物流路径优化.docx

物流路径优化.docx

《物流路径优化.docx》由会员分享，可在线阅读，更多相关《物流路径优化.docx（33页珍藏版）》请在冰豆网上搜索。

物流路径优化

物流路径优化

分类号：

密级：

论文编号：

学号：

52141210103

重庆理工大学硕士学位论文

LS物流公司都市社区

超市配送路径优化研究

研究生:

孙会龙

指导教师：

何开伦教授

学位类型：

学术学位

学科专业：

治理科学与工程

研究方向：

现代供应链与物流工程

培养单位：

治理学院

论文完成时刻：

2021年11月25日

论文答辩日期：

201X年X月X日

CategoryNumber：

LevelofSecrecy：

SerialNumber：

StudentNumber：

51312100103

Master'sDissertationofChongqingUniversityofTechnology

StudyontheRecyclingNetworkSystemofWasteElectricalandElectronicEquipmentinChongqing

Postgraduate:

ChengChuangye

Supervisor:

ProfessorHeKailun

DegreeCategory：

AcademicDegree

Specialty:

ManagementScienceandEngineering

ResearchDirection:

ModernSupplyChainandLogisticsEngineering

TrainingUnit:

InstituteofManagement

ThesisDeadline:

March25,2021

OralDefenseDate:

Mayxx,201x

学位论文原创性声明及使用授权声明

重庆理工大学

学位论文原创性声明

本人郑重声明：

所呈交的学位论文是本人在导师的指导下，独立进行研究所取得的成果。

除文中专门加以标注引用的内容外，本论文不包含任何其他个人或集体差不多发表或撰写的成果、作品。

对本文的研究做出重要奉献的集体和个人，均已在文中以明确方式标明。

本人承担本声明的法律后果。

作者签名：

日期：

年月

学位论文使用授权声明

本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，承诺论文被查阅和借阅。

本人授权重庆理工大学能够将本学位论文的全部或部分内容编入有关数据库进行检索，能够采纳影印、缩印或扫描等复制手段储存和汇编本学位论文。

本学位论文属于〔请在以下相应方框内打〞√〞〕：

1.保密□，在年解密后适用本授权书。

2.不保密□。

作者签名：

日期：

年月日

导师签名：

日期：

年月日

摘要

关键词：

电子废弃物；回收网络；逆向物流；层次分析法；神经网络

Abstract

Themainconclusionsofthispaperinclude:

Chongqingelectricalandelectronicwastegrowthwithanaverageannualgrowthrateof17.31percentinthenextdecade.ItproposedfournetworkmodesforelectricalandelectronicwasterecyclingnetworksysteminChongqingThatis,establishingarecyclingpointforeachtownship;settingupastoragestationforeachcounty;andbuildingaprocessingcenterinJiulongpo,Bishan,Fuling,WanzhouofChongqing;andestablishingadisposalsiteinBishan,WanzhouofChongqing.

Keywords：

ElectronicWaste;RecyclingNetwork;ReverseLogistics;AnalyticHierarchyProcess;NeuralNetwork

名目

1绪论

1.1研究背景及意义

随着我国经济的快速进展，物流进展迅速，物流企业之间的竞争日益猛烈，合理地操纵物流成本差不多成为物流企业生存的全然。

而运输成本占物流企业的成本为40%左右，如何优化配送路径进而减少运输成本对提高企业的竞争力专门重要。

LS物流公司的配送对象为重庆100多家社区超市，消费品一样是指购买频率较高、使用期限较短、消费规模较大的日用产品。

社会消费品零售总额的快速上涨催生了对消费品物流的广泛需求。

由于消费品自身的特点，其物流配送也出现出与其他行业物流差异化的特点：

小批量、多品种、高频率，季节波动频繁，对质量和速度的要求高，物流的配送环节多且复杂性高。

然而，也正因其服务于人民生活的刚性需求，消费品物流始终是社会的基础性物流和长盛不衰的进展热点。

车辆路径问题〔VRP〕涉及到专门多学科，如运筹学、运算机领域、交通运输、物流治理等，具有专门强的应用前景，在对社区超市配送过程中，选择合适的路线，是配送企业首要的任务。

