CN115526492A - 一种多车型网络甩挂运输调度的优化方法 - Google Patents

一种多车型网络甩挂运输调度的优化方法 Download PDF

Info

Publication number
CN115526492A
CN115526492A CN202211193430.0A CN202211193430A CN115526492A CN 115526492 A CN115526492 A CN 115526492A CN 202211193430 A CN202211193430 A CN 202211193430A CN 115526492 A CN115526492 A CN 115526492A
Authority
CN
China
Prior art keywords
drop
transportation
tractor
cost
solution
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211193430.0A
Other languages
English (en)
Inventor
郭红霞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangxi University of Science and Technology
Original Assignee
Guangxi University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangxi University of Science and Technology filed Critical Guangxi University of Science and Technology
Priority to CN202211193430.0A priority Critical patent/CN115526492A/zh
Publication of CN115526492A publication Critical patent/CN115526492A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及交通运输调度技术领域，其具体公开了一种多车型网络甩挂运输调度的优化方法，应用于普通半挂、二轴公路港半挂以及三轴公路港半挂组成的的公路港网络甩挂运输中，包括如下步骤：(1)建立网络甩挂调度目标优化模型；(2)通过动态规划得到普通半挂运输的任务量分割；(3)通过节约里程法获取步骤(1)中目标优化模型的初始解；(4)通过改进模拟退火算法对初始解进行优化，得到最优解。本发明的一种多车型网络甩挂运输调度的优化方法，能够对多车型甩挂运输调度进行优化，以减少牵引车的使用数量，降低运输成本。

Description

一种多车型网络甩挂运输调度的优化方法
技术领域
本发明涉及交通运输调度技术领域，尤其涉及一种多车型网络甩挂运输调度的优化方法。
背景技术
目前对于牵引车加半挂车研究较少，需要进一步完善相关理论。学术界普遍认为汽车列车的调度问题很复杂，是NP hard 难题。
研究者对牵引车+半挂车(TSRP)(Tractor and Semitrailer RoutiongPromblem)车辆调度问题进行了大量的研究，但只是假设客户存在特定量的需求，即甩挂车辆只需要访问客户一次即可满足货物配送或垃圾收集的要求。然而在公路港甩挂运输网络中，甩挂运输作业在公路港之间进行，公路港既是甩挂作业场所，同时也是客户需求点。与一般甩挂运输实际应用中的需求不同，公路港甩挂需求以挂车为单位，需求数量可能为多个挂车且甩挂两端需求可能不相等，即两个公路港之间存在多次甩挂运输且甩挂两端需求不均衡的情形，这增加了甩挂运输调度优化的复杂性。
公开号为CN111709570A的专利文献中公开了一种网络甩挂运输调度的优化方法，该方法通过建立全网络甩挂调度优化模型，设计启发式算法对模型进行求解，并用实例验证了模型的有效性，使得在网络中进行甩挂运输优化可以减少牵引车辆使用数量，并降低整体运输成本。并且在网络甩挂运输中，在纯网络范围内进行调度优化，可以更有效减少牵引车辆使用数量及降低运输成本。但是该专利中仅仅是针对单一的甩挂运输车型进行研究，但是在实际的网络甩挂运输中，通常需要多种甩挂运输车型进行协同作业，如图1所示，假设公路港1至公路港2需要5辆35吨厢式半挂车，而公路港2至公路港1需要3辆三轴40英尺公路港半挂车，公路港3至公路港2，需要2辆37吨厢式半挂车、4 辆两轴40英尺公路港半挂车、也需要4辆两轴40英尺公路港半挂车，公路港3 至公路港1，需要4辆40吨厢式半挂车、2辆三轴40英尺公路港半挂车。如果不同的车型之间不可以进行交叉甩挂，仅以厢式半挂车为例，整个公路港网络至少需要5辆35吨厢式半挂车、2辆37吨厢式半挂车和4辆40吨厢式半挂车，而且回程时均为空驶。