物流运输路径优化的文献论文范文

物流运输路径优化的文献论文范文第1篇：物流配送管理中的车辆路径分析

摘要：物流配送由于直接与消费者联系，是物流作业中最重要的环节。物流工作中成本占据最大的部分就是商品的配送部分，物流的配送是否选择了最优的运输路线对企业的成本具有较大的影响。目前，商品的运输具有多品种、多频次、小批量等特点，因此，对路径选择的研究具有非常重要的意义。

关键词：物流配送；管理；车辆路径

中图分类号：TP391.9 文献标识码：A 文章编号：1001-828X（2014）08-000-01

社会经济的发展对物流配送的要求越来越高，目前我国的物流配送尚处于起步阶段，物流系统的不完善等问题使物流行业发展缓慢。物流作业中最重要的工作就是商品的运输和配送，优化选择合理的运输路径，不仅有助于企业管理人员作出科学的决策，还可以有效提高用户的满意度，对缓解城市的交通也有一定的作用。因此，优化选择运输路径对于物流配送工作具有非常重要的意义。

一、车辆运输路径优化选择问题分析

1.多商问题

电子商务的运营模式是通过货物运输外包给物流公司的方法对周边城市销售商品，由物流公司与销售区域内的多个运输公司进行合作的方式进行货物的配送。对于货物的配送，有的距离较近的城市可以直接抵达，对于距离较远不能直接到达的城市，物流公司为了降低运输的成本，往往选择与多个运输公司进行合作采用分段运输的方式进行货物的配送。在运输的过程中，承载货物运输的公司就叫做物流公司的商。[1]由于不同客户的货物存货量、销售速度以及货物本身的特点不同，客户对运输时间的延迟性也有不同的要求。物流公司为了避免货物的运输时间延时超过客户的要求对公司造成损失，必须选择合理的货物运输方案。物流公司在选择商时，可以选择由某个商完成或由多个商共同完成，不同的商由于运输工具和运输方式的不同，对于货物的运输有不同方面的优势。在运输货物的过程中，商的转换也会消耗一定的成本费用。因此，对于不同货物以及不同阶段的运输，对于商的最佳选择就是物流公司需解决的多商问题。

2.车辆调度问题

车辆调度问题指的是物流公司为了降低货物配送的成本，提高运输车辆和利用率，在能够满足用户要求的基础上合理的对车辆进行调度，提高服务质量并降低企业的成本。车辆调度是保证物流公司正常运作的核心，客户希望通过物流公司将货物尽快且安全的送到指定的地点，物流公司希望在满足客户要求的基础上尽量减少成本，这些都需要良好的车辆调度作为保障。目前我国的物流和运输的效率还不高，与西方一些发达国家相比，在运输成本高出50%以上的同时服务质量也达不到要求，且空载率较高。有关研究报告指出，从我国的南方向北方运输货物采用公路运输比铁路运输需要的运输时间短，减少运输时间能够增加货物仓库的利用率，有利于资金的周转，节约了企业的成本。因此，合理的调度车辆对物流配送具有重要的意义。

3.对于路径选择的算法研究

对于路径选择的算法常用的有三种，即图论和最优化理论基础算法、精确算法和启发式算法。其中图论算法适用于计算路径最短问题，最优化理论算法适用于对于路径的可行性进行判断并选择最优化方案。[2]精确算法指的是通过割平面法、标号法、分支定界法等方法选择出运输路径的最优化方案，精确算法计算的问题一般都是对局部路线的优化。启发式算法指的是基于经验和直观的算法，是解决路径最优化选择的最佳方法，包括改进算法、两阶算法和构造算法。构造算法指的是在构形中不断加入新的组成点的方法进行构形的比较从而选择出最优化的路径。两阶算法是通过求解可行解，通过可行解的不断调整选择最优化的方案，是目前最为成熟的算法。改进算法包括禁忌搜素算法、蚁群算法和遗传算法等。启发式算法能够快速的得出最优化方案，对于物流配送中运输车辆路径的选择具有重要的作用。

二、选择车辆运输路径需要考虑的因素

1.道路网和客户点

道路网是选择车辆运输路径的主要因素之一，是运输货物的基础。道路网指的是货物从配送中心出发经过各个客户点最后返回配送中心的所经历的道路。客户点指的是在物流配送服务的对象，一般来说，对于客户点的服务要考虑不同种类货物的运送和收取，客户需求的前后顺序、客户需要服务的具体时间、客户营业的时间段、单需求计划期和周需求计划期等。

2.配送中心

配送中心指的是运输车辆运输货物的起点和终点，物流公司将用户的货物集中到配送中心进行货物配送。在对车辆运输路径进行选择时，车场分为单车场和多车场，在实际选择路径时，应按照配送中心的位置划分客户点。[3]通过对客户点的划分将整个运输过程中的路径选择分解成了多个独立的路径选择问题，在每个独立的路径选择问题中都有一个独立的配送中心。

3.车辆

对于货物的配送，最重要的部分的就是交通工具。在实际的货物配送中，车辆指的是交通工具的总称，包括火车、飞机、轮船、汽车等交通工具。在选择车辆时，应该考虑的问题有车辆的负重和容积限制、运输的范围、车辆的成本以及车辆的行程限制等。

三、结束语

目前，我国的物流行业在货物配送的过程中有很多环节还不够完善，与西方发达国家尚存在一定的差距。加快物流行业的发展急需解决的问题就是配送管理中车辆路径的选择问题，对于运输车辆路径的合理选择，不仅能有效降低企业的成本，提高客户的满意度，还能有效缓解城市的交通，具有非常实用的价值。

参考文献：

[1]吕俊杰，孙双双.基于鲜活农产品冷链物流配送的车辆路径优化研究[J].广东农业科学，2012，06（04）：13.

[2]牟欣.物流配送中的车辆路径与车辆装载整合优化问题研究[J].重庆大学，2012，10（07）：18-19.

[3]许欢.多目标进化算法在物流配送车辆路径问题中的应用研究[J].广东工业大学，2012，05（06）：12.

作者简介：杨博（1984-），女，辽宁大学经济学硕士，供职于河南工业职业技术学院，助教，研究方向：物流管理。

物流运输路径优化的文献论文范文第2篇：基于遗传算法的熟食配送路径优化

摘要 物流对市场经济活动的影响日益明显，物流配送系统越完善，企业的利润就越丰厚。本文提出最优配送熟食线路的求解算法，实现熟食运送的快速和经济合理。针对运送熟食送路径线路的优化问题，建立基于遗传算法的优化模型，并进行模拟实验。实验结果证明，基于遗传算法解决熟食配送路径优化问题，是可行的，有效的，为其他物流配送提供可以借鉴的思路，拓展了遗传算法的应用领域。

关键词 配送熟食；遗传算法；路径优化

中图分类号O29 文献标识码A 文章编号 1674-6708（2014）120-0166-02

0引言

在现代化物流系统中，跟消费者直接相连的是物流配送环节。选取科学可行的配送路径，能够快速配送货物、减少运输成本、从而获得更大的经济效益。遗传算法的应用为优化物流配送路径问题提供了方便，尤其适用于处理传统搜索方法难于解决的复杂和非线性的问题。本文在优化熟食运送路径问题特点分析的基础上，针对该问题建立了数学模型，并利用遗传算法求解，取得了很好的效果。

1熟食配送路径优化问题的数学模型

优化熟食运送路径的思想是：以运送点为中心，通过多个车辆向若干个顾客点运送货物。其中，顾客的需求量和位置是固定的，车的载重是有限制的。为了实现科学合理的运输路径，实现最优运距，降低成本，获得更好的经济效益。整个过程给出如下假设：

1）在每条运送线路上，车载重≥所有顾客点需求和；

2）每条运送线路长度≤车最大的一次运距；

3）只能由一辆车为相应的顾客需求服务。

在上述假设条件的基础上，建立物流配送路径最优化模型。设物流配送中心地有K辆车，Qk为每辆车的载重量（其中），Dk为一次配送时的最大的运行距离，需求送货点L个，其需求量记为qi（i=1，2，…），dij为需求点i到j的运距。设第k辆车配送的需求点数记为nk（若nk=0，则第k辆汽车未被使用），Rk表示第k条路径的集合，集合中的元素rki表示需求点rki在路径k中的顺序为i（但配送中心没包括在内），令rk0=0表示配送中心，基于物流配送路径的最优化数学模型建立如下[3]：

其中，式（1）为目标函数；式（2）保证在每条运送线路上，车载重≥所有顾客点需求和；式（3）保证每条运送线路长度≤车最大的一次运距；式（4）表明每条运送线路上，总顾客点数≥顾客点数；式（5）表明货物都送至每个顾客点；每一条运输线路上顾客点组成式（6）；式（7）只能由一辆车为相应的顾客需求服务；式（8）为设第k辆车配送顾客数大于1，那么这辆车进行r次配送。若第k辆车配送顾客数大于等于l时选择这辆车，sign（nk）=1。若第k辆车配送客户数小于l时选择这辆车，sign（nk）=0。

