在車輛使用蟻群優(yōu)化的路由比較回程戰(zhàn)略

1、在車輛使用蟻群優(yōu)化的路由比較回程戰(zhàn)略馬克萊曼和亨氏烏爾里希摘要：在與回程和時(shí)間窗(vrpbtw)客戶的車輛路徑問題，無論是從倉庫接收貨 物或發(fā)送車廠及客戶的皮卡或交付的貨物有一個(gè)預(yù)先指定的時(shí)間窗口內(nèi)發(fā)生。其 主要廿的是為所有客戶服務(wù)，以盡量減少所需的總船隊(duì)的規(guī)模。次要目標(biāo)是盡量 減少總距離旅行或盡量減少所有車輛的總路線吋間。在木文屮，我們考慮在冋程 前可在任何給定的路線送達(dá)的混合vrpbtw的一個(gè)變種。除了這種變異的造型方 而，我們將研究其性能的彩響相比，使用啟發(fā)式算法基于蟻群優(yōu)化的標(biāo)準(zhǔn) vrpbtwo關(guān)鍵詞：車輛路由問題，回程策略，蟻群1引言在許多供應(yīng)鏈的一個(gè)主要成本組成部分，是與鏈成員企業(yè)

2、z間或從最終客戶 鏈的分布和貨物運(yùn)輸。平均而言，這些進(jìn)程作出貢獻(xiàn)，以良好的消費(fèi)者的總成本 約20%。即使運(yùn)輸?shù)闹苯映赡静伙@著，分銷是關(guān)鍵，以確保其他進(jìn)程(如生產(chǎn)) 運(yùn)行順利和及時(shí)的供應(yīng)鏈，以滿足適當(dāng)?shù)姆?wù)水平和響應(yīng)。除了一些歐洲國家的研究報(bào)告，只冇約30%的歐洲公路上的卡車滿載，而 由貨車造成的交通量的40%是由于空動作?！霸谌鹗?，為處理道路貨物運(yùn)輸?shù)墓?司的情況是新的稅收調(diào)節(jié)(lsva)相同的成本，這對空和加載運(yùn)動的特點(diǎn)。一方面，上述的數(shù)字突出的貨物配送的高效的解決方案，通過節(jié)約成木的潛 力。另一方面，這些事實(shí)意味著，改善配送和運(yùn)輸相關(guān)的物流過程，是兩種可能 的和重要的。因此，企業(yè)已經(jīng)認(rèn)識到

3、，這個(gè)過程需要使自動化和使用的軟件，以 支持其分配過程。此軟件的部分內(nèi)容是從一個(gè)企業(yè)的角度來看，是非常有意思的 路曲和調(diào)度，研究在這方面的優(yōu)化工具。事實(shí)上，這個(gè)產(chǎn)業(yè)的利益體現(xiàn)在學(xué)術(shù)研究的一個(gè)龐大的身軀，在貨物運(yùn)輸領(lǐng) 域中出現(xiàn)的問題。在這一領(lǐng)域的核心問題之一是車輛路徑問題(vrp)0概述及其 變種的vrp和許多研究都可以找到。其中最重要的vrp變種是有時(shí)間窗的vrp (vrptw,最近啟發(fā)式方法概述的 vrptw,多車廠的vrp與回程吋間窗(vrpbtw)的vrp的一個(gè)研究小組在奧斯陸 工程最后一個(gè)正式的代表性和豐富vrps,其屮包括一個(gè)廣泛的問題，不同的約 束和目標(biāo)。的算法，最近的趨勢是與現(xiàn)實(shí)

4、世界屮的各種解決問題的能力的強(qiáng)大和 靈活的算法，來限制。這種啟發(fā)式分析指南中可以找到。在本文中，我們解決以下問題。一個(gè)供應(yīng)鏈的中間公司與供應(yīng)商和客戶的一 般處理。人們已經(jīng)認(rèn)識到，顯著改善是可能的，如果提供給客戶的貨物的車輛也 可拿起公司的供應(yīng)商的貨物。這將導(dǎo)致混合的問題在一些地方需要交付而有些則 需耍挑選商品，。另一個(gè)例子是從生產(chǎn)者到零售商，這可能與空可回收瓶的分布, 從零售商到生產(chǎn)者（回程）加上礦泉水的分布。這些問題被稱為與回程的車輛路 曲問題。如果客戶訪問被限制為一個(gè)預(yù)先指定的吋間窗口內(nèi)，這個(gè)問題變成上段 中提到的vrpbtwo本文分析的主要問題是如何有效地解決這個(gè)問題。更確切地說，將被視