但如果不同车型之间允许进行交叉甩挂，在连续工作时间内，公路港1到公路港3之间的40吨厢式半挂车在完全每次运输任务后，可以继续从公路港3完成到公路港4之间的运输任务，按此完成该网络中所有的厢式半挂车任务，将会减少两辆35吨的厢式半挂车使用，减低回程时的空驶率，进而提高运输效率，降低运输成本，显然这种方案比原有的方案更优。在实际作业过程中，还会存在单方向既需要厢式半挂车也需要公路港半挂车的情形，且货物重量还会存在差异即需要不同型号的厢式或者公路港半挂车进行匹配。此时，公路港甩挂运输甩挂运输调度难度将会极大增加。然而现有对于网络模式下的公路港甩挂运输多车型问题的研究尚未提及，针对公路港甩挂运输企业的现实情况，有必要分析公路港多车型甩挂运输调度优化问题，以解决企业的现实问题。
发明内容
本发明旨在至少解决上述所提及的技术问题之一，提供一种多车型网络甩挂运输调度的优化方法，能够对多车型甩挂运输调度进行优化，以减少牵引车的使用数量，降低运输成本。
为了实现上述目的，本发明采用的技术方案为：一种多车型网络甩挂运输调度的优化方法，其特征在于，应用于普通半挂、二轴公路港半挂以及三轴公路港半挂组成的的公路港网络甩挂运输中，包括如下步骤：
(1)建立网络甩挂调度目标优化模型；
(2)通过动态规划得到普通半挂运输的任务量分割；
(3)通过节约里程法获取步骤(1)中目标优化模型的初始解；
(4)通过改进模拟退火算法对初始解进行优化，得到最优解。
优选的，步骤(1)中所述的目标优化模型为：
目标函数1：
设网络运营成本由重挂行驶成本、空驶成本、固定成本及惩罚成本构成，重挂行驶成本为
Figure BDA0003869895110000031
空驶成本为：
Figure BDA0003869895110000032
当天使用车辆固定成本为：
Figure BDA0003869895110000033
惩罚成本为：
Figure BDA0003869895110000034
则目标为网络运营成本最小表示为：
Figure BDA0003869895110000035
目标函数2：
投入牵引车数量最少，表示为：
min Z2＝Kz (2)
约束条件为：
Figure BDA0003869895110000041
Figure BDA0003869895110000042
Figure BDA0003869895110000043
Figure BDA0003869895110000044
式中，
N：表示所有公路港的集合，共有n个公路港，N＝{1,2,…，n}；
i，j，l：表示公路港的编号，i，j，l∈N；
M：表示牵引车类型集合；
m：表示牵引车的类型，m∈M，此m＝1为普通半挂牵引车，m＝2为公路港半挂牵引车；
mk：表示第m种类型牵引车k，k∈{1,2,…,K}；
Figure BDA0003869895110000045
表示第m种类型牵引车k的标准载重质量；
Kz：表示路网需要的牵引车总数，
Figure BDA0003869895110000046
dij：表示公路港i，j之间的距离，单位：km；
qijm：表示公路港i至j需要的m类型牵引车的甩挂运输需求，普通厢式甩挂用货物吨位表示，公路港甩挂运输用趟次来表示。由于需求不一定平衡，qijm不一定等于qjim；
Figure BDA0003869895110000051
分别表示公路港i至j时m类型牵引车牵引k重挂及空驶的成本，单位：元/km；
Figure BDA0003869895110000052
表示单位时间内m类型牵引车k使用的固定成本，包括车辆折旧、员工工资等，单位：元；
T：表示牵引车连续工作的时间，规定所有牵引车每天连续工作的时间都相等；
vm1,vm2：表示m类型牵引车牵引重挂及空驶的速度，单位：km/h；
k1,k2：分别表示牵引车牵引重挂及空驶的状态，k∈{1,2,…,K}；
Figure BDA0003869895110000053
Figure BDA0003869895110000054
Figure BDA0003869895110000055
分别表示m类型牵引车k从公路港i重载和空驶驶往公路港j的趟数，厢式甩挂趟数可以由货物运输吨位(需求)计算得到；
Figure BDA0003869895110000056
表示公路港i至j需要的m类型牵引车k的甩挂运输需求未被满足时的惩罚成本；
Figure BDA0003869895110000057
优选的，步骤(2)中所述的动态规划包括：
建立数学模型
Figure BDA0003869895110000058
设置约束条件：
Figure BDA0003869895110000059
Xi≥0,Xi∈Z,i∈I (9)
上式中，
FQ—运输需求量为Q时的总成本；
xi—每种牵引车使用的数量；
I—牵引车集合，共有三种车型；
