考虑能耗优化及带有时间调整的车辆路径规划研究
时间：2020-11-05 10:11:46 来源：达达文档网 本文已影响 人 
孔泽云
摘要：考虑到实际装载量对物流配送过程中燃料消耗量的影响，将燃料消耗量的优化引入到配送路线规划设计中，同时本文在模型的约束条件加入调整时间这一因素更加贴合实际运作情况。最终本文建立了基于J公司实际运作情况目标函数的ECO-VRPTW模型。并使用MATLAB求解，结果表明根据J公司实际配送数据求解方案得出的平均装载率与原先对比有明显的提高，说明本文建立的模型可以有效解决其现在面临的问题，实现配送成本最低的目标。其次J公司所出现的问题也是大多数物流企业面临的问题，因此，本文的研究对其他物流公司在车辆路径配送安排上具有一定的借鉴意义。
Abstract：
Considering the effect of actual loading on fuel consumption in logistics distribution process， the optimization of fuel consumption is introduced into the distribution route planning and design. At the same time， the factor of adjustment time added to the constraints of the model is more suitable for actual operation. Finally， this paper establishes an ECO-VRPTW model based on the objective function of J company"s actual operation and uses MATLAB to solve. The results show that the average loading rate obtained from the J company"s actual distribution data solution is significantly improved compared with the original comparison， indicating that the model established in this article can effectively solve the problems it is facing and achieve the goal of the lowest distribution cost. Secondly， the problems of company J are also the problems faced by most logistics companies. Therefore， the research in this paper has certain reference significance for other logistics companies in the arrangement of vehicle route distribution.
关键词：能耗优化;时间调整;车辆路径
0 引言
车辆路径规划问题（Vehicle Routing Problem，VRP）是物流配送中的核心问题之一，最早由Dantzig[1]于1959年提出，目前已有部分学者针对低碳VRP开展了相应的研究，如Bektas等[2]实证研究了碳排放的影响因素，权衡了行驶距离、司机工资和燃料消耗量的关系。Zhu等[3]提出碳排放量与车辆的行驶里程具有显著的正相关关系。Demir等[4]提出车辆装载量、发动机类型和尺寸、道路坡度等因素与配送车辆的燃料消耗有一定的关系，并进一部影响碳排放量。在带有时间窗的问题上，罗耀波等[5]结合实际预约情况决定客户的被服务时间，并考虑仓库的容量限制建立了有容量限制的模糊时间窗车辆路径优化模型。同样的闫芳等[6]也是依据客户提供的时间建立了多模糊时间窗模型。楼振凯等[7]创造性地引用客户不满意度的模糊隶属度函数标量化函数，为多目标函数求解提供一种可行解。
通过梳理分析研究国内外相关文献，发现对于带时间窗车辆路径问题的研究很少注意到配送过程中发生的调整时间，即配送完成后需要对车辆进行保养检修（清洁、润滑、调整等）、补充燃油及工作人员修整等因素导致配送时间发生变化需要对时间进行调整，本文在考虑能耗优化的基础上加入配送过程中存在的调整时间这一因素更加贴合实际运作情况。最终本文建立考虑能耗优化及带有时间调整的车辆路径规划模型（Research on Vehicle Routing Problem with Energy Consumption Optimization and Time Adjustment，ECO-VRPTW）以期解决J公司存在的问题。
1 问题描述和模型构建
1.1 问题描述
J公司陆运部城配组数据进行模型的求解分析。其公司配送信息资料如下：J公司城配组需要为36个供应商进行配送服务，配送车辆车型一致，车辆最大行驶距离为800km，车容量2000kg，車辆的平均行驶速度为60km/h，每辆配送车的固定成本为300元/辆，单位行驶里程的变动成本为5元/km;燃料费用为6元/L，单位调整时间为0.5。每个配送车辆早上七点从仓库统一出发进行配送服务，按照供应商要求的时间窗内进行配送服务，全部完成配送任务后返回仓库。要求满足降低物流总配送成本设计合理的调度和物流配送路线。
