不确定环境下多品类共同配送路径优化

doi:10.3778/j.issn.1002-8331.1801-0297

计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (9): 264-270.DOI: 10.3778/j.issn.1002-8331.1801-0297

• 工程与应用 • 上一篇

不确定环境下多品类共同配送路径优化

葛显龙1，2，薛桂琴1

1.重庆交通大学经济与管理学院，重庆 400074
2.重庆交通大学智能物流网络重点实验室，重庆 400074

出版日期:2019-05-01 发布日期:2019-04-28

Multi-Products Joint Distribution Vehicle Routing Optimization with Uncertain Circumstance

GE Xianlong1，2, XUE Guiqin1

1.School of Economics and Management, Chongqing Jiaotong University, Chongqing 400074, China
2.Key Laboratory of Intelligent Logistics Network, Chongqing Jiaotong University, Chongqing 400074, China

Online:2019-05-01 Published:2019-04-28

摘要/Abstract

摘要： 针对动态事件对配送过程的干扰问题，提出多品类共同配送车辆路径优化问题。基于对不确定环境下动态客户时空特性的分析，提出利用时空泊松分布生成动态客户的方法；并从整体运营成本及车辆固定成本入手，建立不确定环境下多品类共同配送模型；鉴于考虑模型的特殊性，设计遗传-禁忌搜索组合优化算法，结合具体算例对模型和算法性能进行验证。结果表明，提出的多品类共同配送方法优于单品类配送方法，且改进后的遗传-禁忌搜索算法具有更强的寻优能力。

关键词: 物流工程, 共同配送, 遗传禁忌算法, 多品类, 车辆路径问题, 不确定性

Abstract: In view of the interference of dynamic events in distribution process, this paper proposes the multi-products joint distribution vehicle routing problem. Based on the dynamic events in uncertain circumstance, this paper proposes a space-time passion distribution method to generate dynamic customers and buils the multi-products joint distribution vehicle routing problem with uncertain circumstance accordingly for the sake of the minimum the overall operating cost and fixed cost. For the particularity of this issues, a combination of genetic algorithm and Tabu search algorithm is designed and its performance is tested by a set of specific examples. The results show that the multi-products joint distribution method is superior to the single one, and the improved combinational algorithm has a better find-best ability.

Key words: logistics engineering, joint distribution, a combination of genetic algorithm and Tabu search algorithm, multi-products, vehicle routing problem, uncertainty

葛显龙1，2，薛桂琴1. 不确定环境下多品类共同配送路径优化[J]. 计算机工程与应用, 2019, 55(9): 264-270.

GE Xianlong1，2, XUE Guiqin1. Multi-Products Joint Distribution Vehicle Routing Optimization with Uncertain Circumstance[J]. Computer Engineering and Applications, 2019, 55(9): 264-270.

[1]	王运成，周春华，陈楚湘，吴善明，陈冰. 基于二叉知识树推理的可扩展智能排课系统[J]. 计算机工程与应用, 2021, 57(5): 251-257.
[2]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[3]	谢兄，杨金鹏. YOLO-wLU：考虑定位不确定性的目标检测算法[J]. 计算机工程与应用, 2021, 57(22): 223-231.
[4]	马艳芳，李保玉，杨屹夫，冯翠英. 客户分类下生鲜配送两级路径问题与算法研究[J]. 计算机工程与应用, 2021, 57(20): 287-298.
[5]	付朝晖，刘长石. 多物流中心共同配送的车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(16): 291-298.
[6]	张凯，靳鹏，崔勇. 带时间窗的多车型需求可拆分揽收配送问题[J]. 计算机工程与应用, 2021, 57(14): 281-288.
[7]	付朝晖，刘长石. 生鲜电商配送的开放式时变车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(1): 271-278.
[8]	孙金岭，袁朋朋，孔盼盼. 考虑处理基金和回收品质量的闭环供应链决策[J]. 计算机工程与应用, 2020, 56(15): 259-267.
[9]	张明伟，李波，屈晓龙，郭盈. 基于混合蚁群算法的异质车队低碳VRP研究[J]. 计算机工程与应用, 2020, 56(14): 240-249.
[10]	刘喜梅，潘立军. 求解公共自行车再平衡问题的克隆选择算法[J]. 计算机工程与应用, 2020, 56(11): 252-258.
[11]	蔡延光，陈厚仁，戚远航. 变邻域量子烟花算法求解CVRP[J]. 计算机工程与应用, 2019, 55(9): 230-236.
[12]	谢九勇，符卓，邱萌，夏扬坤. 带多软时间窗VRP及其禁忌搜索算法[J]. 计算机工程与应用, 2019, 55(6): 252-256.
[13]	蔡延光1，戚远航1，蔡颢1，2，陈厚仁1，OLE Hejlesen2. 物流运输调度问题的混沌烟花算法——基于多车型供应链[J]. 计算机工程与应用, 2019, 55(3): 238-244.
[14]	康凯，韩杰，普玮，马艳芳. 生鲜农产品冷链物流低碳配送路径优化研究[J]. 计算机工程与应用, 2019, 55(2): 259-265.
[15]	钟毓灵，王习特，白梅，朱斌，李冠宇. FODU：不确定数据集中快速离群点检测方法[J]. 计算机工程与应用, 2019, 55(19): 105-114.

不确定环境下多品类共同配送路径优化

Multi-Products Joint Distribution Vehicle Routing Optimization with Uncertain Circumstance

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics