汽车车辆调度算法研究及其应用文献综述.pdf

文献综述 车辆调度算法研究及其应用 一、前言部分 车辆调度问题是现代物流系统优化中关键的一环，也是开展电子商务不可缺少的内容。 对车辆调度优化理论与算法进行系统研究是构建综合物流系统、建立现代调度指挥系统、发 展智能交通运输系统和开展电子商务的基础[1]。 车辆调度问题是运筹学与组合优化领域的研究热点。有效的调度车辆，不仅可以提高物 流工作效率，而且能够为及时生产模式的企业提供运输上的保障，从而实现物流管理科学化。 由于该问题的理论涉及很多学科，很多实际问题的理论抽象都可归结为这一类问题，研究该 问题具有很重要的理论意义和实际意义。 1 . VRP （Vehicle Routing Problem）问题描述及其分类 VRP 问题一般可定义为：对一系列的装货点或卸货点，组织适当的行车路线，使车辆 有序地通过它们，在满足一定的约束条件 (货物需求量、发送量、车辆容量限制、行驶里程 限制、时间限制)下，达到一定的目标(路程最短、时间最小、费用最省、车辆数目最少等)。 由于该问题研究范围非常广，根据其网络性能大致可以分为两类：一类为静态 VRP (StaticVRP, SVRP)，一类为动态VRP (dynamic VRP, DVRP)。 (1) 静态VRP问题描述 SVRP 问题是VRP 中较简单的一类问题，是大部分研究者研究的热点。该问题具有一 个很重要的特征：在安排初始路线时，和路线相关的所有信息已知，并且在安排路线以后其 相关信息始终保持改变[2]。以下列举了一些常见的SVRP 问题:仅考虑车辆容量限制的 VRP(CVRP)、带时间窗的VRP(VRPTW)、带有回收的VRP(VRP with backhauls)、带有集派的 VRP(VRPPD)。除此以外，还有许多其它 CVRP 的延伸问题，如顾客有优先权，考虑卸货时间、 装卸时间、等待时间等，甚至综合了以上不同的特征。这些问题的相关信息均已知且保持 变[3]。 (2) 动态VRP问题描述 所谓DVRP，是指在安排初始路线时，并不是和路线相关的所有信息都为已知，并且初始 路线安排以后，其相关信息可能发生改变。DVRP 研究范围较广，需求不确定、动态网络、 服务车辆不确定、提供数据有偏差等都属于DVRP 的研究范畴。从网络性能角度，DVRP 可以 分为以下三种类型：1)时间依赖型VRP (TDVRP)。2)概率VRP (PVRP)。车辆运行时间以离散或 连续概率发生变化。在这种网络中可用期望运行时间代替路径运行时间，再进行问题的求解。 目前对该问题在最短路中研究比较多，一般是求得存在长度不超过给定值的路线概率及所给 出路线为最短路的概率等[4]。3)时间依赖且概率变化的VRP。 2. VRP问题算法描述 (1) 插入算法 插入算法是指通过 k 步迭代时，将第k 个节点插入到路线中。算法的关键在于确定在第 k+1 步可以被插入到路线中的点以及该点的最佳插入位置。因此，该算法由两个关键的部分 组成。第一部分是节点选择阶段，即确定下一步被插入到路线中的顾客节点；第二部分是路 径插入阶段，即确定所选择的顾客节点在路线中的最佳插入位置[5]。 (2) 节约算法 节约算法是一类最为经典的构造型启发式算法之一，该算法最早由 Clark 和Wright 于1964 年提出[6]，通常被简称为C-W 算法。该算法的思想是：根据顾客点之间连接可以节省 的距离（节约值）最大的原则，将不在线路上的顾客点依次插入到路线中，直到所有的点都 被安排进路线为止。 (3) 最短路径算法 用于解决最短路径问题的算法被称做 “最短路径算法”， 有时被简称作 “路径算法”。 最常用的路径算法有：Dijkstra算法、A*算法、Bellman-Ford算法、Floyd-Warshall算法、 Johnson算法[7]。迪杰斯特拉提出的Dijkstra算法是最典型的最短路径算法[8]。 (4) 遗传算法 遗传算法（Genetic Algorithm，简称GA）是美国J.Holland 和他的学生于 1975 年受 生物进化论的启发而提出并建立发展起来的。其基本思想是借鉴大自然生物进化中“适者生 存”的规律，通过对产生的解（ “父代”）不断操作（包括复制、交叉、变异和竞争）以产 生新的解（“子代”），如此反复迭代，最终收敛到“最适应环境”的个体，从而得到相对比 较好的解[9]。