正逆向物流一體化車輛路線問題研究.pdf

1、小批量多批次配送已成為現(xiàn)代物流配送發(fā)展的一大趨勢，而車輛路線問題是其關(guān)鍵問題。目前配送通常將正向物流和逆向物流單獨配送，這樣會導(dǎo)致較高的車輛空載率。為了節(jié)約資源，降低成本，本文將二者整合起來，研究正逆向物流一體化車輛路線問題。分別從確定性、模糊性和動態(tài)三方面研究了該類問題的模型和算法。論文的創(chuàng)新點主要體現(xiàn)在對車輛路線問題的拓展及相應(yīng)有效算法的設(shè)計，具體包括以下幾個方面：
　　 (1)租賃條件下的第三方物流多車型硬時間窗車輛路線問

2、題研究。建立了以車輛租賃費用和運行費用最小為目標(biāo)的模型，并提出了結(jié)合模擬退火法的混合遺傳算法。該算法以優(yōu)先滿足最小費用車型的策略來分配多車型車輛，并采用客戶直接排列的方法以實現(xiàn)車輛數(shù)的變化。算例分析表明，該混合遺傳算法具有較好的搜索能力和求解穩(wěn)定性，按最小費用分配車輛策略可為第三方物流企業(yè)車輛的租賃決策提供重要依據(jù)。
　　 (2)大規(guī)模同時集散貨物路線問題的算法設(shè)計研究。首先應(yīng)用分形理論中的空間填充曲線法求解初始解，接著將當(dāng)前解

3、分解成幾個獨立的路線子集合，再用新禁忌搜索算法求解每個路線子集合，最后將子集合求得的最好路線組成新的當(dāng)前解，其中新禁忌搜索算法集成了大量的鄰域搜索方法，并采用了重起和擾動策略。數(shù)據(jù)實驗表明，該算法取得了新的最好解，為同時集散貨物路線問題的求解提供了新思路。
　　 (3)業(yè)務(wù)繁忙環(huán)境下帶時間窗的同時集散貨物路線問題研究。以車輛數(shù)、運輸里程和完成運輸任務(wù)總時間最小為目標(biāo)建立了多目標(biāo)模型，并提出了基于路線集合劃分的分解迭代算法以解決大

4、規(guī)模問題。數(shù)據(jù)實驗表明，該算法能有效解決帶時間窗的單向車輛路線問題和集散一體化的雙向車輛路線問題，為物流配送提供了有力的決策依據(jù)。
　　 (4)配送車輛數(shù)和車輛工作時間有限的多車次同時集散貨物路線問題研究。以車輛數(shù)和運輸里程最小為目標(biāo)建立了多目標(biāo)模型，提出了允許不可行解的搜索算法。該方法能同時解決路線安排和路線分配的問題，其中路線安排采用了4種鄰域搜索方法和重起策略，路線分配采用了初次分配和二次調(diào)整策略。算例分析表明，該方法能有

5、效地找到滿意解，采用多車次安排路線比單車次安排路線更加經(jīng)濟(jì)合理。
　　 (5)逆向需求模糊的同時集散貨物路線問題研究。建立了基于模糊置信度理論的多目標(biāo)模型，并提出了基于模擬的改進(jìn)禁忌搜索算法來求解該模型。該算法用模擬的方法計算路線失敗值，在路線搜索中采用路線內(nèi)部改善和路線間改善兩類鄰域操作，而且采用了重起策略。算例表明，該算法優(yōu)于傳統(tǒng)的掃描算法，并且正逆向物流整合與分別運輸相比其運輸費用顯著減少。
　　 (6)逆向需求動