5、為三 個(gè)不同的變種。首先，長途運(yùn)輸和回程客戶可以分離和獨(dú)立視為兩個(gè)不同的 vrptw,二，結(jié)合考慮了一個(gè)嚴(yán)格的順序?yàn)槿魏位爻?而所有長途運(yùn)輸和回程的 可能。這導(dǎo)致了標(biāo)準(zhǔn)vrpbtw。第三，這個(gè)順序可以輕松獲得混合vrpbtwo所有 這三個(gè)變種將在下一節(jié)中更詳細(xì)地討論。雖然前兩個(gè)版本己經(jīng)相當(dāng)廣泛地研究， 第三個(gè)戰(zhàn)略是不能很好地理解。因此，我們目前在車輛路由的vrpb比較長途運(yùn) 輸戰(zhàn)略開發(fā)了一個(gè)模型的修改，并研究其性能的影響比錫標(biāo)準(zhǔn)vrpbtwo文件的其余部分安排如下：在下一節(jié)，我們將提供一個(gè)更為正式的說明的問 題，并審查相關(guān)工作。第3節(jié)總結(jié)本文所進(jìn)行的分析屮所使用的算法。第4節(jié) 給岀了計(jì)算結(jié)果和

6、組織認(rèn)為分配過程的戰(zhàn)略影響之前，我們制定的一些結(jié)論在第 5部分。2車輛路徑問題與回程時(shí)間窗正如在上面的介紹，我們考慮帶冋程取貨的車輛路徑問題，時(shí)間®（vrpbtw）0 給定一個(gè)站或屮心，一隊(duì)（均勻）的車輛是，客戶數(shù)量與已知的要求已送達(dá)。客 戶屬于一個(gè)不同的群體：他們耍么收到貨物的倉庫，或發(fā)送貨物的倉庫。每一個(gè) 客戶的訪問必須曲一個(gè)車輛和服務(wù)已開始在預(yù)定的時(shí)間窗口。所冇車輛的旅行的 開始和結(jié)朿的給定吋間窗內(nèi)的倉庫。車輛的負(fù)荷不得超過車輛的能力在任何吋間 沿著路線。目的是找到一個(gè)可行的分配客戶車輛的旅行，減少了所需的機(jī)隊(duì)規(guī)模。 其他一些可能的目標(biāo)是盡量減少總距離行駛的所冇車輛，或最小的總

7、花費(fèi)的時(shí)間 由車輛的途中。該vrpbtw已知是強(qiáng)np難。這意味著，對于一個(gè)給定的船隊(duì)規(guī)模, 找到一個(gè)可行的解決方案，更不用說一個(gè)最佳的一個(gè)，是np -完全的。這已被 證明的數(shù)學(xué)（這是一種特殊情況的vrpbtw,那里所有的客戶是一個(gè)類型）。原則上冇三種不同的策略來解決這個(gè)問題。顯然，最簡單的一種，是分裂的 客戶根據(jù)其類型和單獨(dú)解決產(chǎn)生兩個(gè)子問題，這是vrptws,。這是經(jīng)常的5在 實(shí)踐中完成，交付貨物是由不同的部門在公司比皮卡的組織。這種方法的缺點(diǎn)是 可能會遺漏重要的i辦同作用，這通常會增加所需的船隊(duì)規(guī)模?？勺鳛橐粋€(gè)基準(zhǔn)， 為剩卜'的兩個(gè)戰(zhàn)略。另外一種常見的做法是讓旅游相結(jié)合的皮卡和交付