Ci—每种牵引车的固定使用成本；
D—公路港之间的距离；
Pi—每种牵引车重挂时的变动成本；
Li—每种牵引车的最大载重量；
Q—公路港之间的单向货运量；
Z—整数集合。
优选的，步骤(3)中所述的节约里程法包括：首先令一辆车只服务于一个节点，然后通过计算任意两条线路在满足约束下合并节省的距离得到里程表，依据里程表更新节约里程最大的合并线路，并更新里程表，直到任意两条线路无法合并或无法节约里程。
优选的，所述改进模拟退火算法包括以下步骤：
Stepl、获取基础数据，所需的基础数据包括甩挂运输网络拓扑结构，各个公路港间距离，车辆行驶速度，三种普通半挂车、两种公路港半挂车重驶成本、空驶成本及固定成本，以及普通半挂车、公路港半挂车甩挂需求量；
Step2、设置算法参数，其包括算法初始温度ts，算法结束温度tf，温度衰减参数α，以及马尔科夫链长度(最大恒温迭代次数)mk；
Step3、根据节约里程法生成公路港甩挂运输车辆调度方案{X}，计算其评价函数值F，令当前温度为t←ts，当前恒温迭代次数n←1；
Step4、根据邻域解构造方法随机生成当前车辆调度方案X的邻域解{Xneigh}，并计算其评价函数值Fneigh；
Step5、执行Metroplis选择，计算邻域解评价函数值F’，以及两个解的函数差值ΔF＝F’-F，按照如下方法选择接受原解或邻域解为当前解：
①如果ΔF＜0，接受接邻域解为当前解，恒温迭代次数n←n+1；
②如果ΔF＞0且exp(ΔF/t)＞rand(0,1)，接受接邻域解为当前解，恒温迭代次数n←n+1；
③其余条件下，接受接原解为当前解，恒温迭代次数n←n+1；
Step6、恒温迭代判定，如果当前恒温迭代次数小于马尔科夫链长度，即 n≤mk，转Step5，否则，转Step7；
Step7、降温退火，根据设置的温度衰减参数降低***温度t←α·t；
Step8、算法终止判定，如果当前温度大于算法结束温度，即t＞tf时，转Step4，否则算法终止，输入当前解为最优解
优选的，设甩挂运输综合成本为Z1和牵引车投入数量为Z2，得到邻域解评价函数Z＝ω1·Z’1+ω2·Z’2，其中
Figure BDA0003869895110000071
优选的，所述邻域解构造方法包括：
重置，任意选取当前顺序种的一个位置，将该位置的编号随机指定另一个位置；
交换，任意选取当前顺序中的两个位置，将两个位置的编号交换下顺序；
2-opt，任意选取当前顺序中的两个位置，将两个位置之间的顺序进行翻转。
优选的，所述改进模拟退火算法还包括约束处理，其中，对于普通半挂运输约束条件为：车型约束、载重约束、时间约束，对于二轴、三轴公路港半挂运输约束条件为：载重约束、时间约束。
有益效果是：与现有技术相比，本发明的一种多车型网络甩挂运输调度的优化方法通过建立网络甩挂调度目标优化模型，采用节约里程法获取目标优化模型的初始解，并通过改进模拟退火算法对初始解进行优化，得到最优解，同时通过实例验证了优化方法的有效性，使得多车型甩挂运输的牵引车使用数量和运营成本整体较低，相比传统运输模式，能在更大优化空间内节约成本、提高牵引车的适用效率。
附图说明
以下结合附图对本发明的具体实施方式作进一步的详细说明，其中：
图1为现有网络型公路港多车型甩挂运输示意图；
图2为本申请多车型网络甩挂运输的算法设计思路流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件，当部件被称为“设置在中部”，不仅仅是设置在正中间位置，只要不是设置在两端部都属于中部所限定的范围内。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
甩挂运输组织模式的确定是甩挂运输车辆调度的前提和基础，也是甩挂运输车辆调度方案确定的核心，进行科学合理的甩挂运输组织模式设计，再对甩挂运输车辆调度问题进行充分的考虑，才能将甩挂运输组织模式的优势充分地发挥出来。因此，在考虑不同甩挂运输模式特征的基础上，同时结合企业实际调研情况，针对公路港开展甩挂运输的特点，提出网络型甩挂运输组织模式。
根据交通运输部公布的3批公路甩挂运输推荐车型，公路甩挂运输牵引车车型分为普通半挂牵引车和公路港半挂牵引车，主要有4×2、6×2和6×4等驱动形式，对应准拖最大质量一般为35t、37t以及40t，但也存在34.8t、36t、 37.3t、37.5、39.8t等准拖最大质量。半挂车主要有厢式半挂车和公路港运输半挂车，也存在多种最大允许总质量。
为此，本申请提出了一种多车型网络甩挂运输调度的优化方法，其应用于普通半挂、二轴公路港半挂以及三轴公路港半挂组成的的公路港网络甩挂运输中，包括如下步骤：
(1)建立网络甩挂调度目标优化模型；
(2)通过动态规划得到普通半挂运输的任务量分割；
(3)通过节约里程法获取步骤(1)中目标优化模型的初始解；
(4)通过改进模拟退火算法对初始解进行优化，得到最优解。
具体的，根据公路港甩挂运输特点，有如下假设：
(1)网络中所有牵引车、挂车都属于公路甩挂运输推荐车型，但型号存在不一致情况，且牵引车只能牵引不大于自身准拖最大质量的半挂车，牵引车类型和半挂车类型对应；
(2)网络中各公路港有足够多的半挂车，即不存在空挂车调度的情况，此假设可以由公路港甩挂运输企业整合社会资源达到；
(3)不考虑牵引车甩挂半挂车作业时间，且挂车数量足够，无需牵引车等待挂车装卸作业；
(4)两个公路港间往返行驶的距离及时间相同；
(5)网络中每天都产生甩挂需求，且每天的需求还存在波动，企业可以根据每天实际需求安排调度，所有的需求都必须要满足。由于某些节点之间距离较远，甩挂运输不一定能够一天内完成，因此假设前一天未完成的甩挂任务不影响后续的调度。
根据公路港甩挂运输运营实际，甩挂运输企业追求网络型运营成本最小，满足需求的同时投入牵引车数量最少，由此可以得到目标优化模型为：
目标函数1：
设网络运营成本由重挂行驶成本、空驶成本、固定成本及惩罚成本构成，重挂行驶成本为
Figure BDA0003869895110000101
空驶成本为：
Figure BDA0003869895110000102
当天使用车辆固定成本为：
Figure BDA0003869895110000103
惩罚成本为：
Figure BDA0003869895110000104
则目标为网络运营成本最小表示为：
Figure BDA0003869895110000111
目标函数2：
投入牵引车数量最少，表示为：
min Z2＝Kz (2)
约束条件为：
Figure BDA0003869895110000112
Figure BDA0003869895110000113
Figure BDA0003869895110000114
Figure BDA0003869895110000115
式中，
N：表示所有公路港的集合，共有n个公路港，N＝{1,2,…，n}；
i，j，l：表示公路港的编号，i，j，l∈N；
M：表示牵引车类型集合；
m：表示牵引车的类型，m∈M，此m＝1为普通半挂牵引车，m＝2为公路港半挂牵引车；
mk：表示第m种类型牵引车k，k∈{1,2,…,K}；
Figure BDA0003869895110000116
表示第m种类型牵引车k的标准载重质量；
Kz：表示路网需要的牵引车总数，
Figure BDA0003869895110000117
dij：表示公路港i，j之间的距离，单位：km；
qijm：表示公路港i至j需要的m类型牵引车的甩挂运输需求，普通厢式甩挂用货物吨位表示，公路港甩挂运输用趟次来表示。由于需求不一定平衡，qijm不一定等于qjim；
Figure BDA0003869895110000121
分别表示公路港i至j时m类型牵引车牵引k重挂及空驶的成本，单位：元/km；
Figure BDA0003869895110000122
表示单位时间内m类型牵引车k使用的固定成本，包括车辆折旧、员工工资等，单位：元；
T：表示牵引车连续工作的时间，规定所有牵引车每天连续工作的时间都相等；
vm1,vm2：表示m类型牵引车牵引重挂及空驶的速度，单位：km/h；
k1,k2：分别表示牵引车牵引重挂及空驶的状态，k∈{1,2,…,K}；
Figure BDA0003869895110000123
Figure BDA0003869895110000124
Figure BDA0003869895110000125
分别表示m类型牵引车k从公路港i重载和空驶驶往公路港j的趟数，厢式甩挂趟数可以由货物运输吨位(需求)计算得到；
Figure BDA0003869895110000126
表示公路港i至j需要的m类型牵引车k的甩挂运输需求未被满足时的惩罚成本；
Figure BDA0003869895110000127
式(1)表示网络运营总成本最小；式(2)表示投入牵引车数量最少；式(3)表示公路港之间的甩挂需求得到满足；式(4)表示牵引车连续工作时间限制；式(5)表示路网牵引车数量等于完成任务的牵引车数量总和；式(6) 表示惩罚成本。
随后，通过采用动态规划、节约里程法和改进模拟退火算法进行求解。具体求解过程如下：
本申请中采用的车型共有两类，分别为普通半挂牵引车、公路港半挂牵引车，其中普通半挂牵引车存在多种车型，普通半挂运输需要满足载重约束且必须由普通半挂牵引车进行牵引；对于公路港半挂牵引车存在二轴、三轴车型，公路港半挂运输需要满足轴数约束且必须由公路港半挂牵引车进行牵引，因此可以将所有调度任务分为三类，依次为普通半挂、二轴公路港半挂、三轴公路港半挂，并独立求解，以降低问题复杂度。
对于普通半挂运输，将公路港之间运输量分配到具体调度车辆上，分为两个决策，其一为将运输量分割成单个挂车可以承载的重量，转变为一个或多个调度任务；其二为将调度任务进行合理拼接，从而实现车辆、成本降低的目的。若采取智能启发式算法对两个决策同时进行优化，整个问题复杂度会非常高，在有限的时间内很难获取较为满意的解。本文将两个问题依次分开处理，第一个是通过动态规划在不考虑任务拼接的前提下处理运输量分割问题，第二个是通过节约里程法对改进模拟退火算法提供初始解，然后再对解进行优化。
对于二轴、三轴公路港半挂运输，不需要处理运输量分割问题，只需要考虑调度任务进行合理拼接的问题，该问题的算法设计与普通半挂运输第二个问题处理一致，其具体算法设计思路如图2所示。
在对普通半挂运输的动态规划中并没有固定的处理方法，其主要思想是将待求解问题分解成若干个子问题，先求解子问题的最佳解，然后从这些子问题的解得到原问题的最佳解。本文通过该算法解决不考虑任务拼接的前提下普通半挂运输量分割问题(类似于板材切割问题)，此问题属于整数线性规划问题，对于两个公路港单向运输量构建分割模型。由此，可以建议以下数学模型：
Figure BDA0003869895110000141
约束条件：
Figure BDA0003869895110000142
Xi≥0,Xi∈Z,i∈I (9)
符号说明
FQ—运输需求量为Q时的总成本；
xi—每种牵引车使用的数量；
I—牵引车集合，共有三种车型；
Ci—每种牵引车的固定使用成本；
D—公路港之间的距离；
Pi—每种牵引车重挂时的变动成本；
Li—每种牵引车的最大载重量；
Q—公路港之间的单向货运量；
Z—整数集合
式(7)表示总成本最小；式(8)表示运输需求量小于等于所使用牵引车的最大载重量；式(9)表示牵引车的使用量为整数。通过上述数学模型即可获得普通半挂运输的任务量分割，为更清晰的描述该算法逻辑，具体可以采用以下求解步骤进行求解：
Step1输入运输量Q；
Step2赋值Q0＝1；
Step3当Q0＜Q时，执行以下步骤：
(1)赋值F(Q0)＝inf；
(2)判断是否有车型可以单车直接承载Q0，若有，计算最小成本的车型成本F1；
(3)令F(Q0)＝min[F(1),F(Q0)]；
(4)ForM＝1,Q0＝1
F(Q0)＝min[F(Q0),F(M)+F(Q0-M]；
End
(5)Q0＝Q0+1；
Step4输出运输量为V时的最佳分割方案，转化成调度任务。
通过改进模拟退火算法求解公路港甩挂运输车辆调度涉及解空间结构如何设计、初始解如何生成、评价函数如何设计、邻域解如何生成以及算法如何终止等几个算法设计核心问题，下面就上述几个关键问题进行具体描述：
(1)解空间结构设计
对于任何模型而言，通过启发式算法求解都需要设计对应的解空间结构设计方式来表达唯一性、完备性的方案。本申请将普通公路港半挂运输转化成多个调度任务，通过以调度任务为编号的整数顺序段来描述调度任务拼接问题。若M为调度任务的数量，则编码长度编为M，设M＝8，具体解空间结构呈现如下所示：
Figure BDA0003869895110000151
(2)初始解的生成
执行模拟退火算法需要一个初始解以开始其局部搜索过程，初始解的选择对模拟退火算法最后收敛结果存在一定影响，在本文中运用节约里程算法的思想对调度任务进行合并，进而形成初始解。
节约里程法是求解VRP问题近似解一种经典的算法，该算法首先令一辆车只服务于一个节点，然后通过计算任意两条线路在满足约束下合并节省的距离得到里程表，依据里程表更新节约里程最大的合并线路，并更新里程表，直到任意两条线路无法合并或无法节约里程。
对于普通半挂运输类型，设S为经过动态规划求出调度任务集合， O(s)、D(s)、L(s)、C(s),s∈S分别为每个任务的起始公路港、目的公路港、运输量、选择的车型载重，具体算法步骤如下：
Step1输入调度任务集合S以及相关参数，O,D,L,C(含义如上),最大调度时间TM；
Step2计算每个任务由指定的一辆牵引车进行服务的运输时间T、成本F，线路road；
Step3初始化G＝0，并执行以下循环及判定
Lens＝size(S),得到任务数量
Fori＝1:Lens
Foj＝1:Lens
计算牵引车完成任务i，再执行任务j，所增加的行驶时间T1
IfC(i)≥C(j)andT(i)+T1+T(i)≤TM
计算两个任务合并后减少的成本F1
end
Fm(i,j)＝max(F1,0)
End
End
IfmaxFm＞0
计算出节约成本最大的任务组合，i1,j1
更新线路road(i1),成本F(i1),时间T(i1)
删除线路road(i1),成本F(i1),时间T(i1)
Else
G＝1
End
Step4输出线路road,成本F,时间T
对于二轴、三轴公路港半挂运输，两者在此部分计算方式一致，相比普通公路港半挂运输只有在车型判定上的区别，在此给出二轴公路港半挂运输的算法步骤：
Step1输入调度任务集合S以及相关参数，起点O,目的点D,最大调度时间 TM；
Step2计算每个任务由一辆牵引车进行服务的运输时间T、成本F，线路road
Step3初始化G＝0，并执行以下循环及判定
Lens＝size(S),得到任务数量