VRP又称车辆调度问题，通常能够描述为关于不同的服务客户，组织合适的配送路线，在物资需求量、服务时刻、车辆容量的前提下，达到优化的目标〔如路程最短、使用车辆少、时刻少等〕。

一样认为不涉及时刻的配送是路径问题，涉及时刻的是调度问题。

目前，都市社区超市配送路径存在诸多问题，第一，一家都市社区超市配送公司如LS物流公司配送的中心是固定的，同时配送车辆差不多固定，而社区超市对配送的需要量是动态的，有时多有时少，这就加大了配送的费用和难度。

其次，个别社区超市不是24小时营业，运输的的商品〔如牛奶、速食品〕有一些时刻限制，而每一辆配送车有一定的载重量限制和最大路程限制，在满足客户需求的同时又必须返回动身的配送中心。

这就加大了配送路径选择的难度。

都市社区超市配送路径问题突出，一个合理的配送路径是配送企业保证服务质量和增加利润的全然。

本文通过优化配送路径，进而利用数学模型建模，遗传算法在MATLAB上编程，设计路径优化的线路，进而为企业配送问题提供相关的配送路线，减少配送企业的运输费用和提高物流企业的服务质量。

1.2国内外研究现状及述评

1.2.1都市社区超市配送路径优化车辆路径问题现状

车辆路径问题一直是研究领域的热点问题。

车辆路径问题由Dantzig和Ramser〔1959〕第一提出来，在近50多年，各个研究领域都对它专门重视，如物流治理、运筹学、运算机应用等，这些领域的专家学者对车辆路径问题进行深入研究并取得了专门多研究成果，对不同的车辆路径问题建立相对的数学模型，同时提出了精确算法和启发式算法等，专门是现代启发式算法，对车辆路径问题的解决有着重要作用。

