用 ESRI 公司推出的一条为不同需求层次用户提供的全面的、可伸缩的 GIS 产品线和解决方案— ArcGIS Desktop以及面向对象的编程工具— VB6.0构成开发环境, 实现 GIS 与物流配送车辆优化调度系统的集成。 2.GIS 与车辆优化调度系统 物流活动作为物体在空间上的移动,是时间和空间的集合。由此,与空间有关的地理信息系统(GIS 便有了用武之地。基于 GIS 的车辆优化调度系统以区域电子地
第１８卷第１１期２００６年１１月 系统仿真学报＠ ＪｏｕｒｎａｌｏｆＳｙｓｔｅｍＳｉｍｕｌａｔｉｏｎ Ｖｂｌ．１８ＮＯ．１１ ＮＯＶ．．２００６物流配送车辆路径优化的模糊规划模型与算法 蒋忠中１，汪定伟２ （１．东北大学工商管理学院，辽宁沈阳１１０００４；２．东北大学信息科学与工程学院，辽宁沈阳１１０００４） 摘要：将实际的物流配送网络描述为由配送中心和顾客两类节点构成的不完全无向图，并采用模糊数表示车辆行驶时间和顾客服务时间的不确定性，建立了物流配送车辆路径优化的模糊规划模型。为了求解上述模型，首先将模型进行清晰化处理，使之转化为一类确定性多设施车辆路径模型，然后设计了嵌入ＦＬＯＹＤ算法的捕食搜索算法对之进行求解。通过仿真实例计算，并与遗传算法比较，取得了满意的结果。 关键词：物流配送；车辆路径；模糊规划；ＦＬＯＹＤ；捕食搜索算法 中图分类号：ＴＰ２９文献标识码：Ａ文章编号：１００４．７３１Ｘ（２００６）１１－３３０１．０４ＦｕｚｚｙＰｒｏｇｒａｍｍｉｎｇ ＭｏｄｅｌａｎｄＡｌｇｏｒｉｔｈｍ ｏｆＬｏｇｉｓｔｉｃｓＤｉｓｔｒｉｂｕｔｉｏｎＶｅｈｉｃｌｅＲｏｕｔｉｎｇＰｒｏｂｌｅｍ ＪＩＡＮＧＺｈｏｎｇ．ｚｈｏｎ９１，ＷＡＮＧＤｉｎｇ—ｗｅｉ２ （１．ＳｃｈｏｏｌｏｆＢｕｓｉｎｅｓｓＡｄｍｉｎｉｓｔｒａｔｉｏｎ，ＮｏｒｔｈｅａｓｔｅｒｎＵｎｉｖｅｒｓｉｔｙ，Ｓｈｅｎｙａｎｇ，１１０００４，Ｃｈｉｎａ； ２．ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，Ｎｏ曲ｅａｓｍｒｎＵｎｉｖｅｒｓｉｔｙ，Ｓｈｅｎｙａｎｇ，１１０００４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ｎｅｌｏｇｉｓｔｉｃｓｄｉｓｔｒｉｂｕｔｉｏｎｎｅｔｗｏｒｋｓｗｅｒｅｄｅｓｃｒｉｂｅｄｉｎａＷａｙｏｆａｎｉｎｃｏｍｐｌｅｔｅｕｎｄｉｇｒａｐｈ．ｗｈｉｃｈｃｏｎｓｉｓｔｅｄｏｆｔｗｏｋｉｎｄｓｏｆｎｏｄｅｓ．ｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｃｅｎｔｅｒｎｏｄｅｓａｎｄｔｈｅｃｕｓｔｏｍｅｒｎｏｄｅｓ．Ａｆｕｚｚｙｐｒｏｇｒａｍｍｉｎｇｍｏｄｅｆｗａｓｂｕｉｌｔｔｏｏｐｔｉｍｉｚｅｌｏｇｉｓｔｉｃｓｄｉｓｔｒｉｂｕｔｉｏｎｖｅｈｉｃｌｅｒｏｕｔｉｎｇｐｒｏｂ如ｍ．ｗｈｅｒｅｖｅｈｉｃｌｅｔｒａｖｅｌｔｉｍｅａｎｄｃｕｓｔｏｍｅｒｓｅｒｖｉｃｅｔｉｍｅａｒｅｆｕｚｚｙ．ｎｅｍｏｄｅｌｗａｓｆｉｒｓｔｌｙｃｏｎｖｅｒｔｅｄｉｎｔｏａｃｒｉｓｐｍｕｌｔｉ．ｄｅｐｏｔｖｅｈｉｃｌｅｒｏｕｔｉｎｇｐｒｏｂｌｅｍ．ａｎｄｔｈｅｎｉｔｗａｓｓｏｌｖｅｄｂｙａｐｒｅｄａｔｏｒｓｅａｒｃｈａｌｇｏｒｉｔｈｍｗｉｔｈＦＬＤｙＤ．Ｃｏｍｐｕｔａｔｉｏｎｏｎｓｉｍｕｌａｔｉｏｎｅｘａｍｐｌｅｓａｎｄｃｏｍｐａｒｉｓｏｎｗｉｔｈｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｓｈｏｗｔｈｅｍｏｄｅｌａｎｄａｌｇｏｒｉｔｈｍａｒｅｅｆｆｅｃｔｉｖｅ． Ｋｅｙｗｏｒｄｓ：ｌｏｇｉｓｔｉｃｓｄｉｓｔｒｉｂｕｔｉｏｎ；ｖｅｈｉｃｌｅｒｏｕｔｉｎｇｐｒｏｂｌｅｍ；ｆｕｚｚｙｐｒｏｇｒａｍｍｉｎｇ；ＦＬＯＹＤ；ｐｒｅｄａｔｏｒｙｓｅａｒｃｈａｌｇｏｒｉｔｈｍ 引言 随着电子商务的蓬勃发展，物流配送系统的完善和优化已成为了众多企业、专家和学者的研究热点【ｌ之］。车辆路径问题（ＶｅｈｉｃｌｅＲｏｕｔｉｎｇＰｒｏｂｌｅｍ，简称ＶＲＰ）作为物流配送系统优化的重要组成部分，自Ｄａｎｔｚｉｇ和Ｒａｍｓｅｒ于１９５９年首次提出以来，一直是运筹学和组合优化领域研究最活跃、成果最丰富的主题之一。ＶＲＰ一般描述为：为服务于已知的一组顾客的一个车队，设计一组开始和结束于一个中心（设施）出发点的最小费用路径，每个顾客只能被服务一次，而且，一个车辆服务的顾客数不能超过它的能力。目前国内外关于ＶＲＰ的研究较多，但是这些研究绝大多是将问题的各个参数视为确定数，即确定性ＶＲＰ。但在实际配送过程中，因为交通拥挤、天气变化、司机对车速的控制等原因会导致车辆在各个路段行驶时间的不确定性，而与顾客交接货的方便程度也会使得顾客的服务时问具有不确定性。Ｌａｐｏｒｔｅ、郭强【３，４】等学者提出将车辆行驶时间通过以往的资料统计其规律并用随机变量表示，建立了随机行驶时间的ＶＲＰ，然而在缺乏统计数据的情况下，随机变量分布函数的得到是极其困难的，另一方面对于某些没有规律的不确定因素（如司机 收藕日期ｌ２００５．０７—０４惨回日期ｌ２００５—１０—１１ 基金项目ｌ国家自然科学基金重点资助项目（７０４３１００３）。 作者简介。蒋蛊中（１９７９．），男，湖南祁阳人，讲师，博士，研究方向为电子商务物流系统的建模与优化研究；汪定伟（１９４８．），男，江西彭泽人，教授，博导，研究方向为复杂系统建模与优化，智能优化算法等研究。对车速的控制、交接货的方便程度）用随机变量描述亦是不恰当的。一个较好的方法是通过模糊数来表示这一类不确定信息。由于此种问题本身的复杂性，现有的文献极少，仅Ｔｅｏｄｏｒｏｖｉｃ和Ｌａｉ就带模糊行驶时间约束的单设施ＶＲＰ做了相应的研究［５～ｌ，但是他们的研究并没有考虑到车辆行驶时间对配送费用的影响，同时也不能适应当前众多具有多配送中心物流配送系统实际的需要。为此，本文结合实际的物流配送网络（见图１），采用模糊数表示车辆行驶时间和顾客服务时间的不确定性，建立物流配送车辆路径优化的模糊规划模型，并开发了嵌入ＦＬＯＹＤｌ７］算法的捕食搜索算法【８】。 １问题的描述与模型 物流配送车辆路径优化模糊规划的基本思想可描述如下：根据企业某个时段顾客的商品订购情况（如顾客商品需求量和其地理位置），确定该时段实际配送网络，通过优化设计一套车辆配送路径，同时考虑车辆行驶时间和顾客服务时间的不确定性，在预定时间内完成配送任务，使得配送总费用最小。这里总费用包括车辆配送费用和车辆一次性启动费用。为符合物流配送的实际情况，将模型描述的物流配送网络由配送中心和顾客两类节点构成的不完全无向图表示，并作以下几个基本假设： １）配送中心有多个，每个配送中心各类商品数和车辆数一定，且一辆车仅隶属于一个配送中心； ２）每个顾客仅能由一辆车进行～次性配送服务，但可以被