Fori＝1:Lens
Foj＝1:Lens
计算牵引车完成任务i，再执行任务j，所增加的行驶时间T1
IfT(i)+T1+T(i)≤TM
计算两个任务合并后减少的成本F1
end
Fm(i,j)＝max(F1,0)
End
End
IfmaxFm＞0
计算出节约成本最大的任务组合，i1,j1
更新线路road(i1),成本F(i1),时间T(i1)
删除线路road(i1),成本F(i1),时间T(i1)
Else
G＝1
End
Step4输出线路road,成本F,时间T。
(3)评价函数设计
评价函数是用来决定当前解与邻域解是否被接收的评价公式，为便于理解以及充分体现客观性，常用的评价函数一般为目标函数或者目标函数的某种线性化处理。本申请所研究的公路港甩挂运输车辆调度优化模型中存在两个目标函数，分别是甩挂运输综合成本Z1和牵引车投入数量Z2，由于两者在量纲和数量级上相差较大，根据算法迭代过程中出现的最大值
Figure BDA0003869895110000181
以及最小值
Figure BDA0003869895110000182
Figure BDA0003869895110000183
按照如下数据归一化方式处理后，再进行加权处理：
Figure BDA0003869895110000184
Figure BDA0003869895110000185
Z＝ω1·Z’1+ω2·Z’2 (12)
(4)约束条件处理
在本文模型中，对于普通半挂运输约束条件为：车型约束、载重约束、时间约束，对于二轴、三轴公路港半挂运输约束条件为：载重约束、时间约束。
在此通过解码分别进行说明，具体如下：
①普通半挂运输
Step1输入调度任务编顺序G＝[8 2 5 1 4 3 7 6],起始公路港O(s)、目的公路港D(s)、运输量L(s)、选择的车型载重C(s)、运输时间T(s)、F(s)，s∈Ss∈S，最大调度时间TM；
Step2设置线路编号n＝1，顺序编号m＝1,将调度任务G(m)由对应车型进行运输，形成线路Road(n)＝{O[G(m)],D[G(m)]},计算运输时间,选择的车型载重 RC(n)＝C[G(m)]，成本RF(n)＝F[G(m)]；
Step3更新m＝m+1,计算牵引车继续完成调度任务G(m)所增加的行驶时间Ti, 如果RC(n)>＝C[G(m)]且RT(n)+T1+T[G(m)]≤TM,则进行任务拼接并更新线路 Road(n)＝{Road(n),O[G(m)],D[G(m)]},运输时间RT(n)＝RT(n)+T1+T[G(m)]以及成本，进入第五步；若不满足条件进入第四步。
Step4更新n＝n+1,将调度任务G(m)由对应车型进行运输，形成线路 Road(n)＝{O[G(m)],D[G(m)]},计算运输时间RT(n)＝T[G(m)],选择的车型载重 RC(n)＝C[G(m)]，成本RF(n)＝F[G(m)]；
Step5如果m≥Numel(G),输出线路等信息，否则返回Step4。
②二轴、三轴公路港半挂运输
相较于普通半挂运输没有了车型约束，在解码过程中，只有在这一条上无需判断，在此不再赘余。在调度任务解码的过程中，每一个调度任务的运输都进行相关约束的计算，保证了每个编码方案的可行性。
(5)邻域解构造方法
邻域函数是模拟退火算法中由当前解产生邻域解的技术方法，其构造策略需要结合研究问题本身的特点进行设计。
基于“一个邻域结构的局部最优解不一定是另一个邻域结构的局部最优解”、“全局最优解是所有可能邻域的局部最优解”两个实际理论，本文通过三种邻域结构进行搜索来提高求解最优解的可能性，具体邻域结构如下：
假设当前调度任务顺序为：
8 2 5 1 4 3 7 6
邻域解构造方法包括以下三种方式：
①重置(relocat)，任意选取当前顺序种的一个位置，将该位置的编号随机指定另一个位置。若选择了第三的位置并指定到第六的位置，则新的顺序为：
8 2 1 4 3 5 7 6
②交换(exchange)，任意选取当前顺序中的两个位置，将两个位置的编号交换下顺序，若选择了第三跟第六的位置则新的顺序为：
8 2 3 1 4 5 7 6
③2-opt，任意选取当前顺序中的两个位置，将两个位置之间的顺序进行翻转。若选择了第三个位置并指定到第六个位置，则新的顺序为：
8 2 3 4 1 5 7 6
(6)算法终止准则
模拟退火算法包括分为内外两层循环，故其包括内外两个终止准则，其中
①内循环终止准则—采用与问题规模相关联的步数抽样，即当内循环次数达到某一与路网规模乘以某个系数值所对应的步数时，该温度下的算法内循环终止；
②外循环终止准则—采用设置终止温度阈值的方法，即当温度下降到某一设定的阈值时，算法终止并输出结果。
综上所述，改进模拟退火算法具体为：
Stepl基础数据的加载，所需基础数据包括甩挂运输网络拓扑结构，各个公路港间距离，车辆行驶速度，三种普通半挂车、两种公路港半挂车重驶成本、空驶成本及固定成本，以及普通半挂车、公路港半挂车甩挂需求量等数据；