LenstraJ.K和RinooyK（1981）的论文证明车辆路径问题属于NP问题。

Thangiah（1995）运用启发式算法的遗传算法来得到带时刻窗的车辆路径问题的次优解，进一步地优化路径，取得了比较理想的实验结果。

Alvarenga和Mateus〔2004〕运用两时期遗传算解决带时刻窗的路径优化问题，得出比较好的优化路线。

Homber和Gehring〔2005〕运用混合两时期优化算法，得出次优的优化路径。

Pisinger和Ropke〔2007〕针对大规模车辆路径问题，把大数据转化为一般的送货问题，实验结果证明了该放方法能够有效地解决大规模车辆路径问题。

卫田运用NSGA方法对多目标车辆路径问题进行求解，通过实例证明了算法的有效性。

唐建通过遗传算法解决动态车辆路径问题，通过与其他算法作对比，证明了遗传算法的高效性。

李兵针对动态路径问题提出虚拟路径来规划和优化车辆路径。

赵建有利用节约法对。

杨进通过蜂窝算法对带时刻窗车辆路径问题进行求解，通过实验验证了算法有效性。

胡明伟利用v++编写遗传算法程序对配送系统路径优化进行设计，通过算例验证了遗传算法在大规模路径问题的有效性。

王海宾用过遗传算法解决多车场多目标开放式物流路径问题，通过实例验证了遗传算法的有效性。

张建强利用禁忌搜索对遗传算法进行改进，增加了遗传算法的收敛性，幸免了早熟显现。

李峰利用遗传算法对物资配送时变问题进行研究，通过二次规划配送路径，有效地解决了实际问题。

陆琳对随机客车车辆路径问题进行求解，结果说明蚁群算法在解决此类问题的有效性。

魏明利用离散粒子群算法求解车辆路径问题。

张景玲通过预优化和实时优化对多车型动态需求车辆路径进行优化。

吴洁明用蚁群算车辆路径优化。

王征采纳聚类方法第一完成客户分配，让后利用改进型邻域搜索算法对多车辆带时刻窗车辆路径问题进行求解。

范静利用邻近法以及最廉价插入法对客户中意度同时收发车辆路径问题进行求解，并通过实例对不同参数的情形进行比较。

李琳通过蚁群算法求解带时刻窗的车辆路径问题。

王君利用禁忌搜索算法求解模糊预约时刻的车辆路径问题。

凃伟利用Voronoi关于大规模物流车辆路径进行优化，结果显示能够快速解出初始解。

毛敏采纳启发式算法对连锁超市车辆配送路径进行优化。

石兆，符卓通过禁忌搜索法对连锁门店配送路径进行优化。

。

陈迎欣利用遗传算法，并用MAT软件求解，对车辆路径进行优化，进行仿真，验证了改进蚁群法的有效性和可行性。

赵燕伟利用两时期法求解多目标随机车辆路径问题，第一时期利用量子进化算法，第二时期通过粒子算法进行求解。

韩雪梅利用改进节约法对连锁性商业企业的配送库存进行优化。

张迅利用集束算法对带有世家你床的快递进行路径优化。

熊浩采纳旅行商策略，对配送顾客进行分批处理，优先安排不能延迟的顾客，实例验证了方法的有效性。

王君采纳多目标基因算法求解车辆路径问题，实验说明了该方法的有效性。

凃伟利用Voronoi和模拟退火机制对武汉大规模车辆路径进行求解，结果显示减少了运输时刻，提高了物流效率。

谷炜针对零售业配送采纳先分组后排程两时期启发式算法求解，在GIS上设计开发系统对商品零售业配送路径进行优化，验证了混合智能优化算法的有效性和优越性。

李远远利用扫描改进节约法对配送路径进行优化并提出相关建议。

吴丽英，胡祥培以燃料消耗率优化目标，通过降低燃料消耗来优化路径。

吴天羿，许继恒设计了改进遗传法对军事物流进行路径优化，通过实验仿真，证明了有效性。

侯玉梅采纳自适遗传算法，通过MATLAB进行编程，生成优化方案求解车辆路径问题，并与扫描法对比，张明了遗传算法具有一定的优势。

陈玉光对优化车辆路径降低油耗进行研究并用实例证明了方法的有效性。

徐云口利用贪心，环。

。

刘云利用单亲遗传法与差不多蚁群算法结合，完成总路径最小和车辆数最少的目标。

杨翔对模糊时刻窗车辆路径问题进行求解。

叶勇利用狼群算法对。

。

。

1.2.2电子电器废弃物回收网络体系研究

从以上学者的研究中能够看出，由于电子电器废弃物处理工作的社会效益显著，单纯考虑成本收益的定量方法不能完全适用回收网络模型的构建，因此将定性分析和定量分析结合是目前研究电子电器废弃物回收网络的要紧方法，比如将定性分析转化为定量分析的模糊综合评判方法以及基于总成本角度考量的数学模型等。

而这些模型又因不同的学者考虑的阻碍因素和成本项目不同，导致模型运算得出的回收网络结论具有较大的差异。

1.2.3电子电器废弃物回收处理运营模式与政策建议研究

上述学者对电子电器废弃物的回收模式进行了详细的探讨，诸如生产商回收模式、专业第三方企业回收模式、联合回收模式等各种模式下的优缺点，并通过模型或对比分析得出最优模式的结论，然而各位学者研究的结论因其关注的角度不同而截然相反。

另外从政策建议上，不同学者也有不同的建议，比如从政策法律角度、从市场监管角度、从回收处理技术角度、从政府补贴角度等等，这些研究为本文研究重庆市进展电子电器废弃物回收网络体系提供了较大的参考价值。

另外，从以上的文献综述中能够看出，各学者的研究要紧针对上海市、北京市、天津市、深圳市以及全国范畴内的电子电器废弃物进行产生量推测和回收网络体系的构建，但关于重庆市电子电器废弃物的回收处理和网络构建的相关研究几乎属于空白，而重庆市作为中国直辖市之一，经济进展迅速，电子电器废弃物的产生量呈快速增长趋势，因此关于重庆市电子电器废弃物回收网络体系的研究填补了各位学者区域研究的空白。

1.3研究内容与创新点

1.3.2研究内容

本论文在以LS物流公司都市社区配送的问题的基础，分析了解决配送问题四种情形，要紧研究内容如下：

〔1〕绪论。

第一分析了都市社区超市配送路径问题的现状与问题，引入本文研究的背景和意义，通过对国内外相关领域的研究文献的研究，了解国内外相关领域的最新研究成果，明确研究目的、研究内容、研究方法和技术路线。

〔2〕LS物流公司社区超市运作现状与问题。

通过对LS物流公司对都市社区超市的配送现状进行分析，了解研究对象的差不多情形，并从配送现状中找到存在的问题。

〔3〕都市社区超市配送车辆路径问题概述和遗传算法原理。

要紧通过车辆路径问题相关理论概述和遗产算法原理的分析，设计出配送路径问题的数学模型。

〔4〕实例分析。

利用遗传方法解决LS物流公司的实际配送问题。

设计四种任务的优化方案，并在MATALAB上编程。

四种方案包括:

基于旅行商为基础的临时任务；考虑车辆行程和最大载重量的常规任务；考虑时刻窗的临时任务；双配送中心的常规任务。

〔5〕为LS物流公司社区超市配送提出路径优化建议。

依照遗传算法的解决方案的优越性为配送路径优化提供相关的建议并展望以后进展趋势。

1.3.3创新点

本论文通过分析LS物流公司社区超市配送路径中的现状与问题。

要紧创新点如下：

〔1〕在车辆路径问题的研究中，首次将常规任务和临时共同分析，构建了多种情形下的车辆路径优化方案。

由于实际配送过程中会显现多种情形，研究一种情形不足以解决实际问题，本文构建多种情形的解决模型，把双配送中心问题转化为单配送中心问题，在解决车辆路径优化实际问题的过程，有效性和准确性有了较大提高。

〔2〕。

1.4研究方法与技术路线

1.4.1研究方法

本论文通过广泛查阅相关文献，采纳多种研究方法对LS物流公司社区超市配送路径优进行深入研究。

要紧采纳的研究方法有：

〔1〕文献研究法：

在大量阅读和梳理车辆路径问题、电子废弃物产生量推测模型、电子废弃物回收网络体系构建等文献的基础上，进行论文的撰写。

〔2〕实地调研法：

本论文依靠«LS物流公司都市社区超市配送路径优化»横向项目，通过到LS物流公司进行调研，对配送人员进行访谈，了解其配送模式，并得到一些配送路径数据和相关资料。

〔3〕数学建模法。

在配送路径优化上，本文采纳遗传算法对LS物流公司社区超市配送路径进行优化；等。

1.4.2技术路线

在总结都市社区超市车辆配送路径现状与问题的基础上，通过数学建模，利用遗传算法对路径优化，然后用MATALAB编程，最后对配送问题的四种情形进行路线优化，最后为社区超市配送提供相关建议。

具体技术路线如图1.1所示。

图1.1技术路线

2车辆路径问题概述和遗传算法原理

2.1车辆路径问题概述

2.1.1旅行商问题

旅行商问题〔TravelingSalesmanProblem，TSP〕又译为旅行推销员问题、货郎担问题，简称为TSP问题，是最差不多的路线问题，该问题是在寻求单一旅行者由起点动身，通过所有给定的需求点之后，最后再回到原点的最小路径成本。

最早的旅行商问题的数学规划是由Dantzig〔1959〕等人提出。

TSP是车辆路径问题的最基础模型，是闻名的NP问题，也是运筹学研究的重点之一。

TSP能够复杂化变化为多个旅行商问题，把每个旅行商看做配送车辆，加上装载限制，就能够看做一般的车辆路径问题〔VRP〕，连续增加条件限制，就演变为各种类型的车辆路径问题。

2.1.2车辆路径问题〔VRP〕定义

Dantzig和Ramser第一提出VRP，VRP又叫做车辆调度问题，一样能够表述为：

关于一系列配送中心和配送对象。

组织合适的配送路线，使车辆有序地配送，在一些前提条件下〔如客户的需求量、发货量、配送时刻、车辆最大装载量和最大车辆最大配送距离〕，达到一些目标〔配送路径最短、时刻花费最少、配送车辆数量最少〕。

