物流配送的车辆路径优化

物流配送的车辆路径优化

专业：[物流管理]

班级：[物流管理2班]

学生姓名：[***]

指导教师：[**]

完成时间：2022年4月27日

背景描述

物流作为“第三利润源泉”对经济活动的影响日益明显，越累越受到人们的重视，成为当前最重要的竞争领域。近年来，现代物流业呈稳步增长态势，欧洲、美国、日本成为当前全球范围内的重要物流基地。中国物流行业起步较晚，随着国民经济的飞速发展，物流业的市场需求持续扩大。特别是进入21世纪以来，在国家宏观调控政策的影响下，中国物流行业保持较快的增长速度，物流体系不断完善，正在实现传统物流业向现代物流业的转变。现代物流业的发展对促进产业结构调整、转变经济增长方式和增强国民经济竞争力等方面都具有重要意义。

配送作为物流系统的核心功能，直接与消费这相关联，配送功能完成质量的好坏及其达到的服务水平直接影响企业物流成本及客户对整个物流服务的满意程度。配送的核心部分是配送车辆的集货、货物分拣及送货过程，其中，车辆配送线路的合理优化对整个物流运输速度、成本、效益影响至关重要。

物流配送的车辆调度发展现状

VRP（车辆调度问题）是指对一系列装货点和卸货点，组织适当的行车线路，使车辆有序的通过，在满足一定的约束条件（如货物需求量、发送量、交发货时间、车辆容量等限制）下，达到一定的目标（如路程最短、费用最少、时间最少、使用车辆数最少等）。一般认为，不涉及时间的是路径问题，涉及时间的是调度问题。VRP示意图如下

当然，VRP并不止是这样的一个小范围，而是又更多的客户点与一个仓库链接，从而达

到一整个物流集群。

根据路径规划前调度员对相关信息是否已知，VRP可分为静态VRP和动态VRP，动态VRP 是相对于静态VRP而言的。静态VRP指的是：假设在优化调度指令执行之前，调度中心已经知道所有与优化调度相关的信息，这些信息与时间变化无关。一旦调度开始，便认为这些信息不再改变。

而VRP发展到现在的问题也是非常突出的，例如，只有一单货物，配送成本远高于一单的客户所给的运费，在这种情况下，该如何调度车辆？甚至还有回程运输的空载问题，在这些问题之中，或多或少都涉及到了VRP的身影，那么在这样的配送中怎么有效的解决车辆的路径优化问题就是降低运输和物流成本的关键所在。

解决怎么样的问题？

现如今对于VRP研究现状主要有三种静态VRP的研究、动态VRP的研究以及随机VRP的研究。

而我对于VRP的看法主要有以下几点。

有效解决VRP或者优化车辆调度路径优化问题，那么将非常有效的降低物流环节对于成本的比重，有效的增大利润。

而我想到的方法，就是归类总结法。

建立完善的信息系统机制，将订单归类总结出来，可以按地区划分出来，一个地区一个地方的进行统一配送，这样也有效的降低了物流配送的车辆再使用问题，降低了成本。如下图所示。

仓库

客户

变换前

由上图可以看出来这样的路径，车辆需要来回两次，严重增加了配送成本，也增加了运输成本，使得利润并不能最大化。

变换后

这就是变换后的车辆路径优化。

由此可见，在上图中，车辆就来回一次，这样车辆使用的成本较之优化前低了很多。

以上方法可以作为优化路径的简易方法，但是那是取决与货物属性相近的前提下，因为货物属性相近的话，就不会出现化学反应等影响货物质量的问题，就不会造成因为货损带来的损失，从而降低成本，增大利润收入。

其次还有一种方法叫做蚁群算法。

刘志硕等在分析VRP和TSP问题区别的基础上，将蚁群算法应用于VRP的求解，通过引入解均匀度、选择窗口及吸引力等概念对算法的转移策略和更新策略进行改进，构造了具有自适应功能的蚁群算法，实验仿真结果表明，所设计的算法具有很强的搜索能力。随后，他们所求解有硬时间窗VRP提出了一种基于可行解两阶段构造策略的自适应混合蚁群算法。第一阶段，用蚂蚁的局部遍历代替传统的全局遍历，每个蚂蚁采用蚁群算法进行局部遍历，构造一个回路，蚂蚁转移采用回路两阶段构造路径策略；第二阶段，由前一阶段所构成的回路通过采用近似解可行化策略来组合形成可行解。

人工神经网络方法。与上面优化方法不同，shen等通过BP神经网络学习有经验调度员的调度过程，逐渐调整连接权系数使顾客的实时需求得到较快响应，不仅可以减轻调度员的工作量，还可以得到较优的车辆路劲。

参考文献

【1】刘志硕，申金升，基于解均匀度的车辆路劲问题的自适应蚁群算法[J].系统仿真学报，2005，17（5）：1079-1083.

【2】刘志硕，柴跃廷，申金升.蚁群算法及其在有硬时间窗的车辆路径问题中

的应用[J].计算机集成制造系统，2006，12（4）：596-602.

【3】Shen Y ,Potvin Y ,Rousseau J M,et al. A computer assistant for vehicle dispatching with learning capablilty[J]. Annals of Operations Research ,1995,(61):189-221.