导读:本文包含了随机车辆路径问题论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:路径,车辆,算法,需求,邻域,时间,模型。
随机车辆路径问题论文文献综述
段征宇,雷曾翔,孙硕,杨东援[1]（2019）在《随机时变车辆路径问题的多目标鲁棒优化方法》一文中研究指出车辆路径问题(vehicle routing problem,VRP)是物流配送的核心问题之一,为了提高物流配送的时效性,在传统VRP模型的基础上,同时考虑了路网交通状态的时变性和随机性,基于最小最大准则,提出了一种带硬时间窗的随机时变车辆路径问题(stochastic time-dependent vehicle routing problem,STDVRP)的多目标鲁棒优化模型.设计了一种非支配排序蚁群算法(non-dominated sorting ant colony optimisation,NSACO),求解STDVRP多目标优化模型;通过测试算例,对比分析了NSACO算法与改进型非支配排序遗传算法(non-dominated sorting genetic algorithm II,NSGA-II).研究结果表明:对于车辆数最小的Pareto边界解,NSACO算法的平均车辆数比NSGA-II算法小3.33%;对于最坏行程时间最小的Pareto边界解,NSACO算法的平均最坏行程时间比NSGAII算法小17.49%.(本文来源于《西南交通大学学报》期刊2019年03期）
宁涛,焦璇,魏瑛琦,梁旭[2]（2018）在《基于量子蚁群算法的随机需求的动态车辆路径问题》一文中研究指出针对随机需求的动态车辆路径问题,以最小化成本和最大化客户满意度为目标,采用两阶段建模,把动态车辆路径问题转换为静态车辆路径问题,将量子理论与蚁群算法结合并加以改进,用量子Hε门代替传统的量子旋转门实现对蚁群的更新.用Matlab7. 0软件实现数据仿真,验证了本文改进的量子蚁群算法是求解该问题有效的方法之一.(本文来源于《大连交通大学学报》期刊2018年05期）
胡乔宇,杨琨,刘冉[3]（2018）在《考虑随机客户需求的两级车辆路径问题研究》一文中研究指出以两级物流系统为研究对象,着重考虑了随机性质的客户需求,进行系统中每个层级的车辆路径优化求解。由于确定性的单级车辆路径问题即为NP-hard问题,为了对此复杂随机优化问题加以求解,设计了一种基于蒙特卡洛仿真的高效优化方法,将仿真过程嵌入启发式算法的邻域搜索过程。基于现有的两级物流车辆路径问题标准算例,生成具有随机客户需求的本问题算例,通过数值实验并与确定性方法比较,验证了所提出的基于仿真的启发式算法可行而有效。(本文来源于《工业工程与管理》期刊2018年05期）
张得志,何亦扬,龚浩翔[4]（2018）在《随机需求订单可拆分的多目标车辆路径问题》一文中研究指出考虑现实中需求随机,司机的工作量和收入可能受线路长度影响,研究基于需求随机订单可拆分的多目标车辆路径问题,添加司机工作线路长度均衡为目标,这种考虑需求随机和线路均衡的双目标模型比原来的单目标模型更具有现实应用意义。此外订单可拆分可提高车辆装载率,降低配送费用。基于以上考虑,本文构造考虑随机需求订单可拆分的双目标车辆路径问题模型,提出订单拆分车辆配对服务策略。针对本文研究问题特点,设计大规模邻域自适应搜索算法进行仿真实验,并通过修订的Solomon算例验证模型和算法的有效性。(本文来源于《铁道科学与工程学报》期刊2018年05期）
石建力[5]（2018）在《随机分批配送车辆路径问题研究》一文中研究指出配送问题是物流学科的核心科学问题之一,是物流管理和服务的关键问题。随着市场竞争加剧、经济增长放缓,配送业务量和配送利润均呈现下降趋势,促使配送企业引进先进的车辆调度和配送管理的新技术,以提高企业运营效率,提高客户满意度,增强企业竞争力。分批配送车辆路径问题(the split delivery vehicle routing problem,SDVRP)是近十多年来逐步受到关注的研究领域,通过对需求点需求量进行拆分能有效降低车辆使用量,降低行驶费用,提高配送效率。在实际配送中,需求点位置、需求量、行驶时间和服务时间等信息均不是确定不变的。随着计算机技术和信息技术的发展,研究随机车辆路径问题的成果越来越多。但目前对随机SDVRP的研究较少,有待进一步完善和改进,分别对需求点随机、需求量随机和时间随机的SDVRP进行研究。首先,对两种不同的需求点随机的SDVRP进行研究:需求点需求随机出现和需求点位置随机。对需求点需求随机出现的情形,将需求点出现概率引入模型,将模型具体化,并设计基于分批配送的ALNS,对分批插入算子进行改进。实验结果表明允许分批配送在大部分算例中费用低于不允许分批配送的情形;潜在需求点占所有需求点的比例对分批配送的需求点数量影响不大。对需求点位置随机的情形,建立带修正的多目标随机规划模型,并设计改进的ILS将多目标问题转化为单目标问题进行求解。实验表明分批配送在求解过程中起较大作用,能有效提高求解质量。其次,针对SDVRPSD分别建立带修正的随机规划模型和双层MDP模型进行研究。针对带修正的随机规划模型,设计适用于分批配送的PSO进行求解,针对编码中存在多次出现的需求点问题,设计改进的编码和解码过程、最短路径分隔过程等进行解决;针对向量长度不同的问题,在速度更新和位置更新中设计统一向量长度的方式进行解决。实验结果表明虽然文中设计的PSO计算效率较低,但求解效果较好。针对MDP模型,使用由动态分区和另一辆车对未完全得到服务的需求点进行服务的策略进行修正。设计基于动态分区的全局修正策略,使用基于ADP的局部重优化策略进行求解。实验结果验证了模型和算法的可行性。再次,分别对SDVRPSTST和SDVRPSPDSTST建立带修正的随机规划模型。针对SDVRPSTST,使用时间惩罚函数进行修正,在软时间窗下考虑等待时间,并设计改进的PSO进行求解。在算法中引入自适应选择规则选择粒子速度、位置向量长度;使用路径重连算法代替传统的位置更新方程。实验结果表明等待时间将造成总费用的增加,且更倾向于分批配送;分批配送能有效降低总费用和使用车辆数;随机性对分批配送需求点数影响不大,将造成惩罚费用增加。针对SDVRPSPDSTST,设计改进的迭代局部搜索算法进行求解。结果表明分批配送在中等规模和大规模算例中能发挥较好作用;随机性增加将导致目标函数增大,对分批配送点数的影响不大。最后,通过对城市配送实际问题进行分析,对SDVRPDSTT进行研究。根据问题随机性和动态性的特点,建立MDP模型,采用基于ADP的后验决策展示策略进行求解。结果表明后验决策展示策略能在求解效果和求解时间上得到较好的平衡,且分批配送能有效降低行驶费用。(本文来源于《西南交通大学》期刊2018-05-15）
石建力,张锦[6]（2018）在《行驶时间随机的分批配送车辆路径问题模型与算法》一文中研究指出为研究分批配送和等待时间对行驶时间随机的车辆路径问题(VRP)的影响,针对行驶时间随机的分批配送车辆路径问题,在软时间窗下考虑等待时间,建立带修正的随机规划模型;同时设计改进的粒子群优化(PSO)算法进行求解:使用需求点可多次出现的整数编码,设计改进的相对位置索引算法进行解码以解决粒子中出现分批需求点问题;将自适应选择用于速度更新以解决各向量长度不同的问题;将路径重连算法用于位置更新过程以解决粒子在离散空间和连续空间转换时信息丢失的问题,适应允许分批配送的特点。通过对调整的Solomon算例测试,考虑等待时间将造成总费用平均增加约3%,且更倾向于分批配送。分批配送能有效降低总费用(2%)和减少使用的车辆数(0.6);在部分算例,特别是R2类算例中,分批配送能有效降低等待时间,平均降低0.78%。(本文来源于《计算机应用》期刊2018年02期）
李阳,范厚明,张晓楠,杨翔[7]（2017）在《随机需求车辆路径问题及混合变邻域分散搜索算法求解》一文中研究指出随机需求车辆路径问题(capacitated vehicle routing problem with stochastic demand,CVRPSD)是对带容量约束车辆路径问题(capacitated vehicle routing problem,CVRP)的扩展,需求不确定的特点使其较CVRP更复杂,对求解方法要求更高.基于先预优化后重调度思想,提出两阶段的混合变邻域分散搜索算法(variable neighborhood scatter search,VNSS)对该问题进行求解:预优化阶段构建随机机会约束规划模型,对客户点随机需求作机会约束确定型等价处理,生成最优预优化方案;重调度阶段采用新的点重优化策略进行线路调整,降低因失败点而产生的额外成本,减少对人工和车辆的占用.算例验证表明,随机机会约束模型和两阶段变邻域分散搜索算法在求解CVRPSD时较为有效,点重优化策略调整效果较佳.(本文来源于《控制理论与应用》期刊2017年12期）
胡春霞[8]（2018）在《随机需求下带时间窗的集送货车辆路径优化问题研究》一文中研究指出物流网络优化中的车辆路径问题和设施选址问题是物流系统研究中的重要组成部分。在实际应用中,涉及大量的不确定信息以及复杂的约束条件,传统的模型难以描述随机条件下的物流网络优化问题;随着网络规模的扩大,使得物流网络优化问题求解变得越来越困难。因此,有必要进一步研究在随机条件下以及动态条件下的物流网络优化问题,并为问题求解构造出更有效、更符合实际的模型与算法。本文针对随机需求与动态交通影响下的集送货车辆路径优化问题,给出了相应的模型及算法,并进行了应用计算。为实现收益最大化与成本合理化这双重目标,采用集送货车辆配送是现代物流发展的趋势;在此之外,随着消费者的需求趋向个性化、多样化,对服务时间的需求也日渐严苛,因服务时间的延迟而造成客户满意度降低,这类隐性成本的与日俱增更加凸显出时间窗在配送过程中的重要性。本文考虑了在客户随机需求、时间窗的约束下,以最小化车辆在路径上的集送货成本为目标,构建了随机需求下带时间窗的车辆路径规划模型,并基于蚁群算法设计了结合蚁群与变邻域搜索算法相混合的蚁群系统优化算法,还针对现实背景作了算例分析。主要内容如下:通过对前人的文献综述,说明了本研究问题提出的背景,阐述了相关课题的研究现状,并在这样的背景和现状下提出了本文要研究的问题。文章最后给出了本选题的研究框架、技术路线、基本假设等。基于上述背景和现状,确立了本文所研究的课题,随机需求下带时间窗的集送货车辆路径优化问题研究。为方便研究,文章首先进行了一系列合理假设,描述了服务失败规则,在此基础上对目标函数和约束条件进行了分析,构建了以最小化车辆在路径上的服务费用为目标的0-1整数规划模型。考虑到现实生产活动中的动态问题,文章提出了分解式的求解方式,即“先静态,后动态实时再优化”的分阶段模型,将动态环境下的问题转换成分阶段确定的静态问题来进行求解,并在车辆执行任务的每一个时间段的结束时刻,实行动态信息的插入,根据车辆当前的位置和更新后的信息实时地调整车辆行驶路线,使得优化目标最优。针对这类准动态环境下的随机需求下的问题,基于混合的蚁群系统优化算法求解,最后还以杭州某企业为现实背景,作了模型算法的算例分析,进行了多时段、准动态交通情形下的随机需求的案例场景设计,验证前文的基础理论。算例结果表明,本研究算法切实可行、有效,在交通情况与客户需求可变的决策环境下有一定的指导性,能一定程度上对现实快递企业指导作业。(本文来源于《浙江工商大学》期刊2018-01-01）
