在物流配送领域,无人机作为一种新型运输工具,具有成本低廉、飞行不受地面交通拥堵影响等诸多优点,但它在飞行距离和载重容量方面则不及卡车等传统运输工具。为适应各类顾客的配送需求,使用无人机和卡车联合完成物流配送任务的模式越来越受到产业界的青睐,如城市及乡村物流商品配送、应急药品配送等都有该种模式的应用。该种模式通过两种运输工具的任务分配和相互协作,有利于大大降低整体的物流配送成本,但却给物流调度带来了极大的难度。该问题是不同于传统车辆路径问题的一个新问题,传统车辆路径问题仅针对车辆的路径进行规划,而车辆和无人机联合配送问题则是要对车辆和无人机的路径同时进行调度和安排,两种配送交通工具具有各自的优势和劣势,其合理的搭配是提高配送效率和降低配送成本的关键,特别在本文中无人机需要在多个站点起降的现实背景下,其问题复杂性远远高于仅使用车辆配送的传统车辆路径问题。针对这一问题,在对其进行明确定义的基础上,建立了混合整数规划模型,依据问题中车辆与无人机的协作特性以及车辆和无人机与不同顾客点的关系特性设计自适应大规模邻域搜索算法(Adaptive Large Neighborhood Search,ALNS),根据问题特性对算法中相应的初始化、删除和插入算子等进行了改进,对算法关键环节的设计进行了详细的阐述。在实验中,首先将ALNS算法与Gurobi计算的结果进行对比分析。在实验结果分析中,分别对车辆和无人机的配送成本以及服务顾客点数量的结果进行分析,并将车辆和无人机联合配送模式与仅卡车配送模式进行对比,还对无人机飞行最大里程以及无人机与卡车速度的比值进行灵敏度分析,最后基于电子地图展示了某应用实例的解决方案。研究结果表明,ALNS算法得出的结果与Gurobi相同甚至在一定计算时限下更优,比Gurobi在运行时间上有明显优势,体现了 ALNS算法的有效性。车辆和无人机联合配送模式节约了整体的配送成本,这验证了车辆与无人机联合配送模式的有效性。对于企业决策者来说,在交通不发达或有水路山路阻隔的乡村及山区建立无人机站点,实现对其周边顾客的覆盖,可更好地发挥无人机配送的优势并极大地节约整体配送成本。
物流需求的快速增长,给物流行业带来机遇的同时也带来巨大的挑战。高配送成本和对城市环境的负面影响是物流企业亟待解决的问题。电动汽车相较于燃油汽车,更利于降低运输成本与环境污染,同时为了实现碳达峰和碳中和的目标,许多物流配送公司已经将电动汽车整合至物流配送车队。此外,配送资源与服务需求的不匹配也制约着物流行业的发展,尤其是在配送的高峰时期。如何在高峰时期安排有限的运力资源进行物流配送服务,是物流公司需要解决的关键痛点。目前,绝大多数关于电动汽车路径问题的学术研究假设了电动汽车在充电站进行完全充电,或充电量与充电时长线性相关,然而在实际场景中,电动汽车的充电量与充电时长的关系呈非线性,并且电动汽车在充电站不需要完全充电。本文针对配送资源有限和非线性部分充电情况下的电动车配送路径问题进行研究,将非线性充电过程使用分段线性函数拟合,将该问题提炼为考虑分段线性部分充电的电动车团队定向问题(Electric Vehicle Team Orienteering Problem with Piecewise Linear Partial Recharging,EVTOP-PLPR),并构建混合整数规划模型,设计自适应大规模邻域搜索算法(Adaptive Large Neighbourhood Search,ALNS)对大小规模算例进行实验,以期解决在配送资源有限情况下的电动车团队定向问题。本文的具体研究内容如下:(1)针对配送资源有限和非线性部分充电的情况,并基于运筹优化模型和车辆路径问题的相关理论知识,使用分段线性函数模拟非线性充电过程,提出了考虑分段线性部分充电的电动汽车团队定向问题,并构建了混合整数规划模型。在可使用车辆数、客户节点时间窗、总配送时长、汽车电池容量的约束条件下,该问题模型选择客户节点并规划对其进行配送服务的路径,同时决定在访问充电站节点时的充电时长与充电量,以实现通过服务客户获得利润最大化的目标。(2)根据本文提出的研究问题的特征,设计了自适应大规模邻域搜索算法。在该算法中,针对问题特性引入了客户节点选择算子,与客户节点破坏算子、客户节点修复算子和充电站节点调整算子共同作用,从而避免算法过早收敛,提高算法深度探索解空间的能力。此外,利用自适应选择机制对算子进行选择,以提高算法的求解效率。同时,为了避免算法陷入局部最优,将模拟退化算法作为解的接收准则,使较差解有可能被接受,从而跳出局部最优。(3)为了验证自适应大规模邻域搜索算法性能,进行了数值实验。首先通过小规模算例实验,将其结果与Gurobi求解器的结果对比,证明模型和算法的有效性,并探索可使用车辆约束条件对目标函数值变化的影响。其次进行大规模算例求解,以验证设计算法的高效性;通过修改充电过程函数参数,将分段线性充电和两类线性充电进行实验并分析其结果,从而证明了分段线性充电过程的更优性。再通过对客户时间窗、充电速率和电池容量参数的调整,分析其他约束条件对目标函数值的影响。最后基于数值实验的结果,向物流配送企业提出在运力受限时期可以采纳的建议并给出管理启示。
暂无评论