1、车辆运输路径规划问题及其分类
在当前的车辆运输路径规划中存在的问题主要包括:发货点和收货点,车辆的调用,规划适当的路线,使运输车辆能够有序的通过计划中的地点以及完成货物需求量与发货量,并且满足交货时间、车辆可载量限制、形式时间、里程等方面的要求与限制,达到实现最短时间内、最短运输成本下完成相应的目标。
在实际的车辆运输路径规划中,需要引入VRP并且按照不同的原则进行分类,再分配出的不同种类之间又存在着不同的取值,所以就形成了不同类型的问题。例如,在实际的车辆运输任务中,当车辆装载状况取值为非满载,配送中心取多配送中心,时间限制为硬时间窗并且车型数目采取单车时,就需要取值为不确定的需求信息值,这样的一个问题就属于载重量限制下的各种条件随机需求的VRP问题。而需要考虑的属性越多时,相对的问题就越复杂。在当前车辆运输路径规划中主要研究的问题类型有:多供货点问题、带有时间窗的问题、随机问题、回程时集货的问题、分批交货问题、集货供货一体化问题等等方面。
2、模型形式以及特点
在当前所研究的车辆运输路径规划模型分为,网络图模型和数学模型两类。
2.1 网络图模型
在经典的VRP定义图G--(V,E)上,对供货点使用vo表示,Q代表载重量相同的车辆,而m代表着已知的或者变化的车辆数目,其次对于不同的需求量、客户点、路段情况、费用等都采取相关的字母代表。在相关变量与控制量确定的条件下,求解运输路径的最小成本。在求解的过程中要注意,在每条路径的起点以及重点都是供货点,并且途径的客户只能被访问一次,车辆的总载重量必须能够满足每条路径中所有客户的总需求量。因此,这样的经典VRP模型定义是需要一定的前提条件作保障,就是所有的集货以及供货都是需求,并非是集货供货一体化。在这样的网络图模型中,具备着直观性强、容易理解的优点,但是也存在着参数容量小、有效地解法不多的缺点。因此,在需要较为具体的表达复杂问题时,往往规避此种模型。
2.2数学模型
随着我国不断地进行VRP的深入研究,有效地应用数学模型以后,能够针对不同问题条件而建立不同的模型形式。其中最具代表性的,就是以车流或者物流为基础的数学模型,并且具体的模拟了针对单车型、具有装载能力限制以及带硬时间窗等约束条件的车流变量数学模型以及针对多车型、最长行驶距离、集货送货一体化的物流变量数学模型。在数学模型中,其最大的特点就是容量大、灵活性高、通用性强。能够容纳任何大规模的问题,并且能够随着问题条件的变化而发生变化,如需增加或者减少一些约束条件,只需要操作相对应的内容。其次,在VRP在抽象成数学模型的过程中,失去了它本身问题的特征,简单的求解过程只是单纯的数据操作,结果不含有其他相关领域的数据以及信息,如若使其成为用户能够理解的形式,还需要进行建模的假定含义,导致整个过程非常的复杂。
3、车辆路径规划问题求解算法概述
在传统的求解算法中,常常将车辆运输路径问题构造成整数规划模型或者图论等,这些算法之间也存在着必然的联系。但是,总结起来说任何模型都可以看成是以车流为基础、以物流为基础、集覆盖等模型的变换组合得到。在求解方法上,我们常常以分枝定界法、线性规划法、切平面法、匹配理论、动态规划法、线搜索技术、状态空间松弛技术、概率分析、统计分析、经验分析等等为依托,应用优化算法和启发式算法两种方式。但是优化算法相对来说求解时间过长,并且其算法效率比较低,不适用于求解大规模的车辆运输路径规划,因此在实际的应用中得不到发展。启发式算法具备较快的求解速度,并且其结果相对比较固定,能够有效地逼近最优解,在实际的应用中得到了有效地发挥。
3.1传统启发式算法
经过相关研究发现,传统启发式算法分为先分组后安排线路方法、先安排线路后分组的方法、节约插入算法这三种方式。能够较快的求解出计算结果,并且得到最稳定的结果。通过三种不同的方式,无论是先进性分组还是先进行线路安排,都能够将每一组中的每一个点都考虑到,达到最节约的方式来进行线路规划,实现最大程度的节约构型。
3.2巨集启发式算法
所谓的巨集启发式算法,实质上是在传统启发式算法基础上经过改进和交换之后得到的。在实际的计算中先构建一个初始解,然后经过贪婪算法进行线路优化。这种算法能够始终保持求解的可行性,经过更加详细的求解来获取最佳的答案,并且有效地结合遗传算法、禁忌搜索算法、模拟退火法、蚁群算法等等方法。
3.3混合启发式算法
混合启发式算法是基于数学规划的一种算法,将车辆运输路径规划问题直接模拟成一个数学问题,再根据其特殊的构型来进行技术分解。将车辆运输线路有效地构成一个广义分派问题,在进行相应的数学规划、建模,最终得到相关费用。在经过交互式优化法进行人力优化,让具备高水平的决策者确定和修改相关参数,在优化模型中有效地融入主观估计,实现最优化的线路设计。
4、结语
本文针对车辆运输路径规划的实际特点和相关问题进行详细的探究,并提出具有针对性的建议。作为物流系统中最为关键的环节,车辆运输路径规划越来越受到社会的关注,相关研究部门应该从模型与算法、模型知识化和智能化、算法改进、VRP决策支持系统等方面进行优化与改进,为车辆运输路径规划的发展提供有效保障。
参考文献
[1]黄华芳,王以忠,李达果.蔬运输车辆路径再规划.《农业机械学报》.2012年4期.
[2]孙莹,连民杰．基于改进蚁群算法的地下矿车辆生产调度路径优化研究.《金属矿山》.2010年2期.
车辆运输路径规划问题的几点建议
高永新
新疆天业节水灌溉股份有限公司 新疆 石河子 832014
【摘 要】车辆运输路径的规划是物流配送或者人、物运输过程中的最重要环节,这一环节的好坏将直接的影响对客户需求的响应速度,以及企业运输的成本效益。为了更好地解决车辆运输路径的规划问题,有效地提高车辆运输的迅速性与高效性,可以通过建立合理有效的路径模型等方法进行。本文笔者主要针对车辆运输路径规划的问题进行讨论,并提出相关可行性建议。
【关键词】车辆运输 路径规划 问题 探讨 建议
466 Economic Vision2014. 3
