0107112物流系統(tǒng)優(yōu)化中的定位-運(yùn)輸路線安排問題(編輯修改稿)
2025-04-20 03:57 本頁面
【文章內(nèi)容簡(jiǎn)介】 不同，把LRP分成假設(shè)型和實(shí)際型兩類。4 LRP的解決方法國(guó)外許多學(xué)者對(duì)LRP的解決方法進(jìn)行了有益的探討，所采用的方法可以分為兩種：精確算法和啟發(fā)式算法。 解決LRP的精確算法 基于運(yùn)籌學(xué)的優(yōu)化算法，解決LRP的精確算法可以分為以下四種：(1) 直接樹狀搜索[1]；(2) 動(dòng)態(tài)規(guī)劃[1][17]；(3) 整數(shù)規(guī)劃[18][19]；(4) 非線性規(guī)劃[20]。在以上算法中，最為常用的是整數(shù)規(guī)劃（包括混合整數(shù)規(guī)劃）,而具體解決時(shí)效率最高的方法是分支—定界法。它可以在不很長(zhǎng)的計(jì)算時(shí)間內(nèi)解決多至80個(gè)節(jié)點(diǎn)的LRP，但是采用分支—定界法的LRP必須在其模型中限制設(shè)施的數(shù)量。一旦所涉及的LRP的規(guī)模擴(kuò)大，精確算法就不實(shí)用了。由于LRP結(jié)合了LA問題和VRP，而后兩者都是NPHard (Non – deterministic Polynomial hard)問題，所以，在大多數(shù)情況下，要用精確算法來解決LRP是十分困難的。例如，在一個(gè)物流系統(tǒng)中，有3個(gè)潛在的中心點(diǎn)，8個(gè)分布的客戶點(diǎn)，3條行車路線，如果用整數(shù)規(guī)劃來解決，要涉及的變量會(huì)達(dá)到333個(gè)[16]。實(shí)際上，以上的物流系統(tǒng)是十分小的，在實(shí)踐中遇到的系統(tǒng)規(guī)模往往會(huì)遠(yuǎn)超過它。很多情況下要引入啟發(fā)式算法。LRP往往是十分復(fù)雜的，需要采用多級(jí)分解方法對(duì)其簡(jiǎn)化。目前解決LRP的啟發(fā)式算法多采用以下四種方法或是它們的組合：（1） 先解決定位一配給問題，然后解決運(yùn)輸路線安排問題[15, 21]；（2） 先解決運(yùn)輸路線安排問題，然后解決定位一配給問題[22]；（3） 費(fèi)用降低/插入算法[23, 24]；（4） 路線擴(kuò)展交換算法。很多情況下精確的優(yōu)化算法僅僅是作為一種參照的基準(zhǔn)，在研究LRP時(shí)比較各種啟發(fā)式算法的優(yōu)劣。而在解決實(shí)際規(guī)模問題時(shí)一般要采用啟發(fā)式算法。5 LRP的未來研究方向?qū)嶋H物流系統(tǒng)集成的程度越來越高，物流決策者面臨的問題也就越來越復(fù)雜。用目前LRP的研究成果來解決特別復(fù)雜的物流系統(tǒng)優(yōu)化問題還存在許多局限。未來對(duì)LRP的研究將會(huì)集中于以下難點(diǎn)： 動(dòng)態(tài)性許多LRP的參數(shù)是隨時(shí)間變化的，如庫存費(fèi)用會(huì)隨員工的人數(shù)、員工的工資水平等因素的變化而變化；運(yùn)輸費(fèi)用也會(huì)因車輛裝載情況、油料費(fèi)用等的改變而改變。所以LRP具有動(dòng)態(tài)性，對(duì)動(dòng)態(tài)LRP的研究是有現(xiàn)實(shí)意義的。運(yùn)籌學(xué)理論被認(rèn)為是解決優(yōu)化問題十分有效的工具。但是如果實(shí)際問題發(fā)生變化，就會(huì)引起數(shù)學(xué)模型改變和模型求解程序的改變。對(duì)于動(dòng)態(tài)問題，這種連鎖反應(yīng)是時(shí)時(shí)刻刻都在發(fā)生的。因而用傳統(tǒng)的運(yùn)籌學(xué)理論解決動(dòng)態(tài)的優(yōu)化問題會(huì)力不從心。其原因是傳統(tǒng)的運(yùn)籌學(xué)理論缺乏基于知識(shí)的推理機(jī)制和處理動(dòng)態(tài)問題的自適應(yīng)能力。