每个供应商服务时间服从[5，20]的均匀分布。根据百度拾取坐标系统得到供应商经纬度位置、供应商需求量信息、具体配送时间窗口要求、服务时间如表1。
1.1.1 约束条件
约束条件如下：①完成客户服务工作后对车辆进行保养检修工作，导致调整时间的产生。②每辆车各自从配送中心出发，沿着一条配送路线将装载的货物送达指定客户，并出发点;③一辆配送车可以服务多个客户，但每个客户仅被一辆车服务一次。④车辆在配送过程中匀速行驶。
1.1.2 模型参数设置
①问题集合。
②问题参数。
qi：i的需求量（0< ③决策变量。 1.2 基本模型建立 设配送车辆k在配送时，依次经过客户i和客户j，在配送完客户i后驶向客户j的路径为（i，j），车辆的载重量为Q，ρ（Q）为车辆行驶在该段路径上单位行驶里程的燃料消耗量。该配送车辆在满载和空载时的单位行驶里程的燃料消耗量分别为ρ*和ρ0，根据参考相关燃料消耗文献给出ρ*=1，ρ0=2。可得到车辆行驶在路径（i，j）上的燃料消耗量Fij。如下为：物流配送过程中的燃料消耗率模型和燃料消耗量模型。 目标函数： ①配送成本（车辆的固定成本和变动成本）最小化 ②燃油消耗成本最小化 ③总目标函数 约束条件： 以上模型简要说明如下： 目标函数（5）表示配送总成本最小; 约束（6）表示每个客户仅被一辆车服务一次; 约束（7）保证车辆行驶路径的连续性; 约束（8）和式（9）分别表示车辆的容量约束和行驶距离约束; 约束（10）表示车辆k到达客户点i与上一调整点的距离; 约束（11）表示车辆调整时间后行驶距离约束; 约束（12）表示车辆k完成客户i的服务后的调整时间; 约束（13）表示车辆开始服务客户i的时间、客户i被服务时间、车辆k完成客户i的服务后的调整时间、车辆从客户i行驶到客户j的时间四者之和要小于或等于客户j开始服务时间; 约束（14）表示车辆k要在客户i的时间窗内进行服务工作。 2 算例求解分析 本文构建的ECO-VRPTW是NP-hard问题，需要启发式算法进行求解，GA在求解VRPTW问题时具有快速收敛，鲁棒性好，并进行全局搜索解法能力，已成为复杂VRP问题重要求解方法之一，本文选用遗传算法作为本文的求解算法，并借助MATLAB工具进行求解。 参数设置：GA的种群数目设置为80，每个种群均有10个个体，GA的交叉率和变异率分别设置为0.9和0.1，最大遗传迭代次数为500次，且算法独立运行30次，取最优计算结果如图1所示。 根据求解方案得出的平均装载率与J公司原先的车辆装载率对比有明显的提高，说明本文建立的模型可以有效解决其现在面临的问题，实现配送成本最低的目标。 本文在模型的约束条件加入调整时间这一因素更加贴合实际运作情况。最终本文建立了基于J公司实际运作情况目标函数为车辆配送成本与燃油消耗成本最小化的考虑能耗优化及带有时间调整的车辆路径规划模型。结果表明求解方案可以有效提高车辆的装载率。其次本文针对J物流公司进行建模并求解得到满意方案，J公司所出现的问题也是大多数物流企业面临的问题，因此，本文的研究对其他物流公司在车辆路径配送安排上具有一定的借鉴意义。 3 结束语 “低能耗、低污染、低排放”的低碳概念深入人心，绿色物流、低碳物流已成为各物流企业追逐的目标，也是各企业长远发展的根本所在。本文将燃料消耗量的优化引入到配送路线规划设计中，同时本文在模型的约束条件加入调整时间这一因素更加贴合实际运作情况。最终本文建立了基于J公司实际运作情况目标函数的ECO-VRPTW模型，为求解低能耗的VRPTW研究提供了求解途径。 但同时在实际生活中对车辆配送路线的制定受到很多因素的影响，车流量的影响、天气状态以及客户需求量的变化等，如何将实际生活中多种影响因素进行量化，并引入到模型中，使得模型更加符合实际情况是未来的研究方向。 参考文献： [1]Dantzig G B ， Ramser J H . The Truck Dispatching Problem[J]. Management Science， 1959， 6（1）：80-91. [2]T， Laporte G. The pollution-routing problem[J]. Transportation Research Part B， 2011， 45（8）：1232-1250. [3]Zhu X， Garcia-Diaz A， Jin M， et al. Vehicle fuel consumption minimization in routing over-dimensioned and overweight trucks in capacitated transportation networks[J]. Journal of Cleaner Production， 2014， 85：331-336. [4]Demir E， Bekta T ， Laporte G . A comparative analysis of several vehicle emission models for road freight transportation[J]. Transportation Research Part D： [5]羅耀波，孙延明.基于模糊时间窗的带容积约束选址路径问题[J].系统工程，2014，32（01）：19-25. [6]闫芳，王媛媛.多模糊时间窗车辆路径问题的建模及求解[J].交通运输系统工程与信息，2016，16（06）：182-188. [7]楼振凯.带模糊时间窗的配送问题多目标优化研究[J].模糊系统与数学，2017，31（03）：183-190.
Transport and Environment， 2011， 16（5）：347-357.
