车辆路径问题及遗传算法

车辆路径问题优化算法

美国物流管理学会(Council of Logistics Management，CLM)对物流所作的定义为：“为符合顾客的需要，对原料、制造过程中的存货与制成品以及相关信息，从其起运点至最终消费点之间，做出的追求效率与成本效果的计划、执行与控制过程。”

而有关资料显示，物流配送过程(包含仓储、分拣、运输等)的成本构成中，运输成本占到52%之多。因此，如何在满足客户适当满意度的前提下，将配送的运输成本合理地降低，成为一个紧迫而重要的研究课题，车辆路径问题正是基于这一需求而产生的。

2.1车辆路径问题的定义

车辆路径问题可以描述为：给定一组有容量限制的车辆的集合、一个物流中心（或供货地）、若干有供货需求的客户，组织适当的行车路线，使车辆有序地通过所有的客户，在满足一定的约束条件（如需求量、服务时间限制、车辆容量限制、行驶里程限制等）下，达到一定的目标（如路程最短、费用极小、时间尽量少、使用车辆数尽量少等）。[4]

因此研究车辆的路径问题，就是要研究如何安排运输车辆的行驶路线，使运输车辆依照最短的行驶路径或最短的时间费用，依次服务于每个客户后返回起点，总的运输成本实现最小。车辆路径问题已被证明是NP-Hard问题，因此求解比较困难。然而，由于其在现实生活中应用非常广泛，使得它无论在理论上还是在实践上都有极大的研究价值。

Penousal Machado等人[5]指出车辆路径问题(vehicle routing problem，简称VRP)是一个复杂的组合优化问题，是古老的旅行商问题和背包问题的综合。实际上，车辆路径问题通常可被分解或转化成一个或几个已经研究过的基本问题，再采用相应比较成熟的基本理论和方法，以得到最优解或满意解。

这些与车辆路径问题相关的常用基本问题有；旅行商问题、运输问题、背包问题、最短路问题、最小费用最大流问题、中国邮路问题、指派问题等。

旅行商问题可被描述为：一个推销员欲到n个城市推销商品，每2个城市之间的距离是已知的。如何选择一条路径使推销员依次又不重复地走遍每个城市后，回到起点且所走的路径最短。

运输问题关心的是（确实的或是比喻的）以最低的总配送成本把供应中心（称为出发地，sources）的任何产品运送到每一个接受中心（称为目的地，destinations）。运输问题需要的数据仅仅是供应量、需求量和单位成本。

背包问题是指有一只固定容量的背包和若干体积、重量不等的物品，背包的容量不允许装下这所有的物品，那么如何选择适当的物品装入背包，使得背包的装载量（所装物品的重量之和）最大。

最短路径问题解决的是在一个网络中，如何寻找两点之间的最短路径。这两点之间通常没有直接的通路可达，但可经由若干中间结点相通。

最小费用流问题主要解决如何以最小成本在一个配送网络中运输货物。最小费用流问题又称为网络配送问题。

最大流问题和最小费用流问题一样，也与网络中的流有关。但是它们的目标不同，最大流问题不是使得流的成本最小化，而是寻找一个流的方案，使得通过网络的流量最大。

中国邮路问题是由我国管梅谷同志在1962年首先提出的，它可描述为：一个邮递员负责某一个地区的信件投递。每天要从邮局出发，走遍该地区所有的街道再返回邮局，问应该怎样安排送信路线可以使所走的路程最短。

指派问题解决将n件工作安排给m个人完成的问题。已知不同人完成不同工作的效率（或成本）不同，指派问题要求以最高的效率（或最小的人工成本）完成工作的安排。

2.2车辆路径问题的分类

车辆路径问题当不考虑时间要求，仅根据空间位置安排路线时称为车辆路线安排问题(Vehicle Routing Problem简记VRP)；当考虑时间要求安排路线时称为车辆调度问题(Vehicle Scheduling Problem简记VSP)；当同时考虑空间位置和时间要求时称为路线和调度混合问题[6]。

