1、组员:黄相煜、余素霞、沈艳、周琳组长:李梦丽低碳物流中的路径选择问题研究关键词:低碳物流、路径选择问题2014年11月8号3目录研究意义1研究内容23030519发展趋势3一、研究意义1、低碳物流的研究意义可持续发展的需要提高利润的切入点政府政策关注要点现代新兴产业;依赖专业分工、经济发展;与绿色经济活动紧密衔接;物流在碳排放量中占比大;物流成本占销售价格75%左右;运输成本占物流成本的52%左右;将低碳物流纳入“十二五”规划;鼓励扶持低碳物流管理和技术的推广应用;组织建立低碳物流绩效考量指标体系和认证服务体系。2、车辆路径问题在低碳物流中的研究意义内容VRP(VehicleRoutingPr
2、oblem)是对配送车辆的路径进行优化调度,对一系列装货点和卸货点,组织适当行车路径,使车辆有序地通过它们,在满足一定的约束条件下,达到一定的目标。内容564130意义优化资源配置,降低物流成本提升物流系统的关键,实现物流科学化智能交通运输系统的基础,加快电子商务进程。二、研究内容加油站数量限定的G-VRP车辆路径问题VRP基于时变的车辆路径问题TDVRP基于排放的车辆路径问题EVRP考虑排放量的时变路径问题研究E-TDVRPVRP分类概述对一系列装货点或卸货点,组织适当合理的行车路线,使车辆有序地通过它们,在满足一定的约束条件下,达到一定的目标。算法前体假设速度恒定;FIFO先进先出原则1、
3、车辆路径问题(VehicleRoutingProblem)VRP分类概述对一系列装货点或卸货点,组织适当合理的行车路线,使车辆有序地通过它们,在满足一定的约束条件下,达到一定的目标。算法前体假设速度恒定;FIFO先进先出原则1、研究基础VRPVRP分类概述对一系列装货点或卸货点,组织适当合理的行车路线,使车辆有序地通过它们,在满足一定的约束条件下,达到一定的目标。算法前体假设速度恒定;FIFO先进先出原则线规划根据具体问题建立具体数学模型,用数学方法解决。常用算法动态规划传统启发式割平面智能启发式精确算法启发式算法根据直观、经验开发出朝最优解方向搜索或优化的算法先分组后排路线节约插入算法交互式
4、优化禁忌搜索神经网络改进交互算法模拟退火蚁群算法遗传算法2、基于时变的车辆路径问题TDVRP(Time-dependentVehicleRoutingProblem)1、基本假设:u时变性:速度随时间推移而改变u硬时间窗:对客户服务时间有严格的限制2、模型:3、基于排放的车辆路径问题EVRP(EmissionsVehicleRoutingProblem)1、EVRP提出的原因u基于生态环境视角的市场原因;u考虑将来可能实行碳税的经济原因;2、前提假设u速度恒定:在一定的时间段里车辆以恒定的速度行驶u硬时间窗3、模型公式一:公式二:4、考虑排放量的时变路径问题研究E-TDVRP(Emission
5、stime-dependentVehicleRoutingProblem)1、前提假设u限速:速度限制在某一区间时,碳排放最小;u时变性2、模型:公式一:公式二:公式三:ka5、加油站数量限定的G-VRP模型1、背景:在美国,97%以上的汽车以汽油为燃料,运输中所产生的二氧化碳的排放量占据总排放量的1/3,因此使用清洁能源作为燃料成为大势所趋。2、目标函数:总的运输路径最短(即排放的二氧化碳最少路径与排放量之间存在相关性)3、约束条件:汽车油箱的容量约束(因为加油站有限,汽车不能任意加油)时间约束(汽车必须在约定的时间内完成运输过程)ka3、G-VRP模型的特点:有些服务点可以被访问多次,有些
6、服务点甚至不需要被访问4、G-VRP模型的贡献:u提高了汽车的运行效率,减少了碳的排放。u为实际中庞大且复杂的运输问题提供了科学高效的指导。u为实际中加油站选址、客服选址提供了技术支持u为各种基础设施选址、旅游指南等提供了理论指导。ka5、模型的不足:模型并没有将车辆访问的地点数量作为一个目标函数,比如运货的卡车为了达到经济运输量,需要装满卡车,尽可能地给位于不同地方的企业运输产品;游客去某旅游景点游玩,希望在一定的时间内,走最短的路径,游玩更多的地方等。动态性实时调控随机性多目标性研究方向1、VRP未来的研究方向三、发展趋势u将车辆路径问题与供应链中其他环节作为整体来考虑;例如将库存与车辆路
7、径问题联系起来,即所谓的库存-路径问题。2、从宏观层面考虑:一方面,深入研究并加入一些实际的限制条件另一方面,作为整体问题的复杂度大为增加,可进行合理的简化,以降低问题的复杂度。实时快速VRP算法不确定式VRP问题的研究VRP的多种智能优化算法联合求解动态低碳车辆路径3、从微观层面考虑:1234参考文献:1李永先,胡祥培,熊英,物流配送系统中车辆路径问题仿真优化及其进展,管理科学,2006,19(4):2-92王征,张俊,多车场带时间窗车辆路径问题的变邻域搜素算法,中国管理科学,2011,19(2):99-109;3何小峰,马良,带时间窗车辆路径问题的量子蚁群算法,系统工程理论与实践,2013
8、,33(5):1255-1261;4李娅,王东,多策略优化的蚁群算法求解带时间窗车辆路径问题,计算机与数字工程,2013,41(4):512-5205GilbertLaporte,Whatyoushouldknowaboutthevehicleroutingroblem,NavalResearchLogistics,2007,54(8):811-819;6Figliozzi,Miguel,VehicleRoutingProblemforEmissionsMinimization,TransportationResearchRecord,2010:1-77MiguelAndresFigliozz
9、i,Thetimedependentvehicleroutingproblemwithtimewindows:Benchmarkproblems,anefficientsolutionalgorithm,andsolutioncharacteristics,TransportationResearchPartE,2012,(48):616636;8马华伟,靳鹏,时变车辆路径问题的启发式算法,系统工程学报,2012,27(2):256-262;9O.Jabali,T.VanWoensel,A.G.deKok,AnalysisofTravelTimesandCO2EmissionsinTime-D
10、ependentVehicleRouting,ProductionandOperationsManagementSociety,2012,21(6)pp.1060107410SevgiErdogan,EliseMillerHooks,AGreenVehicleRoutingProblem,TransportstionResearchPartE,2012,(48):100-11411EmrahDemir,TolgaBektas,GilbertLaporte,Areviewofrecentresearchongreenroadfreighttransportation,EuropeanJourna
11、lofOperationalResearch,2014,775-79312GoranCirovic,DraganPamucar,DarkoBozanic,Greenlogisticvehicleroutingproblem:Routinglightdeliveryvehiclesinurbanareasusinganeuro-fuzzymodel,ExpertSystemswithApplications,2014:4245425813YoshinoriSuzuki,Anewtruck-routingapproachforreducingfuelconsumptionandpollutantsemission,TransportationResearchPartD,2011,73-77
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1