Step2算法参数设置，包括算法初始温度ts，算法结束温度tf，温度衰减参数α，以及马尔科夫链长度(最大恒温迭代次数)mk；
Step3初始化，根据前文提出的节约里程法生成公路港甩挂运输车辆调度方案{X}，计算其评价函数值F，令当前温度为t←ts，当前恒温迭代次数n←1；
Step4根据前文设计的邻域解构造方法随机生成当前车辆调度方案X的邻域解{Xneigh}，并计算其评价函数值Fneigh；
Step5执行Metroplis选择，计算邻域解评价函数值F’，以及两个解的函数差值ΔF＝F’-F，按照如下方法选择接受原解或邻域解为当前解：
①如果ΔF＜0，接受接邻域解为当前解，恒温迭代次数n←n+1；
②如果ΔF＞0且exp(ΔF/t)＞rand(0,1)，接受接邻域解为当前解，恒温迭代次数n←n+1；
③其余条件下，接受接原解为当前解，恒温迭代次数n←n+1；
Step6恒温迭代判定，如果当前恒温迭代次数小于马尔科夫链长度，即n≤mk，转Step5，否则，转Step7；
Step7降温退火，根据设置的温度衰减参数降低***温度t←α·t；
Step8算法终止判定，如果当前温度大于算法结束温度，即t＞tf时，转Step4，否则算法终止，输入当前解为最优解。
最后，可以通过实例对上述优化方法进行论证。具体的，物流企业L依托某公路港甩挂运输，在30个城市都具有甩挂运输点，如何在甩挂网络中安排车辆调度，使得整个网络成本最低是企业管理者希望解决的技术问题。
根据交通运输部公布的3批公路甩挂运输推荐车型，该物流企业L可以整合使用的牵引车车辆及重挂空挂行驶成本、固定成本，如表1所示：
表1物流企业L甩挂运输车型
Figure BDA0003869895110000221
假设同一类型不同型号牵引车行驶速度相同，重挂速度为50km/m，空驶的速度为:70km/m，每天连续工作时间T＝16小时，公路港直接的距离dij值根据 Google地图查得。
Figure BDA0003869895110000222
值使用Matlab2017a软件中的randint函数，在[0,200] 内生成30个公路港之间的甩挂运输任务，所有甩挂运输任务均为整数。
根据上述求解方法，将上述各任务数据与已知参数带入MATLAB2010a进行编程计算，进行多次运行后，取其中最优质值作为最终结果。
对于实例中的11438个任务，通过计算，采用本申请的调度优化方法，需要2428辆普通半挂牵引车、4080辆两轴半挂牵引车、4055辆三轴半挂牵引车完成既定任务，如表2所示，并得到每辆牵引车的编号和运行路线。对于某辆牵引车，从其所属城市的公路港出发，按照任务执行的时间先后，并按照连续工作时间的约束遍历表中归属自身的任务后留在公路港。
表2计算结果比对表
Figure BDA0003869895110000231
从表2中可以看出，通过设计模型计算得到该企业普通半挂运输甩挂比为 1:1:08、二轴半挂运输甩挂比为1:1.08、三轴半挂运输甩挂比为1:1.09。说明采用网络型调度优化会有更好的运营表现，能在最大程度上优化企业的运作，降本增效；同时由于车辆相对较高的购置费用，最优配比的确定也能够避免企业盲目购置车辆，造成固定资产闲置和资金负担。
从表2中可以看出，网络型甩挂方式比传统方式使用的牵引车数量更少，成本更低。网络型多车型甩挂比传统定挂运输的所需牵引车数量和总成本都有不同程度地减少，其中：普通半挂运输减少2.39％、成本节约7.54％，二轴半挂运输减少2.45％、成本节约7.42％，三轴半挂运输减少2.66％、成本节约7.95％。相比传统方式，在网络型甩挂中，允许牵引车在可能情况下牵引多个挂车任务，因此使用的牵引车数量必然减少。且当牵引车空驶增加的成本小于因为牵引车数量减少而节约的固定成本时，两种甩挂运输成本均呈现了下降趋势。
由此可见，与传统运输方式相比，本发明的一种多车型网络甩挂运输调度的优化方法通过建立网络甩挂调度目标优化模型，采用节约里程法获取目标优化模型的初始解，并通过改进模拟退火算法对初始解进行优化，得到最优解，同时通过实例验证了优化方法的有效性，使得多车型甩挂运输的牵引车使用数量和运营成本整体较低，相比传统运输模式，能在更大优化空间内节约成本、提高牵引车的适用效率。
以上实施例仅用以说明本发明的技术方案而并非对其进行限制，凡未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明技术方案的范围内。

Claims (8)

1.一种多车型网络甩挂运输调度的优化方法，其特征在于，应用于普通半挂、二轴公路港半挂以及三轴公路港半挂组成的的公路港网络甩挂运输中，包括如下步骤：
(1)建立网络甩挂调度目标优化模型；
(2)通过动态规划得到普通半挂运输的任务量分割；
(3)通过节约里程法获取步骤(1)中目标优化模型的初始解；