2熟食配送路径优化问题的遗传算法

1）编码，分析优化运输路径特征，0代表起点，即配送中心，顾客点用表达。因为起点有K辆车，那么有最多K条运输线路、每条线路的起始和终止，都是一点，即配送中心。通过增加K-1个虚构配送中心，用表示；

2）初始化，任意l排列，这个排列是L+K-1个不相重合自然数组成，也就是若干个个体。假设群体规模是N。那么也就是N个初始群体；

3）个体适应度评价，要辨别一个个体所对应的运输方案好坏，即是否符合运输线路约束；统计所有运输线路长度和。若运输方案不满足上述条件，那么此线路不可取。假设个体j相对的运输方案线路不可取为Mj，目标函数值为Zj，则该个体适应度，式中：G是对每条不可取线路惩罚权重，可按照目标函数取值范围，确定一个较大正数；

4）选择操作。按照适应度，遵循从大到小的顺序，排列Ⅳ个个体，最优性能是第一个体，把它的复制体进入下一代，并占据第一的位置；

5）交叉运算，选择组成新群体，第一位个体除外。其他N-1个个体，基于交叉概率Pi来配对交叉，重新组合。

6）变异运算。为了使个体仍然具有多样化的特点，通过连续多次交换方法，使个体有较大的排列变化。变异操作基于概率P。下面给出应用遗传算法解决优化熟食运送线路的实例。

某送货中心利用2辆车分别对8个顾客点送货，假设每辆载重为kg，每次运送最大运距45km，送货中心和所有顾客点之间、以及各顾客点之间的距离及各顾客点的需求量见

表1。

在模拟实验中的参数选取为：群体规模：20；交叉概率：0.95；变异概率：0.05；进化代数：50；基因换位次数（变异时）：5；对不可取线路惩罚权重取100km。针对以上问题，求解10次，得其计算结果，见表2。

通过上表数据证明，在第5次运算中出现了最优解66.5km，其相应运输线路方案是：路径1：0―4―7―6―0；路径2：0―2―8―5―3―1―0。可得，在优化货物输送线路上，基于遗传算法能够得到最优解或是近似最优解。

3 基于遗传算法的熟食配送路径优化问题的研究意义

随着现代经济发展步伐的加快，作为“第三方利润源泉”的物流对市场经济活动的影响日益明显，越来越受到人们的关注。物流配送系统越完善，企业的利润就越丰厚。这就要求优化货物的运送线路。在物流系统中，选取科学可行的配送路径，能够快速配送货物、减少运输成本、从而获得更大的经济效益。遗传算法应用为优化物流配送路径问题提供了方便。用遗传算法解决熟食配送路径优化问题。保证了路径最优，而且符合企业理念，满足了顾客需求，提高了企业的信誉，从而提高了企业的效益，具有很现实的意义。

参考文献

[1]喻小贤.物流运输与配送管理[M].北京：电子工业出版社，2005：2-12

[2]罗勇，陈治亚.基于改进遗传算法的物流配送路径优化[J].系统工程，2012，8：118-122.

[3]姜丈立，扬西龙，杜文.等车辆路径问题的遗传算法研究[J].系统工程理论与实践，1999，19（6）：40-44，7.

[4]陈国良，王煦法，庄镇泉，等.遗传算法及其应用[M].北京：人民邮电出版社，1996.

[5]王韦克，曹泽阳，郭晓宁.基于分类指标优化的聚类分析[J].陕西师范大学学报，2004，6：185-187.

物流运输路径优化的文献论文范文第3篇：基于Dijkstra算法的邮件装下载最短路径问题的研究

[摘 要]邮件是现代生活中不可或缺的一部分，而邮件的装下载路径更是邮件运输中的核心环节，它影响着物流业的发展前景。本文首先介绍了优化邮件装下载在邮件运输中的重要性，接着阐述了Dijkstra算法及其相关分析，并且求解邮件装下载最短路径的具体步骤，通过Dijkstra算法找出邮件装下载的最短路径，实验结果分析能有效缩短运输路径，降低运输成本，缩短运输时间，提高市场竞争力。

[关键词]邮件；装下载；最短路径；Dijkstra算法

中图分类号：TP301.6 文献标识码：A 文章编号：1009-914X（2015）33-0088-01

1 引言

随着电子商务的迅猛发展，物流行业作为国民经济中的重要产业也得到了快速发展。传统的运输产业中慢慢产生新的分支――快递服务产业，大部分电商都会选择邮件快递的方式进行商品派送。而人们生活节奏的加快，也让人们对物流速度的要求也在不断提高。因此，通过合理的路径规划，不仅能有效缩短运输路径，降低运输成本，缩短运输时间，而且提高物流企业的市场竞争力。

基于邮件装下载路径对整个邮件运输的重大意义，这也成为目前物流企业最为关注的问题之一，所以在邮件运输过程中必须采取科学合理的运输路线，使物流成本有效地降低。目前，解决物流最短路径的方法比较多，本文中Dijkstra 算法就是其中一种较优的方法，达到邮件装下载的总路径最短、运费最少，并且尽可能地减少物流成本，争强企业的效益。

2 Dijkstra算法及其相关分析

2.1 Dijkstra算法

迪杰斯特拉算法是由荷兰计算机科学家狄克斯特拉于1959 年提出的，因此又叫狄克斯特拉算法。是从一个顶点到其余各顶点的最短路径算法，解决的是有向图中最短路径问题。迪杰斯特拉算法主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。在现实生活中，很多事情都需要解决最短路径问题，如企业设备配置计划，公交路线的选择，城市下水管道的布局等等。本文中使用Dijkstra算法求解邮件装下载的路径问题，能很多解决运输路径的规划问题。

2.2 Dijkstra算法概述及其流程图

设无向图G=（V，E）中，假设每条边E[i]的权值长度为w[i]，找到由顶点V0到其余各点的最短值。在带权值的图中，权值表示为两个顶点间的距离，时间，交通费用等信息。利用Dijkstra算法求解无向图中的最短路径，具体步骤：

第一，开始时，路径信息D数组只包含源点V0，即D={V0}，V0到其本身的距离为0。顶点信息A数组包含除V0外的所有顶点，A中顶点a的距离为该边的权值。

第二，在A中选取一个距离最小的顶点Vt，把Vt加入D数组中，即D={V0，Vt}，而该选定的距离就是V0到Vt的最短路径。

第三，以Vt为中间点进行考虑，修改A中各顶点的距离，若从源点V0到顶点a的距离（经过顶点Vt）比原来距离（不经过Vt）短，则修改顶点a的距离值，修改后的距离值为顶点Vt的距离加上边上的权。

第四，最后重复步骤第二步和第三步直到所有顶点都包含在D数组中，数组的值即为最短路径。

将Dijkstra算法具体步骤用流程图表示，如图1所示：

3 Dijkstra算法在求邮件装下载最短路径上的应用

设某物流公司在邮件装下载路线选择上存在一些不合理现象，导致运输资源浪费现象比较严重。现该公司要将一批货物从V0运到V8，其间可能经过的地方分别为V2，V3，V4，V5，V6，V7，其中点与点之间的连线代表两地之间的道路，边上所赋的值代表两地间的距离，运用Dijkstra算法可以开发出试用于物流公司的邮件装下载路径，为了更好的说明问题，选取如图2所示的简单联通区域为例：

根据本文第二部分Dijkstra算法对图2进行计算，最终确定最优运输路线计算过程如下表1所示，根据表1得出邮件装下载的最优路线图如图3所示：

4 结束语

邮件装下载在整个邮件运输中起着举足轻重的作用，它不仅关系到人力、物力、财力等，而且还影响着企业的信誉，因此，在邮件运输过程中必须确保邮件装下载路径最短，从而有效地降低运输成本，提高企业竞争力。本文通过运用简单有效的Dijkstra算法求解出邮件装下载的最短路径，便可以很容易地找出邮件装下载的最短路径，有效的解决了问题。

参考文献

[1] 朱颖，周远国.基于Dijkstra算法的范围规划问题[J].计算机光盘软件与应用，2012，0

[2] 丁浩，苌道方.基于Dijkstra算法的快递车辆配送路径优化[J].价值工程，2014，03：15-18.

[3] 袁彬，刘建胜，钱丹，罗大海.一种基于改进Dijkstra的物流网络路径优化算法分析[J].制造业自动化，2014，09：86-88+105.

[4] 孟庆伟，张冬姣.基于Dijkstra最短路径算法的优化及应用研究[J].电子商务，2014，12：60-61.

[5] 迪杰斯特拉算法.百度文库：http：//

基金项目

2014年校级实验室开放项目（编号：KFXM201411）；2014年浙江省高等学校访问学者专业发展项目（编号：FX2014102）。

作者简介

胡婷炜（1994―），浙江杭州，在校学生。

物流运输路径优化的文献论文范文第4篇：探究冷链物流配送路径优化

【摘要】随着全球经济贸易的发展以及新信息时代电子商务的不断壮大，物流行业已经逐渐的成为了现今我国各大服务项目领域所新升起的一颗新星，然而，物流服务在配送的过程当中所面临的一些损失和问题也不得不值得我们进行探究和讨论；因此，针对容易腐烂变质的食品配送问题，本文提出了相应的冷链物流配送路径优化措施。

【关键词】冷链物流配送，路径优化

冷链物流技术，是一种能够将我们所熟知的速冻食品进行储存和运输的技术，这种技术能够保证冷冻的食品在运输的过程中，面对的各种恶劣环境都能确保食品本质不发生腐烂变质，从而尽力的减少运输过程中所造成的不必要损耗。

一、冷链物流技术进行配送路径优化的必要性

冷链物流技术作为保障食品运输质量而孕育而生的一种新型物流技术，就目前来看还不太完善，尤其在运输的过程当中，对于容易腐败变质的食品没有明确的制度规划；整个运输的过程中容易受到各种情况的影响，而加大成本的投入，同时还会造成许多不必要的损失；因此我们物流行业的相关人员必须要对整个冷链物流配送环节以及配送的路径优化进行系统的分析和探究，并且提出能够有效的措施和策略，以保证运输成本不在运输途中因各种情况的变化产生不必要的损失，这对于我们的冷链物流配送技术有着非常深远而巨大的影响力。

二、冷链物流的定义

所谓的冷链物流就是一种能够将视频进行地温冷冻储存，并进行运输的新型物流配送领域技术，冷链物流是社会科学高度集中发展所创造出来的产物，是传统的冷冻技术在逐年累月的发展中所衍生出来的一种新型技术。

（一）冷链物流可以运用的领域：冷链物流普遍的被用作易腐烂变质的物品保存运输过程当中，从食品的角度上来说，冷链物流配送技术可以包括一些蔬菜水果、肉类和鸡蛋等等，而同时，这项技术领域也包括了一些非食用性的产品，例如名贵花卉、植物种子等；此外还有药品、水产品、熟食、牛奶、雪糕和调味料等等，其所涉及的领域之多、项目之庞杂可见一斑。整个冷链物流配送技术的最根本目的是为了保证所运输的事物不腐烂不变质，因此也就需要一个能够良好有效维持运输环境的低温的制冷系统，由于这项技术所要求的环境温度要求远比一般的物流技术要求更高更多，因此所需要进行的设置和投入也就更多，整个冷链物流技术配送技术可以算的上是一项大工程了。

（二）冷链物流技术在配送过程当中的意义：物流配送所需要运送的食品的冷冻和储藏每一个环节都需要进行一整套完善的低温度安全控制体系，为了确保食品的安全性，整个冷链物流运输过程都要严格的按照规则来逐步完成，货物的装卸和保存的环境需要进行严格的把关，储藏运输的任何过程和环节每一项都不能落下，绝对不能缺少对每一个关系到食品安全的大小环节的资金投入和导向控制；冷链物流技术最终的配送过程将直接导致物流行业未来市场的具体走向和未来发展的规划，对于整个物流配送路径环节有着深远的影响力和十分重要的意义。

三、冷链物流配送技术的路径优化

冷链物流的配送路径优化在实际操作的过程当中，首先需要做到的就是先进行总运输成本的模型创建，在创建时候，我们要细致的考虑配送过程当中的物品流失损耗问题，另外，进行配送的车辆也必须为冷藏车，这是因为冷藏车能够有效的保存物品并进行低温储存运输，同时，启用冷场车也能够避免其它物流配送车辆的改装费用，从而极大的降低成本；其次就要对冷链物流的配送路径进行优化措施。

对于物流的配送来说，冷链物流配送所面对的最主要的问题就是在满足客户需要的时间限制和品质限制前提下，怎么样来节省配送的总成本；我们可以通过建立的配送模型进行时间上的配送方案规划，并最后在众多的配送方案当中找出一个可以有效进行的可行性实施策略；而我们所谓的可施行性方案措施，都必须要满足以下规定条件才能得以实施：首先我们必须要保证每一条配送路径上面的不同客户的货物综合不能够超出冷链物流配送车能够承载的总量，其次我们需要确保每一根配送的路径，其实际的长度绝对不可以超出所进行运输配送的物流车一次所能够运输的最远配送距离；除了这些我们自身的要求以外，我们的每一位客户所进行委托运输的货物还不可以超过运输车的数量限制要求，每一位客户只能有一辆配送车进行配送流程服务，最后我们必须要在规定的时间之内，将顾客的货物按时的送到其所要求的指定地点，不能延期；另外我们所进行配送的所有货物必须在低温冷藏的条件下进行配送运输。

根据以上的观点，我们可以看出，冷链物流的车辆在进行配送的环节上，对于路径优化问题的需求性，冷链物流配送不但面临着正常物流车辆配送要处理的路径优化问题，同时还要面对成本节约的一些问题，除了这些以外，运输配送所进行服务的客户也会由于自身的某些特殊性，而对我们提出一些特殊的新要求，因此也就产生出了额外的多余成本，例如生肉、海鲜一类的容易腐烂变质的产品，在运输过程中所造成的成本浪费，或者是能源设备所造成的消耗问题等等针对于这些难题，也就需要我们对于整个冷链物流配送路径的优化建立相应的模型和路径网络。

结束语：随着我国现今社会的科技不断发展，国内外各种多元化的技术每分每刻都在进行日益更新，因此人们对于物流的需求也就不断的增大了，人们对于饮食的新鲜和品质的要求也就催生出了冷链物流技术配送的发展和运用，因此我们要根据冷链物流配送路径所具备的特殊性，从原有成本和运输当中的成本损耗等各个方面进行入手，建立冷链物流成本节约的模型，同时根据模型进行成本节约、路径优化等多方面的研究，力求真正解决对客户配送过程中的路径优化实施的有效办法，真正的做到，在节约资源成本的前提下，最大化的满足客户要求，从根本上提高运输的实际效率，并且保证食品的新鲜和安全。

参考文献：

[1]刘勇，崔炳谋，王小东.物流配送路径优化问题的模型及改进[J].物流科技月刊，2011（09）.

[2]鲍氏生.冷链物流运营管理研究[d].同济大学博士学位论文，2015（12）.

[3]刘玉书，吴志勇，李强.冷链物流配送成本问题和实际解决方案[J]东北物流配送技术周刊，2012（10）.

[4]苏汗，杨一峰，余启航.物流配送路径优化管理实施有效办法及措施[J]冷链物流线技术革命，2011（11）.

物流运输路径优化的文献论文范文第5篇：基于免疫—蚁群算法的应急物流配送网络优化研究

摘要：论文针对应急物流的配送车辆路径优化问题，建立以应急物流初期有限资源的分配达到整体的最优化（时间短、效率高、安全高、成本低）的多目标模型，结合模型的特点，利用免疫算法和蚁群算法相融合的启发式算法进行求解，最后进行算例分析，解决应急物流配送车辆路径选择的实际问题。

关键词：应急物流；物资调配；蚁群—免疫混合算法；车辆路径

中图分类号：F252.14 文献标识码：A

近几年来突发事件应急处理提升到一定的高度，应急物流系统开始得到学术界的重视。而配送问题是应急物流中的一个重要分支，所以应急物流配送网络优化问题的研究很有必要，其对提高应对突发事件能力和灾害应急管理水平有非常重要的意义。

对应急物流配送网络的优化问题，包括节点的优化及节点之间线路的优化，本文重点介绍应急物流配送路线的选择，实际上，将配送车辆的路径优化问题和应急物流结合起来研究有一定的难度，然而将二者统一的具体研究，更贴近目前物流系统复杂的实际特征，所以对它的研究很有价值。目前对于配送车辆路径优化的研究，多是以一般物流为基础，但是，应急物流与一般物流却存在着很多区别，例如：自然灾害等突发事件可能造成部分道路毁坏、信息不畅通、物资需求变动等，导致运输网络容量具有很大的不确定性；应急物流的配送车辆的路径优化问题主要是以时间效益最大化和损失最小化，而不是仅以成本最小化为目标，因此，应急物流配送车辆路径优化模型的目标、参数及约束条件与一般物流还是存在着一定区别的。国内外的相关文献大多分为关于运输时间最小化为目标的研究和关于运输成本最小化为目标的研究：Ae Young Choi研究了在路网情况不确定情况下如何分配有限的资源（如救护车和其它应急救灾车辆）将受伤人员运输到医院，目标是使受伤人员存活数最大[1]。Gulay提出了一种分层多标准方法解决直升机在救灾中的调度问题，使派遣的直升机和飞行员数目在满足需求下成本最低[2]。国内的研究有计雷，池宏等研究员提出在突发事件中，物资运输的首要问题是研究尽快将物资运送到指定的灾害发生地，此时的运输问题变成了带时间约束的运输问题，目标函数不仅仅是成本最小化，更重要的是运送时间最小化。卢安文等人于2003研究了紧急情况下的物流配送的必要性，建立了考虑公路运输的紧急情况下的物流配送模型，并考虑多种运输方式，以时间、费用为目标建立了0—1整数规划模型及目标规划模型[3]。

目前研究中存在的问题：首先，以往研究较少涉及灾后沿街建筑倒塌、避难人群疏散及道路受损引起车辆运行时间的随机性等因素；多数文献中的模型参数大都是固定不变的，很少考虑到实际中车辆数、车场等这些随时变化的参数[4]；对应急物流配送网络的研究通常以一般物流为基础，这明显不符合实际：首先，在应急突发事件发生的情况下，配送中的车辆路线选择所考虑的影响因素明显不同于一般物流；其次，一般物流配送车辆的路径优化模型都是以成本最小化为单一目标，在重大突发事件发生的情况下，应急物流配送的目标是以较快的速度安全地将有限的物资送达需求地，是多目标问题。

1 模型的构建

1.1 模型的描述和符号说明

4 结束语

本文综合考虑了应急救援物资调度在运输时效性、经济性和安全可靠性等要求，而不是把应急物资的调度的研究目的仅仅局限在运输成本最小或是应急时间最短；考虑多物资运输，多类型车辆，和道路受损引起车辆运行时间的随机性等因素；在求解模型时，运用人工免疫算法和蚁群算法的混合算法，快速求解实时应急求援物资运输问题，有效提高寻优精度和响应速度。并对其进行实证研究，通过不同算法的比较，验证本文模型和算法的可行性和有效性，为应急管理部门提供有效的辅助建议。

参考文献：

[1] Jae Young choi. Stochastic Scheduling Problems for Minimizing Tardy Jobs with Application to Emergency Vehicle Dispatchingon Unreliable Road Network[D]. Unpublished Doctors Thesis， University of New York， 2003：61—68.

[2] Gulay Barbarosoglu， Linet Ozdamar， Ahmet Cevik. An Interactive Approach for Hierarchical Analysis of Helicopter Logistics in Disaster Relief Operations[J]. European Journal of Operational Research， 2002，140（1）：118—133.

[3] 卢安文. 紧急情况下的物流配送模型[J]. 西南石油学院学报，2003，25（1）：80—83.

[4] 陈雷雷，王海燕. 大规模突发事件中基于满意度的应急物资优化调度模型[J]. 中国安全科学学报，2010（5）：46—52.

[5] 马建华，房勇，袁杰. 多车场多车型最快完成车辆路径问题的变异蚁群算法[J]. 系统工程理论与实践，2011，31（8）：1508—1516.

物流运输路径优化的文献论文范文第6篇：基于QPSO算法的冷链物流配送运输问题的研究

摘 要：随着中国消费者生活模式的转变，冷链产品的销售比重迅速加大，优化冷链物流运输路径成为提高企业竞争力的关键。文章以物流运输成本最小化与顾客满意程度最大化为目标，利用QPSO算法进行求解。仿真实验结果表明，QPSO算法在求解多配置中心多车辆的冷链物流运输路径问题中呈现出了较好的稳定性与收敛速度。

关键词：量子行为粒子群算法；冷链物流；客户满意度

中图分类号：N945.12 文献标识码：A 文章编号：1008-4428（2016）10-12 -03

一、引言

随着现代化制冷技术的发展，海、陆、空运输网络的建立，人们对生鲜冷冻食品的品质和安全提出了更高的要求，这为冷链物流的发展提供了有力的契机。冷链物流是指以保证易腐食品品质为目的，以保持低温环境为核心，以现代化制冷技术为手段的物流信息管理和配送系统。然而我国冷链物流的发展起步较晚，在物流设施、冷藏技术设备及配送管理等方面与欧、美、日发达国家差距较大。据不完全统计，我国每年由于冷链物流问题所带来的经济损失高达100亿美元。因此，优化配送运输路径成为降低社会经济损失，提高企业经济效益的有效途径之一。

二、文献综述

物流配送运输路径优化方法主要包括精确算法和群体智能算法两种。由于群体智能算法的并行性、分布式、易操作性等特点使得遗传算法、粒子群、蚁群等典型的群体智能算法在冷链物流研究中得到广泛的应用。刘镇等人在考虑多源实时交通信息的基础上建立了运输成本和配送时间的优化模型，并在云计算环境下利用粗粒度并行遗传算法对模型假设进行了有效性的验证；陶荣综合考虑配送、货损与惩罚三个主要成本要素建立了带有时间窗的优化配送运输模型，并通过蚁群算法验证了模型的有效性和可行性。他所提出的多温共配思想为冷链物流的发展注入了新鲜血液；量子粒子群（QPSO）优化算法是在粒子群（PSO）优化算法的基础上，从量子力学的角度提出的一种新型算法。QPSO算法通过建立δ势阱模型使处于量子束缚态的粒子按照一定的概率密度实现全局收敛，已经证实QPSO算法克服了PSO算法因速度限制搜索空间受限的问题。本文采用量子粒子群优化算法实现模型假设的验证。

三、冷链产品物流配送路径优化模型

冷链产品物流配送路径优化问题可描述为在一定范围内和约束条件下，将冷链产品通过储运的方式实现在多个配送中心与供给客户之间的空间位移，并使目标函数达到最优化。

假设冷链产品的配送中心有M个，运输车辆有P辆（载重量均为r），客户有N个（货物需求为ni其中i=1，2，…，N），且每辆运输车完成任务后均返回配送中心。客户与配送中心的编码分别为1，2，…，N，N +1，N+2，...，N+M；变量定义如下：

其中客户在[Bi，Li]内的意度为1，在该区间以外客户的满意度随时间ti而线性减少，α，β是客户对时间的敏感系数。

冷链产品的储运直接影响产品的质量与安全，因此，需同时考虑物流运输路径最短和客户满意程度两个最优化问题，构建数学建模如下：

其中Dij表示两个客户i，j之间的距离； 配送中心M具有PM辆储运货车。

目标函数需满足如下约束条件：

（1）参与储运的车辆不能超出配送中心的总车辆数，即

（2）参与储运的车辆的承载数量是有限的，约束如下：

（3）每个客户配送服务仅一次

（4）配送路径无子回路

在目标函数中引入罚函数以约束车辆容量，

其中ξ取值足够大时不可行解在迭代过程中将被淘汰。

四、基于QPSO算法的物流运输路径优化问题

（一） QPSO算法

QPSO算法从量子力学理论出发，通过建立δ势阱模型束缚粒子，在收索空间中受量子束缚的粒子以一定的概率密度分布，当粒子与中心的距离趋于无穷大时，其概率密度趋于零。

在一个M维的目标搜索空间中，由N个粒子组成的种群的决策变量为粒子第t次迭代的位置向量Xti，Xti=（Xti1， Xti2，…，xtim）， 粒子个体最好位置为Pti， Pti=（ Pti1， Pti2，…，Ptim）以最小优化问题minf（x）为例，Pti由下式确定：

当参数γ由1.0线性递减到0.5时效果较好。

（二）粒子编码

构造X1与X2两个N维子向量。X1为车辆信息，X1∈[1，p]，X2为车辆储运路径信息。假设2个配送中心，对12个客户进行储运服务，每个配送中心所拥有的车辆数分别为2，3，且这5辆车的编码分别为1至6。

（三）基于QPSO算法的物流运输路径规划算法

QPSO算法流程如下：

第一步：取种群规模为N，最大迭代次数T，对粒子进行编码；

第二步：粒子初始位置Xi0，取个体最好位置P0i=X0i；

第三步：利用公式（4-3）计算平均最好位置；

第四步：利用公式（3-3）计算Xti的适应值，利用公式（4-1）计算更新粒子的当前最好位置；

第五步：当粒子的适应值优于Ptg时，更新Ptg；

第六步：利用公式（4-2）置换粒子位置Xit+1；

第七步：转第三步继续迭代，达到迭代次T结束；

（四）仿真实验结果与分析

假设某地由3个配送中心对该地区的15个门店提供储运服务，每个配送中心1，2，3的车辆数分别为2，2，2，6辆车的编码分别为1，2，……，6；14个客户及3个配送中心在XOY平面的位置信息如下表2，表3所示

通过Matlab7.0对QPSO算法进行计算机仿真实验。结果表明了QPSO算法的可行性和有效性。储运路线如图1所示。

经粒子解码得到有效路径为：

配送中心1的车辆1：15101415

配送中心1的车辆2：154215

配送中心2的车辆3：16516

配送中心2的车辆4：1693716

配送中心3的车辆5：171211117

配送中心3的车辆6：17138617

仿真实验结果如下：

由上表可见QPSO算法在解决冷链产品物流储运路径问题中呈现出较强的稳定性与收敛性。

五、结束语

随着中国消费者对冷链产品需求量的增加及对产品质量安全性的重视，为冷链物流的发展提供了机遇，研究冷链产品的储运优化路径，是提高物流企业竞争力及消费者满意度的关键。本文从现代物流管理理念出发，以冷链产品的储运成本最小化与顾客的满意程度最大化作为优化目标，使得算法的研究与实现更具有现实意义。

参考文献：

[1]方凯，钟涨宝，王厚俊.贺岚基于绿色供应链的我国冷链物流企业效率分析[J].农业技术经济，2014，（03）：50-53.

[2]邵瑞银.河南省农产品冷链物流现状、问题与对策[J].企业经济，2013，（02）：15-17.

[3]刘镇，徐优香，王译.基于云计算的冷链物流配送车辆路径优化方法研究[J]. 电子设计工程，2013，（04）：23-27.

[4]陶荣.基于蚁群算法的多温共配冷链物流配送问题研究[J]. 物流技术，2014，（02）：31-34.

[5]孙俊. 量子行为粒子群优化[M].北京：清华大学出版社，2011，8.

[6]张仁堂，董海洲，乔旭光等.现代果蔬物流中冷链技术集成创新研究[J].世界农业，2007，9（3）：47―49.

作者简介：

高晓巍，女，黑龙江齐齐哈尔人，齐齐哈尔大学理学院副教授，研究方向：智能规划、优化算法。

物流运输路径优化的文献论文范文第7篇：基于ArcGIS的物流车辆路径规划信息系统

摘要：现代物流系统已进入信息化、智能化的发展阶段，将GIS引入物流配送系统是物流配送智能化的一个重要方向。特别是对于现代物流领域中备受关注的车辆路径问题，可以有效的结合最优路径、各种VRP模型、车辆行驶成本等要素，在可视化分析以及物流规划路径分析等方面具有不可替代的作用。本文将物流车辆路径规划理论算法的研究与地理信息系统自身的网络分析模块相结合，经过二次开发，形成了用于实际的物流车辆路径规划和调度系统。

关键词：物流系统；智能化；车辆路径；规划

中图分类号：P208 文献标识码：A 文章编号：1007-9599 （2013） 02-0000-02

1 概述

物流产业随着基础工业的不断壮大及消费市场的蓬勃发展而快速兴起。而中国的物流企业不论从技术装备还是管理水平与国外仍存在较大差距，概括起来有一下几个方面：对现代物流理念上的差距，企业规模方面的差距，社会需求方面的差距，管理体制方面的差距，专业手段方面的差距，专门人才方面的差距。据对美国物流业的统计与分析，以运输为主的物流企业年平均资产回报率为8.3%（irr），仓储为7.1%，综合服务为14.8%。在中国大部分物流企业的年平均资产回报率仅为1%。这一数据，不仅说明了中国物流效率低下，同时企业仍有很大的空间通过物流来降低成本。

如何应用先进的技术手段来提高物流业的经营效率，及时高效、经济地将商品配送到客户手中，成了大家探讨的话题，这也就是现代物流领域中备受关注的车辆路径问题（vehicle routing problem，VRP）。物流配送路径规划的优化与否，对物流配送效率、费用和服务水平影响较大。而此类问题都涉及如何处理大量的空间数据与属性数据而缩短物流时间、降低成本的问题。

地理信息系统作为不仅具有对空间和属性数据采集、处理和显示功能，而且可为系统用户进行预测，监测、规划管理和决策提供科学依据。它可以有效的结合最优路径、各种VRP模型、车辆行驶成本等要素，在可视化分析以及物流规划路径分析等方面具有不可替代的作用。GIS技术与现代物流工程技术相结合，给现代物流行业提供了巨大的发展空间，为物流企业完善管理手段、减低管理成本、提高经济效益、最终提升核心竞争力提供了机遇。

2 技术实现途径研究

物流配送车辆路线优化问题由Dautzig和Ramser于1959年首次提出，该问题一般定义为：对一系列给定的顾客（取货点或送货点），确定适当的配送车辆行驶路线，使其从配送中心出发，有序地通过它们，最后返回配送中心。并在满足一定的约束条件下（如车辆容量限制、顾客需求量、交发货时间等），达到一定的目标（如路程最短、费用最少等）。配送中心的每次配送活动通常面对多个非固定用户，并且这些用户分布在不同的地点，同时他们的配送时间和配送数量也都不尽相同。如果配送中心不合理规划车辆、货物的运输路线，常会影响了配送服务水平，还会造成运输成本的上升，因此对车辆及货物的配送路线进行规划是配送中心的一项重要工作。

车辆路线优化问题一般可根据空间特性和时间特性分为车辆路线规划问题和车辆调度问题。当不考虑时间要求，仅根据空间位置安排车辆的线路时称为车辆线路或车辆路径规划问题（VRP）。当考虑时间要求安排运输线路时称为车辆调度问题（VSP）。本文不考虑时间要求，主要针对第一类VRP问题，提出相应的技术实现方案研究。

典型的VRP具有以下特征：（1）所有车辆从仓库出发，并最终回到仓库；（2）所有车辆必须满足一定的约束；（3）多辆车负责多个客户；（4）每个客户由一辆车访问一次；（5）车辆的路线上可以取送货。目前研究的车辆路线规划的模型主要有两类，一类为网络图模型，另一类为数学模型。由于VRP难以用精确算发求解，启发式算法是求解车辆运输问题的主要方法，多年来许多学者对车辆运输问题进行了研究，提出了各种各样的启发式方法。

物流公司的业务一般具有配送范围广的特点，本文主要针对大范围跨省配送的案例进行智能路径规划，因此影响因素较多，主要包括：（1）大范围、跨省的配送交通网络图；（2）复杂的车辆运作规则，包括运行时间、运载能力、运行成本计算、驾驶员工作时间限制等；（3）复杂的道路选择优先级；（4）复杂的运输车辆优先级；（5）客户订单及运输车辆数据；（6）取货及分发过程；（7）繁杂的配送规则，如仓库、货物、客户的时间等；（8）运输车辆的重复利用，要求同一辆车在符合多个约束条件下尽可能多的参与到不同路线的配送中。

本文主要基于ArcObjects的网络分析和地图展示等组件进行二次开发，同时对其提供的车辆路径规划算法进行了拓展性研究。

3 功能模块设计方案

3.1 软件架构设计

系统建设遵循SOA架构，由数据资源层、组件层、服务层和表现层组成。数据资源层包括各种数据库、关系型数据库和空间数据库引擎ArcSDE，实现对物流业务数据的存储和管理；组件层包括接口协议、GIS组件、其他中间件；服务层实现计算功能，接受表现层的请求进行计算；表现层采用多种形式展现分析结果。

3.2 软件功能设计

本系统是物流业务管理系统的一部分，主要提供历史数据管理模块、线路优化分析模块、地图操作模块，同时提供与其他相关业务系统的扩展功能。

（1）线路优化分析模块

线路优化分析模块是系统的关键，提供两种分析结果：一种是基于AO自带的网络分析模块设计，计算分析结果；另一种是历次根据具体路况等信息的实际调度结果。

实际调度结果来自车辆GPS监控数据，并将实际调度结果作为输入，用来校正线路优化分析方法，最后生成最优路径规划。

（2）地图展示模块

地图展示模块，在配送交通网络图上展示道路基本信息、周边环境、仓库及客户地点、车辆位置信息等。同时将各种车辆路径规划分析结果以地图形式展示。基于ArcGIS提供的基础地图操作功能，实现地图缩放、浏览、鹰眼、图层控制、测量、选择、标注、信息查询等功能。

（3）历史数据管理模块

历史数据管理主要存储历史客户订单数据、实时路况信息、历史路径规划分析结果、实际运输路径等，可支持对历史数据的查询和修改。

（4）扩展功能模块

提供与其他相关业务系统、车载GPS设备、车辆监控设备等的接口，便于系统的扩展。

3.4 数据库设计

本系统中涉及的数据库主要包括元数据库、基础地理空间数据库、业务数据库、分析模型数据库、历史数据库等。

4 结束语

本文将物流车辆路径规划理论算法的研究与地理信息系统的网络分析模块相结合，经过二次开发，形成了用于实际的物流车辆路径规划信息系统。另外车辆路径规划设计约束较多，本文中不考虑时间要求，仅根据空间位置安排车辆的线路，同时不考虑装箱问题。

车辆路径规划问题是现代物流业的热点问题，但是基本停留在理论算法层面，随着技术的不断进步，必然出现考虑更多约束的先进算法，希望将这些算法真正与现代物流业结合，那将会是一个跨越式的进步。

参考文献：

[1]沈绍基.中国物流市场供求状况分析报告[J].物流科技，2000，（2）.

[2]李军，郭耀煌.物流配送车辆优化调度理论[M].北京：中国物资出版社，2001.