8、，但與限制，在任何旅游 所有分娩前需要做出任何皮卡允許。直覺的這種做法是該車輛正常加載方式反映 序列的交付客戶確保有效卸載。如果貨物是挑選車輛前完全卸載貨物的車輛在額 外的重排是必要的途屮，這增加了服務(wù)時(shí)間，這可能是低效的，因此是可以避免 的，這個(gè)問題被稱為標(biāo)準(zhǔn)vrpbtw和幾種方法來解決已提出的學(xué)術(shù)文獻(xiàn)。分支定 界（民宿）算法開發(fā)了針對延長應(yīng)付回程。此外，一套基準(zhǔn)問題的基礎(chǔ)上已知的 遺傳情況下提出問題與多達(dá)100個(gè)客戶解決最優(yōu)的旅行吋間（車隊(duì)規(guī)模是個(gè)輸 入的民宿）。簡單的建設(shè)和完善，己提出的算法，禁忌搜索算法，提岀了解決問 題。最近，一個(gè)大規(guī)模鄰域搜索能夠解決各種vtpbs捉出。而從10和1

9、2 為目標(biāo)，減少車隊(duì)規(guī)模第一，并盡量減少旅行時(shí)間為目標(biāo)，盡量減少倍（除了旅 行時(shí)間包括服務(wù)時(shí)間和等待時(shí)間）被視為次要目標(biāo)。雖然限制，以執(zhí)行所有分娩前任何皮卡，消除潛在的重新安排在途屮的貨物 低效，也減少了可能產(chǎn)生的協(xié)同作用相結(jié)合的皮卡和交付客戶，尤其是當(dāng)皮卡的 時(shí)間窗在白天和交付發(fā)生在尾盤一天。為了克服這一缺點(diǎn)，第三個(gè)戰(zhàn)略是放寬限制，有關(guān)交貨和皮卡序列，并允許 任何皮卡和交付客戶回訪的吋間表，滿足能力約朿。這個(gè)問題被稱為混合 vrpbtw,研究了 12, 13和14從算法的角度。然而，在這些文件有沒有 混合vrpbtw建模方而的重視。貨物從卡車前顧客已經(jīng)完全卸載那么很明顯，這第三個(gè)策略可沒有惡

10、化，并 在一般將優(yōu)于其他兩種策略。然而，上述討論的策略兩個(gè)理由是丟失。因此，需 要有一些混合皮卡和交付相關(guān)的“成木”。這種成木“可以模擬所需要的吋間重 新安排剩余的卡車交付負(fù)載，一次是由皮卡。從實(shí)際的角度來看，這種重排的時(shí) 間取決于許多不同的事情，如卡車的剩余容量，在卡車和重量的平均負(fù)載大小的 皮卡負(fù)載（或體積）。3豐富的vrp蟻群優(yōu)化因?yàn)樗陌l(fā)明在20世紀(jì)90年代，蟻群算法（蟻群）已口益受到重視的研究 人員。改進(jìn)版本的錫-基本算法導(dǎo)致廣泛成功應(yīng)用于組合優(yōu)化。最近，一個(gè)一個(gè) 廣義蟻群算法的收斂性證明了。該方法是基于行為的螞蟻尋找食物。螞蟻互相溝通使用芳香精華稱為信息 素，他們離開他們的路徑遍丿力。在沒冇信息素步道螞蟻或多或少執(zhí)行隨機(jī)漫步。 然而，一旦他們感覺信息素軌跡路徑上，在其附近，他們很可能走這條道路，從 而加強(qiáng)這個(gè)線索。更具體地說，如果螞蟻在一些點(diǎn)不止一個(gè)意義信息索蹤跡，他 們會選擇其屮的一個(gè)創(chuàng)新的概率相關(guān)的優(yōu)勢的現(xiàn)有步道。這個(gè)主意首先被應(yīng)用于 旅行商問題，在一個(gè)螞蟻?zhàn)湓谝粋€(gè)城帀選擇下一個(gè)城帀，根據(jù)強(qiáng)度的人工痕跡。在這一節(jié)我們將簡要地描述我們的蟻群算法，它最初是在20并應(yīng)用于幾 種變種的問題在21表明