為了克服這一缺陷，八十年代以來國(guó)內(nèi)外學(xué)者將人工智能和知識(shí)工程理論引入運(yùn)籌學(xué),開辟了智能運(yùn)籌學(xué)[25, 26]這一新的研究方向。使運(yùn)籌學(xué)由過去的僅能解決靜態(tài)問題變?yōu)榭梢越鉀Q動(dòng)態(tài)問題，它必將有助于動(dòng)態(tài)LRP的求解 實(shí)時(shí)調(diào)控在實(shí)際情況下，特別是在如今被廣泛重視的電子商務(wù)物流的實(shí)施過程中，商品供貨點(diǎn)、運(yùn)輸工具、運(yùn)輸路徑和送貨時(shí)間等需要實(shí)時(shí)作出決擇。這就涉及到實(shí)時(shí)調(diào)控的問題。近年來，Agent技術(shù)發(fā)展迅速，Agent具有的自主性、主動(dòng)性、反應(yīng)性和智能性為改進(jìn)基于運(yùn)籌學(xué)知識(shí)表示理論的動(dòng)態(tài)問題的實(shí)時(shí)優(yōu)化控制系統(tǒng)創(chuàng)造了條件。將Agent技術(shù)與運(yùn)籌學(xué)理論有機(jī)結(jié)合和交叉滲透，必將對(duì)最終解決實(shí)際規(guī)模LRP有決定性的意義。 隨機(jī)性在實(shí)踐中，物品的供應(yīng)/需求量、客戶點(diǎn)位置、車輛行駛時(shí)間等等在很多情況下是不能事先確定的，這些參數(shù)就帶有隨機(jī)性。把隨機(jī)性引入LRP，更有利于解決實(shí)際問題。已經(jīng)有許多學(xué)者對(duì)隨機(jī)性LRP進(jìn)行了研究，如Laporte等人[29]對(duì)供應(yīng)/需求量不確定的LRP作了探討。他們提出了一種兩階段算法：第一階段，在供應(yīng)/需求量未知的情況下，確定中心位置、運(yùn)輸路線、車隊(duì)數(shù)量；第二階段，由于一條路線上的供應(yīng)/需求量有可能超出車輛的裝載能力，車輛在某點(diǎn)裝滿時(shí)要返回中心點(diǎn)裝貨/卸貨，然后回到返回點(diǎn)恢復(fù)運(yùn)輸，以上的車輛操作產(chǎn)生了懲罰項(xiàng)。為了解決這類問題，引入兩種方法：（1）在保證出現(xiàn)車輛返回的概率不小于某一預(yù)定值的情況下，確定第一階段值。（2）在保證由于車輛返回而產(chǎn)生的費(fèi)用不超過某一預(yù)定費(fèi)用的情況下，確定第一階段值。這類問題就可以采用整數(shù)規(guī)劃來解決了。 時(shí)間限制實(shí)際的物流系統(tǒng)中，許多情況下，客戶對(duì)車輛的到達(dá)時(shí)間是有限制的。這種時(shí)間的限制又可以分為硬限制和軟限制兩種，硬限制要求時(shí)間的一點(diǎn)，軟限制指定一段時(shí)間。但是，到目前為止，對(duì)LRP的研究很少考慮對(duì)時(shí)間的限制。這方面的研究將會(huì)是有益的。 多目標(biāo)性物流系統(tǒng)中的各個(gè)目標(biāo)之間會(huì)產(chǎn)生沖突，如按照總費(fèi)用最小目標(biāo)確定的方案，在滿足客戶對(duì)時(shí)間要求的目標(biāo)時(shí)，可能會(huì)不合要求。然而，實(shí)際物流系統(tǒng)均有多目標(biāo)的特征。所以以后對(duì)LRP的研究中會(huì)注重多目標(biāo)之間優(yōu)化。6 結(jié)論本文對(duì)物流系統(tǒng)中的LRP的由來、分類、解決方法作了簡(jiǎn)要的評(píng)述，并對(duì)LRP的未來研究方向作了分析。對(duì)LRP的研究還存在許多沒有很好解決的方面。對(duì)LRP的研究將會(huì)越來越向符合實(shí)際情況的方向發(fā)展。參考文獻(xiàn)1 Gilbert Laporte. The v
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1