基于混合蚁群算法的异质车队低碳VRP研究

doi:10.3778/j.issn.1002-8331.1904-0416

计算机工程与应用 ›› 2020, Vol. 56 ›› Issue (14): 240-249.DOI: 10.3778/j.issn.1002-8331.1904-0416

基于混合蚁群算法的异质车队低碳VRP研究

张明伟，李波，屈晓龙，郭盈

1.天津大学仁爱学院管理系，天津 301636
2.天津大学管理与经济学部，天津 300072

出版日期:2020-07-15 发布日期:2020-07-14

Research on Low Carbon VRP of Heterogeneous Fleet Based on Hybrid Ant Colony Algorithm

ZHANG Mingwei, LI Bo, QU Xiaolong, GUO Ying

1.Department of Management, Renai College of Tianjin University, Tianjin 301636, China
2.School of Management & Economics, Tianjin University, Tianjin 300072, China

Online:2020-07-15 Published:2020-07-14

摘要/Abstract

摘要：

针对货运车辆在配送调度过程中产生大量碳排放的问题，建立模型将多种影响碳排放量的因素协同优化。模型中考虑了不同载重量的异质车队，两个节点之间有多条道路的柔性路径，以及车辆重量随卸货而减少的动态负载等因素，以碳排放量、行驶时间和行驶路程为优化目标，并加入了节点需求时间窗、根据速度变化划分路段、交接和卸货时间的约束。提出了一种混合蚁群算法，利用蚁群算法信息素强度更新方式保持群体记忆性，利用粒子群算法的快速收敛特性增加计算效率。通过随机数值算例的仿真优化与对比分析，验证了算法和模型的有效性。

关键词: 车辆路径问题, 低碳, 异质车队, 柔性路径, 混合蚁群算法

Abstract:

In order to solve the problem of large amount of carbon emissions produced by freight vehicles in the process of distribution scheduling, a model is established to optimize the factors affecting carbon emissions synergistically. In the model, heterogeneous fleets of different rated loads, flexible path with multiple roads between two nodes, and dynamic loads that the vehicle weight decreases with unloading etc. are taken into consideration. Carbon emissions, travel time and travel distance are taken as optimization objectives, and the constraints of node demand time window, division of sections according to speed change, delivery and unloading time are added. A hybrid ant colony algorithm is proposed, which keeps the group memory by updating the pheromone intensity of ant colony algorithm, and improves the computational efficiency by using the fast convergence property of particle swarm algorithm. The validity of the algorithm and the model is verified by the simulation optimization and comparative analysis by random numerical examples.

Key words: vehicle routing problem, low-carbon, heterogeneous fleet, flexible path, hybrid ant colony algorithm

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.

ZHANG Mingwei, LI Bo, QU Xiaolong, GUO Ying. Research on Low Carbon VRP of Heterogeneous Fleet Based on Hybrid Ant Colony Algorithm[J]. Computer Engineering and Applications, 2020, 56(14): 240-249.

[1]	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.
[2]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	杨华龙，陆婷，辛禹辰. 基于改进粒子群算法的异质车队二级IRP优化[J]. 计算机工程与应用, 2020, 56(22): 272-278.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	尚猛，李辉，康建英. 考虑低碳推广的供应链合作决策与协调[J]. 计算机工程与应用, 2019, 55(23): 235-240.
[13]	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.
[14]	葛显龙，薛桂琴. 前摄性车辆路径问题及其遗传算法求解[J]. 计算机工程与应用, 2019, 55(12): 237-244.
[15]	葛显龙1，2，邹登波1. 供应链环境下带越库配送的车辆路径问题[J]. 计算机工程与应用, 2018, 54(24): 252-259.

基于混合蚁群算法的异质车队低碳VRP研究

Research on Low Carbon VRP of Heterogeneous Fleet Based on Hybrid Ant Colony Algorithm

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