孙奇,张惠珍[9]（2017）在《贪婪随机自适应蝙蝠算法在车辆路径问题中的应用》一文中研究指出车辆路径问题(Vehicle Routing Problem,VRP)在物流与供应链领域是一个非常有研究价值的NP-Hard问题.蝙蝠算法(Bat Algorithm,BA)是一种新兴的智能优化算法,有着广阔的应用前景.然而它不能直接用于求解离散问题,并且如同大多数智能优化算法一样,容易陷入局部最优,后期收敛速度慢.本文针对VRP问题的具体特性,重新定义了蝙蝠的编码方式并利用GRASP启发式算法生成蝙蝠算法初始种群来改进算法,然后应用于求解VRP问题.(本文来源于《数学理论与应用》期刊2017年01期）
王帅,赵来军,胡青蜜[10]（2017）在《随机旅行时间的外卖O2O配送车辆路径问题》一文中研究指出外卖O2O(Online to Offline)是一种典型的移动互联网商业模式。入驻外卖O2O平台的餐饮企业为增强顾客的配送满意度,需要对其配送服务进行规划设计。文章研究外卖O2O平台上饮食类供应商外卖配送中的车辆路径问题(VRP),通过对外卖配送特点的深入分析,采用模拟方法实现了随机旅行时间分布的准确刻画,以最大化顾客满意度为目标,综合考虑配送过程中的约束要求,建立了随机旅行时间的带顾客需求时间窗的VRP问题的数学模型。基于上海市徐汇区某入驻外卖O2O企业配送服务的算例,利用遗传算法完成求解。结果显示本文算法可以有效计算出响应顾客需求的最优车辆路径,分析了顾客完全满意度区间大小、顾客满意度敏感性以及配送车辆数量等因素对配送方案总体满意度水平的影响,提出了提高外卖O2O配送满意度的建议。并针对外卖O2O商户自负配送模式进行了研究,可为外卖O2O平台上饮食类供应商改善配送和提升顾客满意度提供决策支持。(本文来源于《物流科技》期刊2017年01期）
随机车辆路径问题论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对随机需求的动态车辆路径问题,以最小化成本和最大化客户满意度为目标,采用两阶段建模,把动态车辆路径问题转换为静态车辆路径问题,将量子理论与蚁群算法结合并加以改进,用量子Hε门代替传统的量子旋转门实现对蚁群的更新.用Matlab7. 0软件实现数据仿真,验证了本文改进的量子蚁群算法是求解该问题有效的方法之一.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
随机车辆路径问题论文参考文献
[1].段征宇,雷曾翔,孙硕,杨东援.随机时变车辆路径问题的多目标鲁棒优化方法[J].西南交通大学学报.2019
[2].宁涛,焦璇,魏瑛琦,梁旭.基于量子蚁群算法的随机需求的动态车辆路径问题[J].大连交通大学学报.2018
[3].胡乔宇,杨琨,刘冉.考虑随机客户需求的两级车辆路径问题研究[J].工业工程与管理.2018
[4].张得志,何亦扬,龚浩翔.随机需求订单可拆分的多目标车辆路径问题[J].铁道科学与工程学报.2018
[5].石建力.随机分批配送车辆路径问题研究[D].西南交通大学.2018
[6].石建力,张锦.行驶时间随机的分批配送车辆路径问题模型与算法[J].计算机应用.2018
[7].李阳,范厚明,张晓楠,杨翔.随机需求车辆路径问题及混合变邻域分散搜索算法求解[J].控制理论与应用.2017
[8].胡春霞.随机需求下带时间窗的集送货车辆路径优化问题研究[D].浙江工商大学.2018
[9].孙奇,张惠珍.贪婪随机自适应蝙蝠算法在车辆路径问题中的应用[J].数学理论与应用.2017
[10].王帅,赵来军,胡青蜜.随机旅行时间的外卖O2O配送车辆路径问题[J].物流科技.2017
论文知识图