一样认为，没有时刻约束的是路径问题，有时刻约束的是调度问题。

通过车辆路径问题的概念能够明白，它包括以下差不多要素：

〔1〕配送中心，指同意并处理末端用户的订货信息，对上游运来的多品种物资进行分拣，依照用户订货要求进行拣选、加工、组配等作业，并进行送货的设施和机构。

是从供应者手中同意多种大量的物资，进行倒装、分类、保管、流通加工和情报处理等作业，然后按照众多需要者的订货要求备齐物资，以令人中意的服务水平进行配送的设施。

〔2〕配送对象，指物流配送车辆所到达的各个卸货点，如社区超市、连锁店、仓库等。

本文的配送对象是社区超市，也能够称为各个连锁商店。

配送量多少由社区超市的需求量决定，

〔3〕车辆，指配送物资的运输工具，车辆有最大行驶距离和最大装载量限制，配送车辆的数目由客户的需求量和车辆最大装载量决定；配送车辆的路线由车辆最大行驶距离和客户位置决定。

〔4〕配送网路，由配送端〔配送中心、客户〕和弧组成。

弧的属性包括车辆行驶的方向、权值和车辆流量限制等，弧的权值包括车辆行驶的距离、车辆运行的时刻和相关成本等。

〔5〕物资，指我国交通运输领域中的一个专门概念.交通运输领域将其经营的对象分为两大类,一类是人,一类是物,"物"的这一类统称为物资。

在本文中，指都市社区超市配送的物资。

〔6〕限定条件，指客户所需要的物资的种类、数量；客户对时刻的要求；车辆的通行时刻；车辆的最大行驶距离〔指来回的总距离〕和最大载货量。

〔7〕车辆路径的优化目标，指通过路径优化要达到的目的，如油耗量最少、路径最短、时刻合理、客户中意等。

2.1.3车辆路径问题的差不多类型

车辆路径问题概念显现后，国内外学者对VRP进行了多种分类。

依照研究重点的不同，VRP能够产生专门多模型，这些模型有不同的分类方式。

总体来说有以下分类：

（1）依照车场〔配送中心、仓库等〕划分，分为多车场和单车场问题。

本文了研究单配送中心车辆路径问题，即所有车辆从一个配送中心动身；也研究了多配送中心为题，即双配送中心车辆路径问题，车辆从两个配送中心动身。

（2）依照配送车辆的型号划分，能够分为单车型车辆路径问题和多车型车辆路径问题，本文重点研究单车型车辆路径问题。

（3）依照客户对车辆达到时刻来划分，能够分为无时刻要求的车辆路径问题和带时刻窗的车辆路径问题。

带时刻窗的车辆路径问题又能够分软时刻窗问题和硬时刻窗问题，硬时刻窗车辆路径问题对时刻要求专门严格，必须在指定时刻到达配送收货点，早到或者晚到都会被拒绝；软时刻窗车辆路径问题要求配送车辆在客户要求的时刻范畴内到达，在规定范畴提早到或者迟到，那么需要承担一定的惩处费用。

本文要紧研究无时刻限制的车辆路径问题和软时刻窗车辆路径问题。

（4）按照车辆载重情形划分，能够分为满载和非满载车辆路径问题。

本文要紧研究两者的混合装载问题，即尽量满载，能够显现非满载情形。

（5）按照配送任务划分，能够分为送货配送，收货配送，送货和收货同时进行的车辆路径问题。

（6）按照配送车辆是否返回配送中心划分，能够分为封闭式车辆路径问题〔配送车辆从配送中心动身同时返回配送中心〕和开放式车辆路径问题〔配送车辆从配送中心动身然而不返回配送中心〕。