物流运输路径优化的文献论文范文第8篇：有能力约束车辆路径问题的求解算法研究

摘要：车辆路径问题（VRP）是物流配送系统研究中的一项重要内容。建立了CVRP 的数学模型，给出了量子遗传算法的流程，并用MATLAB 编程实现了实验仿真。

关键词：物流 车辆路径 MATLAB

中图分类号：TP14 文献标识码：A 文章编号：1007-9416（2013）11-0111-02

车辆路径问题（VRP）在1959年被Dantzig和Ramser提出， 车辆路径问题通常被描述为：在顾客的货物需求、物理位置、车辆的最大运载量等已知的情况下，确定车辆在各个顾客间的行驶路线，达到如运输路线最短、运输成本最低、使用车辆尽量少等预定目标[1]。在很多专家学者对VRP问题的持续不断深入研究的过程中，VRP问题拥有了很多不同的分类，如有能力约束车辆路径问题、开放式车辆路径问题、动态网络车辆路径问题、动态需求车辆路径问题等。伴随着国内电子商务业务的蓬勃发展，尤其是在区域电子商务环境中，顾客需求多样化、配送量多批次且量小、物品需求复杂化等等特点使得一般的车辆路径问题VRP数学模型很难准确、细致地描述出区域电子商务物流配送的特点。所以，区域电子商务企业物流中心需要有合适的智能化系统来进行确定合适的车辆配送路径。上述这些现象也引起了国内外物流科技、调度、组合数学、运筹应用数学、计算机应用科学专家与运输规划制定者等的高度重视[2]。

1 问题描述及数学规划模型

有能力约束车辆路径问题（CVRP）是车辆路径问题中最基本的一个问题。其被描述如下：设物品配送中心最多可以使用H辆车对K个顾客来进行运输配送，每辆车的可载重量是已知的，每个顾客的需求量也是已知的，顾客a到顾客b的距离是一定的，其优化的目标是使车辆行驶距离最短。

假设配送中心自身配备的一个物流配送中心向周围很多的区域进行物品配送的任务。假设该中心拥有足够多数量的配送车辆H（h=1，2...H），对K（k=1，2...K）个顾客进行运输配送，每辆车辆的载重量为Bh，顾客a到顾客b的距离为，车辆每次都由物流配送中心点出发，将物品配送至各需求点后，马上返回配送中心。现各配送需求点的地理位置，需求量信息均视为已知，每个顾客k的需求Qk 由唯一车辆一次配送完成：一辆车可配送多个顾客，一个顾客只能由其中的一辆车服务。其优化的目标是低成本或者最短路径。根据这些描述，建立模型如下：

首先定义两个决策变量，决策变量值取1时表示顾客k的运输任务由车辆h完成，否则其值取0。值取1时表示车辆h从顾客点a访问b，取值为0时代表其它情况。顾客a到顾客b的距离为，顾客a到顾客b在时间段N内的运行成本为，车辆的数量为H，其中一辆车的基本成本为M。

其中，（1-1）（1-2）表示目标函数，分别为低成本和最短路径；（1-3）表示每辆车的能力约束，即h为任一配送车辆，该约束条件指车辆载重量不得超重，（1-4）则为约束条件，a代表任一顾客点，该约束条件指每辆车都由中心点出发，（1-5）保证对于任一个顾客k，都要被服务到。（1-6）（1-7）表示顾客仅被1辆车所访问。

2 实验结果及分析

以某经营团购网公司为例，该公司自己拥有一个货物配送中心，其中假设有一辆运输车，还有八个顾客，每个顾客的具置转化为坐标图，如（图1）所示。要求在满足文中上述的约束条件下，如每辆车辆的载重量为6吨，合理安排车辆路径，使得距离最短及成本最低。

区域团购网在送货时，因为目标主要是同城顾客，相对而言，各个顾客点的距离相聚较近。采取距离最近分配法进行商品货物的配送，将（图1）中的距离还原为实际距离，数据如（表1）所示。

另外，根据公司对于顾客的送货要求，如时间窗的约束，某个顾客送货的需求量、每个顾客的具置，建立具体的数据表格。文章通过使用Matalab编程实验，采用相应的算法对实例数据的分析对比，从而得到解决区域团购网物流配送路径的优化方法和较优解，使用一个好的优化算法是物流配送路径优化的关键，从物流配送路径优化问题的提出至今，很多的精确算法和启发式算法都运用到路径优化上。车辆路径问题涉及的问题很多，其中主要要素如：配送中心点、运输物品、运输车辆、运输网络、顾客、目标函数、约束条件、优化算法等。如今依然有很多的业界专家学者在这些优化算法上进行更好地改进研究，以求更好的解决物流配送的车辆路径优化问题[3]。

量子遗传算法通常可以描述为[4]：（1）先进行种群初始化，然后对种群实施一次测量，最后得到二进制编码。（2）根据解码算法开始进行解码，计算适应量，保存最优个体，如果这个时候已经是最优的，则输出结果，否则使用量子旋转门更新等操作对个体进行调整，得到新的种群，再重复循环将其转为整数编码、解码、优化计算、保存最优个体等操作，指导最优结果输出。（3）算法函数中需要设置的主要参数有：如最大遗传代数max、种群大小sizep、每个变量的二进制长度lenQEM；定义最佳个体Best，并记录器适应度值、十进制、二进制编码、量子比特编码；种群初始化函数，其返回值为得到初始种群的量子比特编码矩阵、根据量子比特种群得到二进制种群；使用目标函数计算个体适应度，并查找当期最优个体；实现演化操作的量子旋转门函数；显示优化结果的进化曲线函数。

3 结语

本文以区域电子商务的车辆路径优化为研究对象，建立有能力约束车辆路径问题的数学模型，使用相应的算法进行了仿真求解的过程，得到了物流配送的路径，从而达到经济合理的安排车辆的配送路径的目的。当然，要进行合理高效的物流配送，还需要解决很多问题，下一步将进一步研究动态需求车辆路径问题以及智能化系统。

参考文献

[1]Dantzig G，Ramser J.The truck dispatching problem[J].Management Science，1959，6：80

[2]魏巍.区域电子商务的物流配送路径优化问题研究[D].武汉科技大学硕士学位论文，2010.

[3]汪秋云，蒋文保.带软时间窗车辆路径问题的求解算法研究[J].北京信息科技大学学报.2013.08：57-63.

[4]彭典军.车辆路径问题的量子进化算法研究[D].浙江工业大学硕士学位论文，2009.

物流运输路径优化的文献论文范文第9篇：基于双层规划的综合运输网络优化研究

【摘要】针对综合运输网络中干线运输和末端配送的分离问题，本文将两者综合考虑，统一用双层规划模型表达。上层规划优化物流总成本，下层规划考虑客户配送成本最小化。采用遗传算法求解该双层模型，实例计算结果验证了该模型的可行性和求解方法的高效性。

【关键词】综合运输；网络优化；车辆路径问题；双层规划；遗传算法

随着物流行业的不断飞速发展，多种运输方式被集成在一起共同发挥作用，综合运输体系不断完善，多式联合运输已经成为我国乃至国际物流及运输业发展的趋势。在整个物流环节中，从货品出发的源头开始，干线运输方式的选择、运输线路的优化以及末端配送的方案都是联合运输中的主要内容。在干线运输环节，公路、铁路、水运等运输方式都已发挥了重要作用，综合交通体系在国内和国际多个层次已经逐渐形成。

在干线运输环节的优化问题，包括两个方面，运输方式的选择和运输路径的优化，而两个问题又是相互影响的，因此本文合并为多种运输方式的联合运输优化问题。在这一方面已经有所研究。已有的文献大多是以运输时间长度、运输成本费用或者服务水平中的一个或多个作为研究目标进行最小化求解，建立联合运输路径的选择与优化的模型。魏际刚等对多式联运中系统协调问题进行了研究，提出了布局、结构、信息等5个方面的问题。刘舰等建立了基于综合运输成本最小和运输风险最小的多目标综合优化模型，孙华灿等建立了一个含路径合理性约束的联合运输路径优化模型。

在配送环节，一般定义为车辆问题（Vehicle Routing Problem，简称VRP）。蒋忠中等并采用模糊数表示车辆行驶时间和顾客服务时间的不确定性，建立了VRP的模糊规划模型；贺国先在满足车辆满载约束的同时充分考虑货物的运到期限，继而建立配送方案模型。求解配送路径优化问题的方法很多，常用的有旅行商法、动态规划法、节约法、扫描法以及蚁群算法、遗传算法和禁忌搜索等人工智能方法。

作为一个整体的物流过程，运输和配送都是不可缺少的，而且两者之间也是相互影响和作用的，上述文献中大多数只考虑了其中某个环节，问题设定有一定的缺陷性。基于此本文将干线运输的综合运输方式优化选择和车辆路径问题综合考虑，建立一个统一的模型研究该问题，将运输费用、中转费用、运输时间、配送费用等作为总成本联合优化。同时考虑到问题的复杂性，本文引入双层规划问题求解该模型，在优化物流成本的同时也充分考虑了用户配送选择问题。

1.综合运输问题

物流过程中综合运输方式完成一次运输任务的过程中，可包括任何两种方式之间的转换，即公-铁、公-水、水-铁、水-公、铁-水、铁-公。由于不同运输方式之间相对独立，运输方式的转换仅发生在枢纽点，不是任意位置。