车辆调度问题即有时间要求的车辆路径问题（VSP）又被称为带时间窗的车辆路径问题（Vehicle Routing Problem with Time Windows，简记为VRPTW)。VRPTW是在VRP的基础上增加了客户要求访问的时间窗口，是一般车辆路径问题的扩展。其简单的描述如下：用于服务的若干车辆从站点出发，为处在不同地理位置、具有不同货物需求和不同服务时间窗要求的所有顾客提供服务，然后返回站点，其中为每个顾客仅提供一次服务。其目标是在时间窗内为顾客提供服务时，使车辆的行驶时间和等待时间之和最短。

根据时间约束的严格与否，带时间窗的车辆路径问题被分为两类：软时间窗车辆路径问题和硬时间窗车辆路径问题。软时间窗车辆路径问题要求配送车辆尽可能在时间窗内到达访问，否则将给予一定的惩罚。该惩罚包括两部分：(1)车辆在要求的最早到达时间之前到达，必须在任务点处等待而损失的成本；(2)车辆在要求的最迟到达时间之后到达，必须付给客户预先约定的罚金。而硬时间窗车辆路径问题则要求必须在时间窗内到达访问，否则服务被拒绝。

Koskosidis等人（1992）[7]指出，软时间窗模式比硬时间窗更具优势是因为：第一、软时窗模式较传统硬时窗模式更为一般化，且软时窗的求解演算法较具弹性（因限制式较少）。而且若要提高准点服务频率，只需适当的提高惩罚成本即可；第二、在现实世界中，时窗限制大多属于软时窗限制。配送服务商没有在约定的时间内送达顾客端，并非一定不可服务，而是可以服务但必须付出双方约定的惩罚成本。有较高准点送达要求的顾客的惩罚成本大，不准时但是在可以忍受的时间内送达的顾客的惩罚成本相对小些；第三、软时窗模式可以有效的反应配送商在车队营运成本、规模和服务水准两者之间的关系；第四、软时窗模式可以发现硬时窗模式无法找到的可行解。特别是在小规模车队服务多数顾客以及严苛的时间限制条件状况下。在上述的情形得到软时窗限制下的可行解后，可再调整时间窗让违反时间窗的情况得到改善。

车辆路径问题还有确定性(Deterministic)模式和随机性(Stochastic)模式之分[8]。确定性模式假设：其一、客户的数目在配送开始前是已知且固定的；其二、客户的需求量在配送开始前是已知且固定的；其三、两点之间的旅行时间仅取决于这两点之间的距离。而随机性模式不要求以上一个或多个假设。随机性模式又称为随机需求车辆路径问题。

如果考虑装卸工人的调配问题，则车辆路径问题就称为带装卸工调配的车辆路径问题。带装卸工调配的车辆路径问题描述如下[9]：设配送中心有n辆货车都要向b个客户装卸货物。配送中心可以安排位装卸工跟着车辆，也可以安排位装卸工固定在客户处。已知在客户处需要的装卸工人数是，配送中心应该考虑如何调配装卸工，使总的装卸工人数最少。

除了以上分类，车辆路径问题还可以按任务特征分为装货问题、卸货问题及装卸混合问题；按任务性质分为对弧服务问题（如中国邮递员问题）和对点服务问题（如旅行商问题）以及混合服务问题（如校车路线安排问题）；按车辆载货状况分为满载问题和非满载问题；按车场数目分为单车场问题和多车场问题；按车辆类型数分为单车型问题和多车型问题；按车辆对车场的所属关系分为车辆开放问题（车辆可不返回车场）和车辆封闭问题（车辆必须返回车场）；按优化目标可分为单目标问题和多目标问题，等等。

针对上述不同的分类方法，车辆路径问题的模型构造及求解算法有很大差别。

2.3车辆路径问题的构成要素

物流配送车辆路径问题的构成因素主要包括货物、车辆、配送中心、客户、运输网络、约束条件和目标函数等要素[10]。