具有同时配送和回收需求的车辆路径问题研究

摘要

物流配送活动中，车辆的行车路线规划问题是配送合理化的核心问题，对于企业提高服务水平、降低物流成本、增加经济效益有很大的影响。为了实现配送活动成本最小化和效益最大化，针对越来越多的退货物流和回收物流，在配送的同时回收货物将是现代逆向物流的主要发展方向，因此对具有同时配送和回收需求的车辆路径问题进行研究，具有一定的理论价值和现实意义。
　　 本文主要对具有同时配送和回收需求的车辆路径问题(VRPSPD)进行了研究，在分析了各种常规约束条件的前提下，提出了本文的研究对象，即有可选模糊时间窗的VRPSPD。论文主要从以下方面对问题进行了分析和研究。
　　 1、阐述了车辆路径问题的概念，按照不同的标准对车辆路径问题的分类进行了总结，并回顾了车辆路径问题的求解模型及算法；
　　 2、在考虑多车型且车辆有载重量限制、最大行驶距离限制等约束下，通过引入模糊预约时间和可选时间窗的概念，从顾客满意度的角度研究了模糊不确定信息条件下的多目标具有同时配送和回收的车辆路径优化问题，建立了求解此问题的多目标混合整数规划模型。
　　 3、在介绍标准遗传算法构成及特点的基础上，首先通过对各个编码方式及遗传算子的简单分析，选出求解本文模型的基于自然数编码的方式及合适的便于处理的遗传算子。其次为了构建合适的适应度函数，首先对三个目标进行无量纲处理，之后提出通过加权求和的方式将多目标转化为单目标，再将转化后的目标函数直接作为适应度函数。最后设计了求解多目标规划的混合遗传算法，并用该算法对随机加权和固定加权情况下，分别进行了算例仿真并都在迭代一定代数之后达到了收敛解，并且对客户满意度对规划结果的影响进行了研究，算例仿真结果表明满意度的变化对结果没有明显的影响。

目录

文摘

英文文摘

声明

第1章 绪论

1.1论文的选题背景和研究意义

1.2问题的提出

1.3国外研究现状

1.3.1国外研究现状

1.3.2国内研究现状

1.4本文的研究内容及技术路线

1.4.1论文研究的主要内容

1.4.2本文的技术路线

第2章 车辆路径问题的分类及求解方法概述

2.1车辆路径问题的分类

2.1.1逆向物流车辆路径问题根据装卸顺序不同的分类

2.1.2按问题涉及因素的可知性分类

2.2车辆路径问题的求解模型

2.2.1网络图模型

2.2.2混合整数规划模型

2.3车辆路径问题求解算法回顾

2.3.1精确算法

2.3.2传统启发式算法

2.3.3现代智能优化算法

第3章 具有可选模糊时间窗的VRPSPD研究

3.1概念及定义

3.1.1相关概念

3.1.2文中所涉及的相关定义

3.2问题简述

3.3问题假设及符号说明

3.3.1问题假设

3.3.2模型符号说明

3.4模型建立

第4章 求解VRPSPD的混合遗传算法

4.1标准遗传算法及其流程图

4.2求解VRPSPD的算法设计

4.2.1染色体编码与译码

4.2.2适应度函数的选择

4.2.3遗传算法相关参数的设置

4.3本文设计的算法流程

第5章 算例仿真及结果比较

5.1基于随机加权适应度函数的算例仿真

5.1.1单时间窗VRPSPD-FTW的算例仿真

5.1.2两个时间窗的VRPSPD-FTW的算例仿真

5.2基于固定加权适应度函数的算例仿真

5.2.1固定满意度不同权重组合的算例仿真

5.2.2固定权重不同满意度的算例优化

5.3本文设计的算法的性能验证

结论

致 谢

参考文献

附录

攻读学位期间发表的论文