原文传递
需求可拆分的电动车多对多取送货路径问题
| 论文题名： | 需求可拆分的电动车多对多取送货路径问题 |
| 关键词： | 电动物流车辆;取送货;路径规划;供需平衡;需求可拆分 |
| 摘要： | 多对多取送货车辆路径问题作为一类车辆路径问题，被广泛地应用于工厂空箱调度、共享单车投放与回收等实际场景。而随着践行绿色环保理念的推广，电动汽车在相关领域的应用是未来发展的必然趋势。因此，本文提出并研究了需求可拆分的电动物流车辆多对多取送货路径规划问题。 该问题包含一组有取货或送货需求的客户和一个仓库。电动物流车辆从仓库位置出发，依次访问路径中的各个客户并满足其取货或送货需求，最终返回仓库。车队中所有电动物流汽车均采用部分充电策略，电池充电速度恒定。客户的取送货需求平衡且可以拆分，即所有供货点的总供应量等于所有供货点的总取货量，并且每个送货点的货物可以来自于多个取货点，每个取货点取到的货物也可以被送往多个送货点。考虑需求拆分主要基于两个原因：第一，当客户的需求量超过车辆容量时，必须通过多辆车共同满足。第二，需求可拆分能够极大地扩展原问题的解空间，让决策者有机会获得更高质量的解。 本文以最小化车辆总行驶时间为目标，同时考虑车辆容量、电池容量、最大路径时长等约束条件，构建了混合整数规划模型来决策车辆的取送货路径、充电时间以及客户需求的拆分。为了对上述问题进行求解，本文开发了一种新的混合遗传算法。该算法基于问题的特点采用多段染色体的编码方式，并为每段染色体设计了交叉和变异算子。在此基础上，还引入了两种不同的局部搜索算子对种群优势个体进行局部优化，进一步提升了算法的整体性能。为了验证算法的有效性，本文在Solomon算例集的基础上随机生成了一组电动车辆多对多取送货路径问题测试算例，并将混合遗传算法的求解结果与CPLEX求解器得到的结果进行了对比。对比结果显示，在大、中、小三种规模的算例中混合遗传算法均能在较短的时间内获得高质量的解。此外，本文还探究了局部搜索算子对算法的影响。对比试验结果证明局部搜索能够加速遗传算法的收敛速度，在求解大规模算例时能够显著提升算法的性能。本文的研究有利于提高电动物流车辆在多对多取送货问题中的运输效率，对电动车辆在物流领域的实际应用具有一定的促进作用，对其他学者的相关研究具有一定的借鉴意义。 |
| 作者： | 韩方正 |
| 专业： | 交通信息工程及控制 |
| 导师： | 廉莲 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连理工大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
