火狐体育最新官方入口:节约里程法在一次性餐具配送线路优化中的运用研究【开题报告】
发布日期:2022-09-27 03:28:01 |来源:火狐体育电竞官方网站 作者:火狐体育竞彩

  研究意义: 货物配送是物流中一个直接与消费者相连的重要环节,对配送的路径和车

  辆调度进行优化,是物流系统优化中的关键一环。当客户点和车场分散,数量 较多时,如果用人工的方式进行货物配送路径安排和车辆分派,不仅工作繁重, 而且很难找到最佳路径,同时,车辆安排也带有随机性。而且配送线路是否合 理对配送的速度、成本、效益有着直接的影响。选取恰当的配送线路优化方案, 可以加快对客户需求的响应速度,提高服务质量,增强客户对物流环节的满意 度,降低服务商运作成本。

  据统计我国车辆的运输成本是欧洲或美国的3倍,全国运输汽车的空驶率约 37%,其中汽车物流企业车辆空驶率达39%,存在着回程空驶、资源浪费、运 输成本高等问题。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,运输车辆调度和线路优化是工作的重 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。 预期目标:

  通过对安吉好洁公司一次性餐具配送的研究,发现配送线路选择中存在的 问题,并提出可实施的解决方案,帮助计算设计配送线路,以达到降低配送成 本,减少资金占用,杜绝物资浪费,提高客户服务水平,保证生产经营活动顺 利进行的目的。

  国内研究现状: 陈志伟在基于GIS的配送线路优化的研究与设计译文中提到配送线)Sweep算法。该算法是由Wren,Gillett等人提出的。即先计算出所 要访问的点的极坐标,按照角度大小排序。然后在满足可行性条件的前提下, 按照角度大小归并到不同的子路径中。最后再根据TSP的优化算法对所得到的 子路径进行优化。(2) Chrisofides-Mingozzi-Toth两阶段算法。它主要面向CVRP 和DVRP。该算法的求解过程分为两个阶段:第一阶段按最小路径的原则形成 初始解,然后用k-opt算法对所得的各子路径分别进行优化;第二阶段是在各子

  路径间进行点的交换,以减小总行程,然后再用k-opt算法对点交换后的子路径 进行优化。该算法的优点是,在计算过程中,考虑了所需要访问的点数量增加 的情况。(3) 禁忌搜索。Gendreau等人最先将该方法应用于VRP。先构造一系 列的解,然后对所得解不断地进行改进。该算法所得到的解不一定早可行解, 他们对可行性的偏离程度是通过目标函数里德罚函数来体现的。该算法求解过 程中的邻域,是通过GENI过程得到的。它是针对VRP的比较好的启发式算法, 可以成功地应用于许多经典的VRP。其后E.Tailard等人通过按角度和路径重心 对原问题的空间进行分割,再用禁忌搜索结合模拟退火对子问题求解,实现了 对问题求解的并行化。(4)遗传算法。rence最先将该方法用于VRP问题的 研究,并可有效求解带时间窗口的VRP问题。鉴于传统的遗传算法是个大范围、 粗粒度的寻优算法,因此Brainier将它与约束满足问题 (CSP)的技术相结合, 通过遗传算法来处理CSP参数的子域(基因的适应度是通过对CSP解的计算得 到的),从而减小搜索空间,降低CSP问题目标函数和遗传算法约束的复杂度(陈 志伟,2009)。

  张丹羽在现代物流配送中心车辆线路优化方案研究与应用中提到:蚂蚁算 法(Ant Algortilllns)是一种源于大自然生物世界的新的仿生类算法,作为通用型 随机优化方法,它吸收了昆虫王国中蚂蚁的行为特性,通过其内在的搜索机制, 在一系列困难的组合优化问题求解中取得了成效。

  动态车辆配送优化调度问题的高效求解算法。 在分析配送车辆调度中造成 车辆动态性的原因的基础上,提出了一种考虑车辆故障和车辆多次巡回配送的 动态车辆配送优化调度问题。利用了禁忌搜索算法全局搜索能力强的优势,又 充分利用局部搜索算法收敛速度快的优势。配送车辆优化调度是物流系统优化 的关键。(1)通过分析配送业务中造成车辆动态性的原因,提出了考虑车辆多次 巡回配送和车辆故障的动态车辆配送优化调度问题,使研究更加切合实际。(2) 为动态车辆配送优化调度问题设计了“制定整体优化计划实时局部优化调度” 的两阶段求解策略,第一阶段采用禁忌搜索算法制定优化的配送计划;第二阶 段采用局部搜索算法实时进行优化调度。既充分利用了禁忌搜索算法全局搜索 能力强的优势,又充分利用局部搜索算法收敛速度快的优势,使动态车辆配送 优化调度问题得到满意的解决,试验计算的结果也充分证明了这一点。(3)在研 究动态车辆配送优化调度问题时同时考虑了客户的时间窗要求,解决了动态车 辆配送优化调度问题中动态信息的时间依赖性与客户时间窗之间的时间二维性 问题(郎茂祥,2009)。

  蚁群算法是一类寻找最优解问题的算法,首先用来解决TSP问题。在货物 配送路径规划问题中,车场和各个客户点可以看作TSP问题中的各个城市,其本 质就是要找到优化的最短路径。这样,路径规划问题也就可以转换成带有约束

  条件的TSP问题。因此,货物配送路径规划问题可以借助于蚁群算法来解 决(陈思勇,2009)。 国外研究现状:

  运输车辆的优化调度问题由Dantzing和Ramser于1959年首次提出。1950年 Dantzing和Ramser(1959)利用整数规划模式来处理包含大约10到20个顾客点的 小规模问题。1960到1964年 Clarke和Wright(1964) 提出了一种启发式节约法来 建立车队配送路线年提出了两阶段启发式算法来求解车辆调度问题, Gillett和Miller(1974)提出的扫描法(Sweep Algorithm)即属于先路径再分组的 方 法 、 Christofides(1978) 等 人 则 提 出 先 分 组 再 路 径 的 方 法 。 此 时 学 者 Golden,Magnanti和Nguyen (1977)指出虽然两阶段启发式方法可处理较大型问 题,但其涉及运算效率是相当重要的问题。1980年 Fihser和Jaikumar(1981)提 出以数学规划为主的最优化方法来处理包含大约50个顾客点的问题,同样其运 算效率是一个巫待解决的问题。另外,Cullne,Jvaris和Ratliff(1981)建立一种人机 互动的启发式方法。1990年 Fihser(1995)对最优化方法加以改善,己经可以解 决50到100个顾客点的车辆调度问题,同一时期,有不少学者利用启发式算法来 解决车辆调度问题,包括模拟退火法、遗传算法、神经网络算法和禁忌搜索算 法。如Robuste等(1990)以及Alaf.Heragu(1991)利用模拟退火算法求解车辆调度 问题:Sement和Taill-ard(1993)、Gendreau和Laporte(1994)等人利用禁忌搜索算 法求解车辆调度问题。

版权所有 © 火狐体育最新官方入口竞彩电竞网站沪ICP备19001580号