本文重点研究封闭式车辆路径问题。

2.1.3车辆路径问题的求解算法

车辆路径问题属于NP问题，求解该问题的算法要紧是精确算法和启发式算法。

精确算法是通过有限运算和推理得到的路径优化问题的最优解算法，一样包括割平面算法、动态规划算法、网络流法等。

启发式算法是通过对以往体会的总结归纳或者通过实验仿真来解决问题的方法，启发式算法不是最求最优解，而是相对中意的次优解。

启发式算法一样包括传统启发式算法和现代启发式算法。

传统启发式算法要紧有节约算法、插入算法、两时期启发式算法、扫描算法等；现代启发式算法要紧有遗传算法、禁忌搜索算法、模拟退火算法、蚁群算法、粒子群算法、量子进化算法等。

2.2遗传算法概述

遗传算法是一种在自然选择和生物进化的基础上，运用运算机模拟生物群在自然进化过程中基因的选择、交叉、变异，进而香型的一种智能优化搜索算法。

2.2.1遗传算法的相关概念

1、基因

在遗传算法中的差不多单元确实是基因，能够表示为X=x1,x2...xn,依照不同的问题，基因能够分为二进制串，整数串，实数串等。

2、编码和解码

在实际应用中，需要把实际问题的解转化为遗传的解。

编码确实是将一般的模型转化到基因模型，如此就把实际的问题转化为遗传算法能够解决的问题；解码是与编码相反的过程，立即遗传算法解决的方案转化实际的问题解。

3、种群

种群确实是许多基因的集合。

遗传算法解决实际问题的过程中，从随机选择的个体初始解开始进行地带搜索，初始解的集合和每次迭代生成新的解就形成了一个种群。

种群的规模大小代表所含基因的数量因此种群的大小取值专门重要，种群规模越大运行速度越慢。

4、适应度函数

为了查找最优个体，必须对个体位串进行适应性评判。

因此，适应度函数就构成了个体的生存环境。

依照个体的适应值就能够决定它在次环境的生存能力。

一样来说，好的染色体串结构具有比较高的适应度函数值，能够获得较高的评判，具有较强的生存能力。

5、遗传算子

遗传算法的进化通过遗传算子的作用逐代进化。

标准的遗传算子包括选择算子、交叉算子和变异算子三种差不多形式。

1、选择算子

选择的作用是是从种群中选择优秀的个体，使它显现在下一代中，一样适应度函数越高的个体，显现在下一代的概率越大。

选择算子能提高种群的适应度平均值，然而不阻碍个体的适应度值。

选择算子的作用是储存对解决问题有用的遗传信息，能够阻碍遗传算法的整体结果。

选择算子种类繁多，依照不用的选择方式能够产生不同的结果。

一样来说，最常见选择方法是转轮盘法。

随机选择、优势个体保留等。

2、交叉算子

利用遗传算法解决实际问题的过程中，在种群中选择一对个体进行交配；依照位串的长度对要交配的个体随机选择1到L长度的位置作为杂交位置；依照杂交概率实施杂交，配对的给提在杂交位置处，相互交换各自的部分基因，最后形成一对新个体。

3、变异算子

变异算子依照生物进化染色体某位基因的突变，从而改变染色体结构和特点的特性，在利用遗传算法节约实际问题的过程中，要紧目的是保持种群的多样性，幸免过早收敛。

2.2.2遗传算法的流程

遗传算法在整个进化过程中的遗传操作是随机性的，然而它所沉陷的特性并不是完全随机搜索，它能有效利用历史信息来估量下一代期望性能所有的寻优点集。

如此一代代不断进化，最后收敛到一个最适应环境的个体上，求得问题的最优解。

遗传算法所涉及的五大要素：

参数编码、初始群体设定、适应度函数的设计、遗传操作的设计和操纵参数的设定。

遗传算法的运行过程是一个典型的迭代过程，其必须完成的工作内容差不多步骤如下：

1、选择编码策略，把参数集合X和域转换为串结构空间S；

2、定义适应值函数f（x）

3、确定遗传策略，包括选择群体大小n，选择、杂交、变异方法，以及确定杂交概率pc、变异概率pm等遗传参数；

4、随机初始化生成群体P；

5、运算群体中个体位穿解码后的适应值f（x）;

6、按照遗传策略，运用选择、杂交和变异算子作用于新后代形成下一代。

7、判定群性能是否满足某一指标，或者已完成预定迭代次数，假如不满