車輛優(yōu)化調(diào)度問題的研究.pdf

1、隨著市場競爭的日益加劇，世界經(jīng)濟(jì)一體化進(jìn)程的加快和科學(xué)技術(shù)的飛速發(fā)展，許多企業(yè)已經(jīng)把物流作為提高市場競爭能力和提升核心競爭力的重要手段，并且將先進(jìn)的物流理論和物流技術(shù)引入企業(yè)生產(chǎn)和經(jīng)營管理中。作為實(shí)現(xiàn)物流合理化的重要內(nèi)容和手段，對車輛調(diào)度進(jìn)行合理優(yōu)化有助于企業(yè)降低物流成本，提高運(yùn)作效率，全面提高顧客滿意度。車輛調(diào)度問題將運(yùn)籌學(xué)理論與生產(chǎn)實(shí)踐緊密地結(jié)合在一起，對該問題的研究具有很強(qiáng)的理論意義和實(shí)際應(yīng)用價(jià)值。 論文首先總結(jié)回顧了車輛

2、調(diào)度問題已有的研究成果，繼而圍繞時變網(wǎng)絡(luò)中和動態(tài)信息下車輛調(diào)度中的四個熱點(diǎn)問題進(jìn)行了深入研究。 1時變網(wǎng)絡(luò)下的車輛調(diào)度 對時變網(wǎng)絡(luò)中帶時間窗約束的多車調(diào)度問題，構(gòu)造了適合問題的并行遺傳算法。就參數(shù)對算法的影響進(jìn)行了實(shí)驗(yàn)分析。將并行遺傳算法與BC-saving啟發(fā)式算法相比較，表明了并行算法優(yōu)于BC-saving啟發(fā)式算法。 2不完全信息下的車輛派遣 對動態(tài)多車集貨送貨一體化問題，分別推導(dǎo)出多車單容量和多車

3、多容量時，在客戶稀疏和客戶密集兩種情況下，客戶的期望逗留時間下界。針對具體策略進(jìn)行了分析，推導(dǎo)出各種策略在不同情況下的客戶期望逗留時間。 3基于ITS和GPS系統(tǒng)的車輛調(diào)度 該問題的特點(diǎn)是：道路交通狀況可以實(shí)時監(jiān)控；車輛位置得以實(shí)時掌握。通過分析該問題的性質(zhì)，以車輛通過動態(tài)路網(wǎng)的期望行駛時間最短為目標(biāo)函數(shù)，建立了該問題的馬爾可夫決策模型。針對車輛出發(fā)前和車輛行進(jìn)過程中如何降低觀測弧的數(shù)量進(jìn)行了討論，提出了車輛出發(fā)前和行進(jìn)

4、過程中觀測弧數(shù)量降低的算法，并且針對具體實(shí)例進(jìn)行了實(shí)驗(yàn)分析。 4非確定性鄰近點(diǎn)查詢問題 在車輛調(diào)度中，指揮調(diào)度中心經(jīng)常需要查找距離某客戶點(diǎn)最近的車輛，以便為客戶提供快捷的服務(wù)。由于裝載有GPS定位設(shè)備的車輛在非采樣時刻的位置確定中存在有非確定性，查詢距離某點(diǎn)最近的車輛也不能給出一個確定性的答案。針對該問題，提出了鄰近點(diǎn)查詢非確定性算法。通過該算法的計(jì)算，返回每個被查詢點(diǎn)成為查詢點(diǎn)鄰近點(diǎn)的概率大小。針對該算法，在二維無約束