近几年来,国家大力提倡低碳经济,扶持纯电动汽车产业的发展,电动汽车与传统的物流配送工具相比具有节约燃料、保护环境等诸多优点。在国家“双碳”目标持续推动下,传统物流车市场持续萎缩,电动物流车市场呈现高速增长发展势头。数据显示,2022年1月新能源物流卡车中,纯电动销量3198辆,占比98.25%,成为新能源物流卡车市场的主流车型,且国内各大物流公司在城市的运输车辆已基本实现纯电动化。然而从企业的角度,纯电动汽车与汽油车相比,面临着购置成本过高、充电时间较长和续航里程较短等问题,从而引出了电动车辆路径优化问题。因此,研究该问题对当今物流企业降低物流成本、增加经济效益有着不可忽视的影响力,它是指面对若干客户,在满足若干现实约束条件的情况下,选择合适的电动车辆进行物流配送,组织合理的车辆配送路径,以达到预期的优化目标。现如今,国内各大城市的物流车辆已逐步实现纯电动化,电动物流车辆急剧增长,为满足成千上万客户的需求,物流企业需要一套高效的算法用来规划电动车辆物流配送路径,增加经济效益、降低企业物流成本、实现节能减排。在上述背景之下,本文针对电商和物流企业大量使用电动车进行末端配送的情景,对电动物流车产业的三类主流电动车辆路径问题进行了研究,在数学模型和启发式算法上取得了创新性成果,并利用大量的数值实验验证了本文提出的模型和算法的有效性。本文分别对带时间窗和容量约束的电动车辆路径问题(Electric vehicle routing problem with time windows,E-VRPTW),多车型电动车辆路径问题(The Electric Fleet Size and Mix Vehicle Routing Problem with Time Windows and Recharging Stations,E-FSMFTW)和多循环多车型电动车辆路径问题(Multi-Trip and Heterogeneous-Fleet Electric Vehicle Routing Problem with Time Windows,MTHF-EVRP)这三类电动车辆路径优化问题进行了研究。本文首先研究了带时间窗和容量约束的电动车辆路径问题。该问题包含了时间窗约束、最大行驶里程约束和容量约束,其目标函数为最小化总的运输车辆数量和最小化总的行驶里程。为此,本文先是建立了一个基于弧的混合整数线性规划模型可对该问题的小规模算例进行精确求解,其次是提出了一个混合启发式搜索算法,该算法可以对大规模算例在短时间内找到高质量的局部最优解。本文对Schneider等人(2014)基于Solomon改进的算例进行数据实验。在小规模算例的测试中,本文提出的数学模型能在极短时间内精确求解,与其他文献的模型相比性能更好。在大规模算例的测试中,本文的启发式算法与其他文献最新的启发式算法相比,找到了若干质量更好的局部最优解,充分证明了本文算法的有效性。此外,本文针对不同的充电策略和不同的目标函数进行了分析测试,结果表明允许车辆部分充电可以进一步减少成本。接着,本文研究了多车型带时间窗和容量约束的电动车辆路径问题。在带时间窗和容量约束的电动车辆路径问题的基础上,本文考虑了多车型电动汽车。该问题相比于之前的单一车型,其包含了多种不同最大容量、最大行驶里程、充电速度和购置成本的电动车型,且目标函数为最小化总行驶成本与总购置成本之和。相比于带时间窗和容量约束的电动车辆路径问题,本文不仅需要决定每条配送路径上的商户配送顺序,还需要为每条配送路径安排最优的电动车型,这是一个更复杂的问题。为此,本文对基于弧的数学模型进行了拓展,将每种车型可能经过的弧枚举出来,先通过时间窗和容量约束剔除掉不合法的弧,再通过距离和时间信息剔除掉被占优的弧,这样可大幅度缩小模型的规模并加速模型的求解。其次,本文提出的启发式算法对时间窗约束和里程约束进行了松弛并允许接受不可行解,在目标函数当中引入动态的惩罚系数控制算法在不可行解的区域与可行解的区域之间搜索。此外,本文通过标签算法精确求解了固定商户配送顺序下的最优充电决策问题,该算法可在启发式算法的局部阶段强化解的质量。本文的模型和算法对Hiermann等人(2016)基于Schneider等人(2014)改进的算例进行了数据实验。Hiermann等人(2016)的模型对小规模算例几乎无法求解,其使用分支定价算法可以精确求解所有小规模算例。本文的模型对绝大多数小规模算例皆可精确求解,对少部分算例可在限定时间内找到高质量的上界解。本文的启发式算法可在极短时间内找到所有小规模算例的最优解。由于Hiermann等人(2016)的充电策略是强制车辆固定充满电的方式,为了进一步研究允许车辆部分充电对总成本的影响,本文的启发式算法对大规模算例进行了测试,结果显示允
暂无评论