车辆调度算法研究及其应用文献综述

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不变[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]。

综上所述，各种优化方法在一定情况下都有各自的优点，都有解决某一问题的优越性。最优化算法有一个共同的特点就是可以求得最优解，但不适应现在的复杂的车辆优化问题，尤其是对多配送点的大型配送服务，相对求得最优解比较费时费力，且难以实现；而传统的启发式算法比最优化算法相对好些，但仍有不太适用于现在于现在实际遇到的问题，和现代启发式算法相比有些不足，但可以将各种算法结合使用，这样就更方便使用解决实际当中遇

到的各种问题。

求解VRP 问题时，我们旨在得到一系列路线，车辆按照该路线来服务顾客，在满足顾客需求的同时，使得总的运输费用最小。在设计这些路线时，还要根据不同问题考虑不同约束，设计的路线不能够违背相应的约束。

二、主题部分

1. VRP 问题研究的历史背景

1959 年，Dantzig 等人首先从旅行商问题（Traveling Salesman Problem，简称TSP 问题，）得到启发，提出了车辆分配问题TDP（Truck Dispatching Problem）。这是一类具有重要研究价值的问题。一方面，它代表了一类典型的组合优化问题，具有深远的理论意义；另一方面，它是一类重要的物流运输问题，直接影响着相关企业的运转效率，具有广泛的实践意义。半个世纪以来，许多的专家学者对该问题进行了广泛而深入的研究，并将这类问题统称为车辆路径调度问题（Vehicle Routing Problem，简称为VRP 问题）。他们从基本问题出发，根据不同的约束和目标，构建了不同的模型，并有针对性地开发出了有效的算法[5]。

2.VRP 问题算法的发展现状

随着定位导航技术、数据通讯技术、自动控制技术、图像分析技术以及计算机网络和信息处理技术的快速发展，车辆优化调度问题作为智能交通系统的一个重要组成部分，在很多国家受到关注。80年代以来，随着ITS研究领域和内容的不断深入发展，逐渐形成了美国、欧洲和日本三大智能交通体系，且三大体系研究方面各有侧重。目前，某些常用且较成熟的算法并已被人们运用的有实际的动态车辆调度系统，美国利用最短路径算法、启发式算法开发计算机配送调度系统用来解决货运汽车作业计划路线优化选择和车辆分配等问题，使汽车里程利用率提高5%-15%，运输成本和运输时间也有了明显下降。目前已经开发并应用于实践的动态车辆调度系统有美国IBM公司开发的VIIPX系统，其核心算法为最短路径算法和启发式算法；日本富士通公司开发的VSS系统，以节约为核心算法；美国美孚公司开发的HOCAD系统，以扫描为核心算法[10]。

由于该问题在交通运输、工业生产管理等领域具有广泛而重要的应用，因此近年来引起了人们极大的兴趣，运筹学、应用数学、组合数学、网络分析、图论、计算机应用等学科的专家与运输计算制定者和管理者进行了大量的理论研究及实验析，取得了很大的进展。运用这些研究成果，车辆优化调度问题已被成功运用到邮件速递、出租车服务、奶品配送、生产计划、紧急服务等业务之中。车辆的优化调度问题是一种具有相当广泛实用价值的学术研究