基于启发式算法的车辆配送问题优化研究

【摘要】：车辆路径问题为经典的组合优化问题之一,在社会发展中有着广泛的实际应用。伴随着电子商务的快速发展,物资配送的及时性要求越来越高。随着问题规模的不断扩大,传统的问题求解算法在车辆路径问题上的寻优能力越来越差,难以取得问题的满意解。从而,设计性能高效的优化求解算法,或改进已有算法成众多学者研究重点。为更好地降低整车外卖配送过程中运输成本,提高配送效率和客户的满意度,本文基于外卖行业自负配送经营背景为问题模型,以降低外卖配送服务路径总距离和减少总延误时间,实现总成本最小化为研究目标。为此,设计了一种混合遗传算法来求解多车辆外卖配送的车辆路径问题。以标准测试样例att[48]中随机选取的22个客户为实验算例,通过对比两种经典算法先到先得(First Come First Service,FCFS)和最近邻域算法(Nearest Neighbor,NN)的配送距离求解结果,所设计的混合遗传算法(Hybrid Genetic Algorithm,HGA)具有良好的问题求解性能。在上述外卖配送问题的研究基础上,进一步以降低配送过程中订单动态干扰造成的总延误时间和缩短车辆路径距离为目标,构建了一种基于滚动时域控制(Receding Horizon Control,RHC)策略框架下的动态外卖配送车辆路径问题解决策略,并以最近邻域算法对滚动时域(RHC-NN)中当前窗口的客户进行排序。基本思路为将一段时间窗内的外卖生成订单,按多个时间窗口进行预期的配送时间划分,并采用最近邻域算法对订单的位置进行路径搜索。在配送服务中采用单人单车,多次往返配送中心点。结合多种约束条件下,滚动时域控制策略最大程度地筛选出存在动态干扰的订单,划分到对应的服务时间窗口内,实时优化订单配送顺序的服务路径,进行合理配送。最后,以第三章使用的测试样例为基础数据,通过在拥挤、正常、非拥挤、高频率扰动、低频率扰动等五种动态情况下,对比三种算法下各种状态下的配送结果。实验结果表明了所提RHC-NN在拥挤、正常、非拥挤、高频率扰动、低频率扰动等五种动态情况下均能够满足商户和客户的需求,显著地降低配送服务的总延误时间,缩短外卖配送的总距离,提高商户自主经营的经济效益。