考虑碳排放和时间窗的取送一体化配送路径优化方法研究

摘要

近年来，伴随着中国市场经济的快速发展和完善，中国物流配送业得到了迅猛发展，已成为经济发展的“第三利润源泉”和新动力。目前，中国的物流配送业发展存在的主要问题集中反映在两个方面:一是数量庞大的物流配送车辆尾气碳排放量造成的严重环境污染，已成为困扰大城市生态发展的巨大障碍;二是传统的粗放型、高成本、单一化物流配送模式难以适应日趋多样化的物流配送需求，急需改变配送模式提高配送服务质量。如何结合中国物流配送特点采用科学的模型与方法解决这些问题，是当前物流配送领域面对的一项重大研究课题。为此，本论文针对物流配送碳排放量和配送服务质量综合优化问题，从理论研究与实际应用角度出发，运用改进型粒子群算法，对考虑碳排放和时间窗的取送一体化配送问题(SPDVRPCETW)的路径优化方法进行了选题研究。
　　本论文主要研究内容及成果如下:
　　首先，本文阐述了传统车辆路径优化问题的相关基础理论，对所研究的SPDVRPCETW问题特征进行系统分析，明确了问题的构成要素、目标及影响因素。结合取送一体化物流配送作业特点，分析了物流配送运输成本、碳税成本、时间窗成本的计算方法。在综合考虑配送车辆运输成本、碳税成本、时间窗成本多种因素下，建立以配送总成本最低为目标函数的SPDVRPCETW问题数学模型。
　　其次，针对SPDVRPCETW模型的复杂性特点，本文结合基本粒子群算法进行求解，为解决基本粒子群算法优化过程中局部最优的缺陷问题，本文引入混沌思想，提出一种基于惯性权重自适应调整的改进型粒子群算法，并依据该算法设计了SPDVRPCETW模型求解软件实现步骤。
　　最后，针对实际的北京燕京啤酒物流配送问题，建立了啤酒物流配送的SPDVRPCETW数学模型，采用改进型粒子群算法进行了优化分析，验证了构建模型的合理性及改进算法的有效性。实例求解分析结论表明:(1)取送一体化配送作业模式在降低碳排放量、提高顾客满意度、减少配送总成本方面具有明显优势;(2)当同时考虑碳税成本、时间窗成本、运输成本时，虽然损失了单个成本目标最优值，但得到的总成本最优。(3)提出的改进粒子群算法在解决NP难题时，其突破局部最优的能力得到显著改善;(4)物流配送实际问题的求解结果对各参数表现一定灵敏性:车速在50-60km/h时，总成本最低;碳税价格在10元/kg以下，碳排量控制效果明显;时间惩罚系数越高，时间窗内比例越高，但总成本越高。

目录

声明

致谢

摘要

1．1．1 选题背景

1．1．2 研究意义

1．2 研究内容与研究方法

1．2．1 研究内容

1．2．2 研究方法

1．3 本文技术路线

2 物流配送VRP问题研究现状综述

2．1 物流配送相关概念描述

2．2 物流配送问题国内外研究现状

2．2．1 仅考虑取送一体化配送问题研究现状

2．2．2 考虑碳排放的取送一体化配送问题研究现状

2．2．3 考虑时间窗的取送一体化配送问题研究现状

2．2．4 文献研究现状总结

2．3 物流配送VRP问题概述

2．3．1 VRP问题特征与构成要素

2．3．2 VRP问题模型类型

2．3．3 VRP问题求解算法概述

2．4 本章小结

3 SPDVRPCETW问题建模研究

3．1 SPDVRPCETW问题特征分析

3．1．1 SPDVRPCETW问题定义及组成要素

3．1．2 SPDVRPCETW问题优化目标

3．1．3 SPDVRPCETW问题影响因素

3．2 碳排放量及碳税成本计算方法研究

3．2．1 油耗影响因素分析

3．2．2 油耗量计算公式

3．2．3 碳排放量及碳税成本计算方法

3．3 时间窗偏离惩罚成本计算方法研究

3．3．1 时间窗与顾客满意度关系函数

3．3．2 时间窗偏离惩罚成本函数构建

3．4 SPDVRPCETW问题优化模型构建

3．4．1 SPDVRPCETW问题描述

3．4．2 基本假设与符号说明

3．4．3 SPDVRPCETW模型构建

3．5 本章小结

4 SPDVRPCETW模型求解算法研究

4．1 粒子群算法理论研究

4．1．1 粒子群算法概述

4．1．2 粒子群算法优缺点分析

4．2 混沌理论研究

4．2．1 混沌优化思路分析

4．2．2 混沌思想与粒子群算法结合可行性分析

4．3 改进型粒子群算法设计研究

4．3．1 粒子群算法改进策略

4．3．2 改进型粒子群算法优化过程设计

4．4 本章小结

5 SPDVRPCETW问题实例分析

5．1 北京燕京啤酒物流配送背景分析

5．2 啤酒配送路径优化算法求解实现流程设计

5．3 实例求解分析

5．3．1 求解结果分析

5．3．2 算法性能对比

5．3．3 两种配送模式对比

5．3．4 不同目标函数结果对比

5．3．5 参数灵敏度分析

5．3．6 实例求解结果总结

5．4 本章小结

6．1 研究总结

6．2 展望

参考文献

作者简历及攻读硕士／博士学位期间取得的研究成果

学位论文数据集