为揭示电动车辆路径问题领域的研究与发展现状,对CNKI和Web of Science数据库中电动车辆路径问题1994-2022年间的期刊文献进行知识挖掘与分析。基于文献计量学的量化分析与知识图谱的可视化,通过分析文献外部特征和共被引情况,梳理研究...
详细信息
为揭示电动车辆路径问题领域的研究与发展现状,对CNKI和Web of Science数据库中电动车辆路径问题1994-2022年间的期刊文献进行知识挖掘与分析。基于文献计量学的量化分析与知识图谱的可视化,通过分析文献外部特征和共被引情况,梳理研究热点及热点演进趋势,归纳研究主题,总结出电动车辆路径问题的知识域包括研究主题和应用场景,其中,研究主题由变体研究、充电调度、求解方法三部分构成;对电动车辆路径问题在复杂实际问题、高效求解算法方面的未来发展进行展望,这将为电动车辆路径问题研究的深入化与国际化提供一定的推动作用。
载重约束的电动车辆路径问题(capacitated electric vehicle routing problem,CEVRP)是物流配送中的一种NP困难的组合优化问题,要求满足车辆的载重和电量约束条件,最小化总配送距离。提出一种混合遗传搜索算法来解决CEVRP,将其分解为两...
详细信息
载重约束的电动车辆路径问题(capacitated electric vehicle routing problem,CEVRP)是物流配送中的一种NP困难的组合优化问题,要求满足车辆的载重和电量约束条件,最小化总配送距离。提出一种混合遗传搜索算法来解决CEVRP,将其分解为两个子问题:载重约束的车辆路径问题和固定路径车辆充电问题。设计了双层染色体结构的编码方案,表示两个子问题的决策变量。采用Split操作生成满足载重约束的车辆路径,使用Relocate、2-Opt、2-Opt^(*)、SWAP和SWAP^(*)邻域搜索算子对其进行局部优化;提出一种基于回溯的充电策略,将合适的充电站编号插入车辆路径,以满足电量约束。本文算法与五种方法实验比较的结果表明,本文算法在多数CEVRP测试问题上能找到比其它方法更好的解,尤其适合于求解大规模的CEVRP。
带时间窗的车辆路径问题(Vehicle Routing Problem with Time Windows,VRPTW)是物流配送场景下重要的优化问题,电动车辆因环境友好和能耗成本低而被广泛应用于配送活动中,因此带时间窗的电动车辆路径问题(Electric Vehicle Routing Prob...
详细信息
带时间窗的车辆路径问题(Vehicle Routing Problem with Time Windows,VRPTW)是物流配送场景下重要的优化问题,电动车辆因环境友好和能耗成本低而被广泛应用于配送活动中,因此带时间窗的电动车辆路径问题(Electric Vehicle Routing Problem with Time Windows,EVRPTW)受到了广泛的关注。文献中多采用非线性能耗模型计算车辆能耗后再完成电动车辆路径规划,而能耗受天气状况和驾驶行为的影响是个典型的不确定量,无法直接被计算,影响了电动车辆路径规划方案的有效性。此外,在缺少能耗数据的限制下,无法获得能耗的概率分布。因此,本文分别从模糊优化和鲁棒优化角度针对不确定能耗下的EVRPTW展开研究,主要研究成果如下:考虑到能耗的概率分布难以获取的限制,本文从模糊优化角度对不确定能耗下的EVRPTW建模求解。首先,通过将车辆能耗描述为模糊变量,建立了不确定能耗下的EVRPTW模糊机会约束模型;然后,设计了改进的自适应大规模邻域搜索算法(Improved Adaptive Large Neighborhood Search,IALNS),并借助模糊仿真过程评价模型的解;最后,通过计算实验验证了模型和算法的有效性。考虑到模糊优化的隶属度函数的确定依赖人为经验的限制,本文进而从鲁棒优化角度对不确定能耗下的EVRPTW建模求解。首先,通过对电动车能耗的不确定性分析,建立了基于场景集不确定能耗下的EVRPTW鲁棒优化模型;然后,分别从对等转换和场景集检验的思路提出了模型的求解方法。其中,对等转换只能解小规模案例,而基于场景集检验的自适应存储规划算法(Adaptive Memory Programming,AMP)可解更大规模的案例。最后,从AMP算法验证、模型验证以及模型鲁棒性分析角度设计了计算实验。综上,本文分别从模糊优化和鲁棒优化两个角度对不确定能耗的EVRPTW建模求解,分别验证了模型和算法的有效性,本研究可为电动车辆路径规划问题提供理论支持。
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