油耗最小化车辆路径问题：模型与算法

摘要

随着世界经济全球化和一体化的发展，全球已进入信息化时代，然而工业社会给人们的生活环境带来的危害已经初露端倪，环境和气候问题严重威胁着地球上生物的生存和繁衍。特别是在全球电子商务迅猛发展的大背景下，物流行业倍受社会各阶层的重视，同时对物流配送提出了更高的要求，更加追求服务的质量，要求快速、准确、订单跟踪时时更新等，进而推动了物流的发展。
　　针对物流配送业的油耗成本问题，以最小化燃油消耗为目标，在分析和比较了现有燃油消耗模型的基础上，以最新汽车理论能耗模型为基础，通过分析和简化部分车辆行驶参数，建立了相应的低燃油车辆路径问题模型(Low Fuel–Capacitated Vehicle Routing Problem,LF-CVRP)。首先，考虑到蚁群算法在VRP领域中具有的各项优点，设计了以最小化油耗为目标的蚁群算法(Ant Colony Optimization-LF-CVRP,ACO-LF-CVRP)，并选用27个具有能力约束的标准车辆路径问题算例进行仿真；其次，考虑到虽然蚁群算法计算结果比较准确，但是存在计算时间时间过长的缺点，不适于现代信息实时更新的要求，设计了以最小化油耗为贪心规则的贪婪算法(Greedy Optimization Algorithm,GOA-LF-CVRP)，并与ACO-LF-CVRP仿真结果的计算速度、总距离、总油耗、使用车辆数等方面对GOA-LF-CVRP和ACO-LF-CVRP进行对比分析；最后，综合改进与分析了油耗模型及贪婪算法。说明LF-CVRP模型及GOA-LF-CVRP算法组成的求解策略，可以快捷、有效地计算油耗及配送路线，满足现代物流配送路线实时更新的要求，为物流配送业提供绿色的决策方案。

目录

第一章 绪论

1.1 研究背景

1.2 研究意义

1.3 研究内容

1.4 论文结构

第二章 相关研究概述

2.1 绿色物流

2.2 车辆路径问题

2.3 以油耗最小化为目标的车辆路径问题

2.4 本章小结

第三章 油耗最小化车辆路径问题建模

3.1 油耗模型简介

3.2 油耗模型

3.3 LF-CVRP模型

3.4 LF-CVRP与CVRP模型对比分析

3.5 本章小结

第四章 蚁群算法设计及结果

4.1 蚁群算法简介

4.2 蚁群算法设计

4.3 算例介绍

4.4 蚁群算法结果及分析

4.5 改进算法

4.6 本章小结

第五章 贪婪算法设计及结果

5.1 贪婪算法简介

5.2 贪婪算法设计

5.3 贪婪算法结果及分析

5.4 改进模型及算法

5.5 本章小结

第六章 结论与展望

6.1 研究结论

6.2 研究展望

参考文献

攻读学位期间的研究成果

致谢

声明