论文部分内容阅读
传统的车辆路径问题(Vehicle Routing Problem, VRP)大多从经济效益视角考虑,研究目标为最小化旅行距离或物流成本,而从环境效益的角度考虑运输对环境影响的相关研究还比较少。物流和交通运输已成为碳排放的主要来源之一,是落实节能减排的重要领域。实际运输企业大多拥有多个车场,同时考虑到车场车辆数、车辆载重、车辆工作时间以及客户时间窗等实际约束,本文研究了一类新的车辆路径问题——带时间窗的多车场低碳车辆路径问题(Multi-Depot Low-Carbon Vehicle Routing Problem with Time Windows, MDLCVRPTW).该问题将研究目标转移到环境效益中去,是对传统的带时间窗的多车场车辆路径问题(Multi-Depot Vehicle Routing Problem with Time Windows, MDVRPTW)的扩展,通过合理安排车辆运输路线,以期减少能耗和碳排放。基于历史统计数据和已有研究成果,本文首先建立了车辆能耗和碳排放量的宏观计量模型,模型综合考虑了距离和重量这两个影响碳排放量的关键因素；在此基础上建立了MDLCVRPTW问题的数学优化模型,目标函数为最小化碳排放量。由于MDLCVRPTW属于NP-hard问题,本文设计了带适应性变异的混合遗传算法来求解该问题：设计了基于轮盘赌的初始解构造方法,采用了父代参与竞争的锦标赛选择机制,然后改进了Ox交叉算子,设计了基于适应性邻域搜索的变异操作,并通过种群管理保持种群多样性。为了评估算法的有效性,首先采用Cordeau的MDVRPTW标准测试算例数据,求解了MDVRPTW问题,从解的质量、算法稳定性以及收敛时间三方面表明了本文算法的有效性。然后将MDLCVRPTW模型计算结果与MDVRPTW模型计算结果相比较,结果表明,前者较后者旅行距离平均增加1.65%,但碳排放量平均降低0.90%,由此表明在小批量多批次货物配送中,适当增加旅行距离能减少碳排放量,同时也表明仅考虑旅行距离不利于节能减排。最后将本文的模型与算法应用于苏果社区店的实际配送作业中,给出了合理的运输路线安排。本文拓展了已有车辆路径问题的研究,能够为企业实施低碳运输提供重要的决策支持。