一般来讲，物流过程都是以公路运输开始，以公路运输结束。但根据物流业务的不同，两头的公路运输过程可能有所差异，可能是直送，也可能是配送。为不失一般性，本文假定开头的一段公路运输过程，是直送，结尾的一段公路运输，是配送过程。配送过程的优化，就是VRP问题，直送过程，会涉及到运输方式和路径的选择，同中间环节的铁路运输、水路运输一起，构成联合运输的优化问题。

2.综合运输网络优化模型

综合运输虽然理论上从起点到终点中途可以多次变换运输方式，但在实际中，这样处理不但会大大加大运输成本，降低经济效益，而且考虑到物理设施建设的有限性，实际运作也不具有可行性，因此，根据当前运输领域运作实际，我们假定直接连接起点和终点都是公路运输方式，后续可根据需要变换方式和路径，并且整个物流过程中，变换运输方式最多2次，否则视为不合理路径。根据上述描述，可构建联合运输网络图如图1所示。但需要注意的是，终点位置并不是唯一的，终点位置会直接影响到配送总费用，终点位置的确定也就是设施选址问题。配送过程从图1终点出发，配送到附近的多个网点，完成整个物流过程。

2.1 综合运输优化模型

图3构建了一个无向图G=（V，E），V表示网络中的所有物流中转或起止节点；E表示边集，包括不同方式的运输线路和运输方式之间的转换连接。起点出发都统一用公路运输。模型假设在两个节点之间货物不可分割，即2个节点间只能选择一种运输方式，每个节点有资格和能力进行转变运输方式的操作，会花费时间和经济成本，但不考虑仓储费用。

联合运输环节建立模型如下：

目标函数由运输费用、变换运输方式费用（简称换装费用）构成。式（1）中表示从节点i到i+1之间，运输方式为k时的运输费用；，1表示选择该k种运输方式，0表示不选k种运输方式；表示在节点i由k到l的换装费用，，1表示节点i选择由k到l，0表示节点i不选择由k到l。式（2）表示2个节点之间只能选择一种运输方式，式（3）表示在某一个节点处，至多发生一次转换，式（4）表示如果在节点i运输方式由k转换为l，则从节点i-1到城市i，运输方式为k，从节点i到节点i+1，运输方式采用l。

2.2 车辆路径问题

车辆路径问题是指在客户需求位置已知的情况下，确定车辆在各个客户间的行程路线，使得运输路线最短或运输成本最低。配送中心配送的车辆调度及路线安排问题可描述为：在配送中心位置、客户点位置和道路等已知的情况下，对m辆车，n个客户点，确定车辆分配（每辆车负责的客户点）及每辆车的行车路线，使成本最小。

其中J为服务网点的集合，K为配送车辆的集合，QK是车辆的最大容量，Cij是从i到j的配送费用，dj网点j的需求量，Ujk是顾客被访问的顺序号，N是网点总数量，，若车辆k从顾客i行驶到j则为1，否则为0。式（6）为目标函数，以总的配送费用最小为目的。式（7）为每个顾客只能被服务一次的约束条件。式（8）为防止同一个地点之间巡回的约束条件。式（9）是车辆容量限制约束条件。式（10）是保证巡回路为封闭回路的约束条件，即车辆从物流中心出发，最后一定要再回到物流中心。

3.双层规划模型

双层规划模型是多层规划的特例，由上层模型（U）和下层模型（L）组成。上层决策者通过设置的值影响下层决策者，因此限制了下层决策者的可行约束集，上层决策者通过下层决策者的目标函数与下层决策者相互作用。下层决策变量y是上层决策变量的函数，即y=y（x），这个函数被称为反应函数。

在本文中，上层决策部门可以通过策略改变运输方式、运输路径和运输终点位置（即配送中心），从而影响下层客户对配送中心的选择，但不能控制他们的选择。客户从自身费用最小的角度出发，选择合适的配送中心为其服务。这种关系可以用双层规划模型进行描述，上层规划可以描述为物流企业确定最佳的运输方式、配送中心位置及配送方案，使得总成本最小（包括运输成本、换装成本和配送成本）。而下层规划则描述了在多个配送中心存在的条件下，客户可选择不同配送中心提供服务，目标是使客户的花费最低。

上层规划表示为：

（12）

上层模型优化运输、换装和配送的总费用，公式（2）-（4）、（7）-（11）作为约束条件。下层模型从客户角度考虑，在现实中，客户寻求提供配送服务的对象，受到其他客户的影响。当许多客户都被同一个配送中心提供服务时，自然费用会增加，于是有些客户会选择其他配送中心，反之亦然。这一现象可用需求函数描述：

（13）

为第i个客户要求第j个配送中心提供服务的最小费用。一般讲，所有客户的需求函数具有基本一致的形式。这样下层规划可描述为：

（14）

（15）

式中为需求函数的反函数，可用幂函数表示。Sj为配送中心j的供应能力；M为一任意大的正数。下层规划表示客户选择最优的配送中心，式（15）保证每个用户的需求都能得到满足。

4.求解算法

双层规划问题的求解，是NP-hard问题，求解一般都相对繁琐，本文采用遗传算法求解。遗传算法借鉴生物进化遗传思想，通过选择、交叉、变异等操作，不断进行群体进化求得优化解。遗传算法的具体过程如下：

Step 1：设定遗传计算的相关参数，包括编码方案、变异率、交叉率、群体规模和进化代数，建立初始群，设定当前进化代数；

Step 2：对群体中的每个个体，作为上层规划的临时解，代入下层模型，求解公式（14）的最优解；

Step 3：对计算得出的下层最优解，反推到上层模型，获得上层规划本次计算的最终解；

Step 4：若到达进化代数要求或有当前最优解满足预定义的偏差要求，则结束，否则继续；

Step 5：利用赌思想，执行复制操作，注意每次保留最优的前5个个体；

Step 6：执行交叉操作，根据当前建立的逻辑规则，保留或丢弃交叉结果；

Step 7：根据变异率执行变异操作；

Step 8：返回Step2。

5.实例验证

为验证本文建立的模型的有效性，我们利用一模拟实例进行计算分析。假定干线运输网络如图2所示，主要有公路、铁路、水运三种运输方式，在A、B、C节点处可以换装，图中数字表示距离，以Km为单位。干线运输中公路、铁路、水路每车（船）载重量分别为20、500、1000吨，配送汽车载重量为1.5吨，公路、铁路、水路的平均运输费用为1、0.3、0.1元/（吨·公里），配送费用为0.5元/（Kg·公里）。表1给出了17个配送节点中一部分节点的参数，包括节点坐标和节点的配送需求量。其中编号为1、2、3、9、15的五个节点为干线运输的终端节点，从中选择几个节点作为配送中心。假定C1、C2、C3至这五个节点的距离相同，即费用相同。

根据遗传算法，本文利用MATLAB工具编写了程序求解该实例问题。求解过程中根据效果多次调整相应经验参数，确定了最终取值：群体规模M=50，进化代数P=50000，交叉率=0.45，变异率=0.1。同时利用LINGO软件利用分支定界方法求解该问题，获得全局最优解。

通过多次寻优验证，对上述问题求得最优解，确定终点两个，编号为2、3的节点作为配送中心，干线运输线路为：起点—A3—B3—B1—C1—节点2，起点—A3—B3—B1—C1—节点3。以节点2、3为配送中心的配送方案如图3所示。该方案比全局最优解的费用高出2.4%，作为准优解完全可以接受，但花费的时间比分支定界方法节省了82.7%，证明该方案是高效的。

6.结语

本文考虑了综合运输网络中多种运输方式联合优化，并与车辆路径问题相结合，两者统一在双层规划模型中，上层规划优化物流总成本，下层规划考虑客户配送成本最小化。本文采用遗传算法求解该双层规划模型，并与分支定界方法相比较，结果证明该方法可高效求得准优解。

参考文献

[1]孙少龙，吴小涛，等.PSO算法在物流配送车辆路径优化模型中的应用[J].电子世界，2012（8）：77-79.

[2]刘舰，俞建宁.多式联运运输方式选择的模型和算法[J].兰州交通大学学报，2010，29（1）：56-61.

[3]孙华灿，李旭宏，等.综合运输网络中合理路径优化模型[J].东南大学学报，2008，38（5）：873-877.

[4]张维泽，林剑波，等.基于改进蚁群算法的物流配送路径优化[J].浙江大学学报，2008，42，4：574-578.

基金项目：交通运输部科技项目“综合物流运输配送网络优化技术的研究”（2011319817490）；山东省“蓝黄”两区课题“做大做强海洋交通运输物流业对策研究”（2012-L-53）。

作者简介：

陈德留（1989—），男，山东济宁人，山东交通学院硕士研究生，主要研究方向：物流工程，物流优化技术。

张良智（1977—），男，山东寿光人，硕士，山东交通学院副教授，主要研究方向：智能算法，优化技术。

物流运输路径优化的文献论文范文第10篇：应急物流配送路径优化问题研究

摘要：文章通过对应急物流配送路径优化问题进行分析，建立了应急物流配送路径优化问题的模型，在此基础上提出了模型的求解方法，最后通过实例应用对应急物流配送路径优化问题求解过程进行了说明，并对结果进行了进一步讨论。

Abstract: Through the analysis of path optimization of emergency logistics distribution, the article establishes its model, proposes the solving method on this basis. Finally, through an example application of path optimization of emergency logistics distribution, the solving process are described, and the results are further discussed.

关键词：物流；应急配送；路径优化

Key words: logistics；emergency distribution；path optimization

中图分类号：F253 文献标识码：A 文章编号：1006-4311（2011）28-0025-02

0 引言

随着市场经济的发展和竞争的加剧，市场呈现多品种、小批量产品多样化、消费多样化的趋势，物流配送就是为适应这种趋势而产生的一个重要环节，它是指对局域范围内的客户进行的多客户、多品种的按时联合送货活动。配送的“送”就是送货运输。从这个角度来看，物流配送中送货路线的选择，是影响物流成本的一项重要因素。从降低物流成本的途径来看，提高物流速度，可以减少资金占用和，缩短在物物流周期，降低储存费用，从而节省物流成本。所以，在应急物流配送过程中，要使得各物资需求点能在最短时间内得到物资补充，物流中心就需要选择最优的保障方式，将物资送达各个需求点。

1 影响物流中心选址的因素及物资需求问题描述

在整个物流系统中，配送中心地点的选择更是物流系统优化的一个具有战略意义的问题。传统意义上的物流配送中心（或分销中心）是商品从供应商（制造商）至零售商之间的中间储存点，具有集中和分散物资，促进商品迅速流转的功能。物流中心的位置的选择，根本目的应以费用低、服务好、社会效益高为目标，以物资运输合理、方便用户、投资少、有利于适应经济发展的需要为基本原则。物流中心的选址需要对多种因素综合考虑包括：自然资源的特点、客户的分布、运输服务条件、建设费用、城市建设的整体规划、外部环境因素等，此外对物流中心未来的发展应仔细研究，使决策具有前瞻性。它包括物流中心在此处有没有发展前途和大的作为，以及一定时期内城市经济发展的变化，以便使物流中心能适应未来发展的需要。

在满足物流中心开设地点要求和综合各物资需求点之间距离的前提下，物流中心与各物资需求点之间就不可避免地存在一定的距离。由于各物资需求点的周围客户量不同，物资的销售情况也必然不同，必然会导致物资需求产生的偶然性，而物资需求点相对分散。物流中心收到来自这些分散的位置的物资配送申请后，对这些物资需求点进行物资配送，模型就是要解决在物流中心现有运输力量前提下，以最优的方式将物资送达每一个需求点，由此产生了物资需求问题。

2 应急物流配送路径优化问题建模

2.1 物流中心与物资需求点的实际关系 由于物资需求点产生的偶然性，使得物流中心和物资需求点关系如图1所示。以五个物资需求点的情况为例，各点编号分别为1、2、3、4、5，物流中心编号为0。现实情况是这样的，各需求点之间以及需求点与物流中心之间，可能是可以不经过第三点直达的（如需求点1、需求点2及物流中心之间都是可直达），也可能是必须经过第三点才可以到达（如需求点5与物流中心之间）。若可以直达，则以连线表示两点之间的支路。无论怎样，需求点与物流中心之间总可以找到一条路，即是可达的。若某个需求点与物流中心之间没有路，则表明该点与物流中心不可达，则该点也就没有存在的必要。

2.2 现实情况的完全加权图表示 将图1所示的现实情况转化为完全加权图形式后得到如图2所示的关系形式。图2中0点为物流中心，其他为物资需求点，实线为实际支路，虚线表示虚拟支路。则物流中心应急物流配送问题可以描述为：找到从0点出发不重复的遍历所有节点的最短闭合回路。由此，可以看出物流中心物资输送问题实质上为一个TSP问题。

2.3 所求最优回路中的组成支路的权值的确定 解决该问题的目标是找到从0点出发不重复的经过所有节点的最短闭合回路。也就是使得这条闭合回路的组成支路的权值之和最小。所以，求得最优路径的问题依赖于各条组成支路的权值的确定。在现实情况下，各路径的权值是综合考虑物流中心到各需求点间的距离、道路状况以及各道路安全性等因素得出的结果，因此在对实际支路赋权的过程中，会出现违背三角不等式的情况，在此对具体的赋权规则不做研究，而假设各实际支路的权值已得出。在对实际支路赋权完毕后，进行虚拟支路的赋权，各虚拟支路的权值均为实际支路权值之和的m倍，m为无穷大的自然数，即虚拟支路不可通行。

2.4 设计求解最优路径问题的流程 物流中心应急物流配送问题抽象后实质为一个N个节点的TSP问题。因此，总能找到一条最优路径。现在假设找到了此问题的一条最优路径L。L若不包含虚拟支路，则表示从物流中心出发，确实存在一条最优的配送路径，从距离、路况及安全性角度综合分析是最优的配送路径；若L中包括至少一条虚拟路径，则表示在现有路径下不存在符合条件的最优路径。即现有条件下的最短路径中某些节点至少需要经过两次。因此，为求得较优路径对图作如下处理。

假设L中某一虚拟路径为（a，b），则总可以从点a到点b找到（a，K1，K2，…，Kn，b）这样一条最短路，其中ki为最初的N个节点之一，且路（a，K1，K2，…，Kn，b）必不含虚拟路径路，称路（a，K1，K2，…， Kn，b）为虚拟路径（a，b）的最短代替路径。在已有节点之外新增加k个节点（A1，A2，…，Ak），新增节点的规则是节点Ak与Ki具有完全相同的属性，即Ak到任何节点的权值与Ki到任何节点权值相同，特别的Ak到与Ki具有相同属性的节点的权值为0。对L中每条虚拟路径都按照（a, b）的方式处理。

完毕后则全部节点数目增加到N+A，其中N个是最初的实际节点，A个为新增节点。此时，对于N+A个节点来说已经找到了一条回路L*，L*只包括这N+A个节点，且这N+A个节点在L*上出现且仅出现一次，同时L*上不含虚拟路径。说明这N+A个节点的TSP问题存在最优解。

根据以上分析，对物流中心应急物流配送问题设计的求解流程如图3。

3 模型的实例应用

3.1 实例分析 以四个需求点为例进行实例说明。假设需求点与物流中心的完全加权图表示如图4所示，各支路权值已给出。

①求这四个点的TSP问题，最优解为（0，2，1，4，3，0），路的长L=12+M，其中包含虚拟路径（2，3）。

②寻找（1，4）的最短代替路径为（1，2，0，3，4）。

③增加点A，B，C，则原图变为图5。

④求这八个点的TSP问题，最优解为（0，2，1，C，B，3，4，A，0）。

3.2 关于求得的解的讨论和实际意义解释 以上通过增加虚拟点的方法建立的求解模型，最终求得的最优路径L可以分为两种情况。情况一：最优路径L中除起点和终点外，不包含其它与起点具有相同属性的点，说明在实施应急物流配送过程中，运输车队从物流中心出发后经过路径L所示的各个需求点，物资送达完毕返回物流中心，各个需求点都得到供应。选择该运输路径，可以减少运输车队的使用，只组织一支物资运输车队，就可以达到完成运输任务的目的，有效地节约了运输资源。情况二：最优路径L中除起点和终点外还包含其它与起点具有相同属性的点。这说明在实施应急物流配送过程中，运输车队从物流中心出发后，中途要返回物流中心，再到其他未配送的需求点，最后遍历所有需求点后回到物流中心。解决此种情况的办法的，根据中途回到物流中心的次数n，在可行的情况下，将整体运输力量分成n+1支配送小分队，各小分队对相应的若干需求点进行物流配送，完毕后返回物流中心。这样，在总路径不增加的前提下，对所有物资需求点展开了并行的物流配送，使得对所有需求点的最长物流配送时间减少，配送的效率更高。

4 结束语

物流中心是物资供应体系中的一个重要的环节。研究应急物流配送路径优化问题，对提高物流中心配送效率具有重要意义。文章对物流中心应急物流配送路径问题进行了分析研究，建立了应急物流配送路径优化问题的模型，设计了模型的求解流程，最后通过实例对应急物流配送路径优化问题求解过程进行了详细说明。并结合现实情况，对求得的解进行了进一步分析讨论，提出了物流中心应急物流配送策略可能的改进意见，供物流中心决策参考。

参考文献：

[1]殷剑宏，吴开亚．图论及其算法[M]．北京：中国科技大学出版社，2003．

[2]刑文训，谢金星．现代优化计算方法[M]．北京：清华大学出版社，2001．

[3]《运筹学》教材编写组．运筹学[M]．北京：清华大学出版社，2005．