(4)通过改进模拟退火算法对初始解进行优化，得到最优解。
2.根据权利要求1所述的一种多车型网络甩挂运输调度的优化方法，其特征在于，步骤(1)中所述的目标优化模型为：
目标函数1：
设网络运营成本由重挂行驶成本、空驶成本、固定成本及惩罚成本构成，重挂行驶成本为
Figure FDA0003869895100000011
空驶成本为：
Figure FDA0003869895100000012
当天使用车辆固定成本为：
Figure FDA0003869895100000013
惩罚成本为：
Figure FDA0003869895100000014
则目标为网络运营成本最小表示为：
Figure FDA0003869895100000015
目标函数2：
投入牵引车数量最少，表示为：
minZ2＝Kz (2)
约束条件为：
Figure FDA0003869895100000016
Figure FDA0003869895100000021
Figure FDA0003869895100000022
Figure FDA0003869895100000023
式中，
N：表示所有公路港的集合，共有n个公路港，N＝{1,2,…，n}；
i，j，l：表示公路港的编号，i，j，l∈N；
M：表示牵引车类型集合；
m：表示牵引车的类型，m∈M，此m＝1为普通半挂牵引车，m＝2为公路港半挂牵引车；
mk：表示第m种类型牵引车k，k∈{1,2,…,K}；
Figure FDA0003869895100000024
表示第m种类型牵引车k的标准载重质量；
Kz：表示路网需要的牵引车总数，
Figure FDA0003869895100000025
dij：表示公路港i，j之间的距离，单位：km；
qijm：表示公路港i至j需要的m类型牵引车的甩挂运输需求，普通厢式甩挂用货物吨位表示，公路港甩挂运输用趟次来表示。由于需求不一定平衡，qijm不一定等于qjim；
Figure FDA0003869895100000026
分别表示公路港i至j时m类型牵引车牵引k重挂及空驶的成本，单位：元/km；
Figure FDA0003869895100000027
表示单位时间内m类型牵引车k使用的固定成本，包括车辆折旧、员工工资等，单位：元；
T：表示牵引车连续工作的时间，规定所有牵引车每天连续工作的时间都相等；
vm1,vm2：表示m类型牵引车牵引重挂及空驶的速度，单位：km/h；
k1,k2：分别表示牵引车牵引重挂及空驶的状态，k∈{1,2,…,K}；
Figure FDA0003869895100000031
Figure FDA0003869895100000032
Figure FDA0003869895100000033
分别表示m类型牵引车k从公路港i重载和空驶驶往公路港j的趟数，厢式甩挂趟数可以由货物运输吨位(需求)计算得到；
Figure FDA0003869895100000034
表示公路港i至j需要的m类型牵引车k的甩挂运输需求未被满足时的惩罚成本；
Figure FDA0003869895100000035
3.根据权利要求1所述的一种多车型网络甩挂运输调度的优化方法，其特征在于，步骤(2)中所述的动态规划包括：
建立数学模型
Figure FDA0003869895100000036
设置约束条件：
Figure FDA0003869895100000037
Xi≥0,Xi∈Z,i∈I (9)
上式中，
FQ—运输需求量为Q时的总成本；
xi—每种牵引车使用的数量；
I—牵引车集合，共有三种车型；
Ci—每种牵引车的固定使用成本；
D—公路港之间的距离；
Pi—每种牵引车重挂时的变动成本；
Li—每种牵引车的最大载重量；
Q—公路港之间的单向货运量；
Z—整数集合。
4.根据权利要求1所述的一种多车型网络甩挂运输调度的优化方法，其特征在于，步骤(3)中所述的节约里程法包括：首先令一辆车只服务于一个节点，然后通过计算任意两条线路在满足约束下合并节省的距离得到里程表，依据里程表更新节约里程最大的合并线路，并更新里程表，直到任意两条线路无法合并或无法节约里程。
5.根据权利要求1所述的一种多车型网络甩挂运输调度的优化方法，其特征在于，所述改进模拟退火算法包括以下步骤：
Stepl、获取基础数据，所需的基础数据包括甩挂运输网络拓扑结构，各个公路港间距离，车辆行驶速度，三种普通半挂车、两种公路港半挂车重驶成本、空驶成本及固定成本，以及普通半挂车、公路港半挂车甩挂需求量；
Step2、设置算法参数，其包括算法初始温度ts，算法结束温度tf，温度衰减参数α，以及马尔科夫链长度(最大恒温迭代次数)mk；
Step3、根据节约里程法生成公路港甩挂运输车辆调度方案{X}，计算其评价函数值F，令当前温度为t←ts，当前恒温迭代次数n←1；
Step4、根据邻域解构造方法随机生成当前车辆调度方案X的邻域解{Xneigh}，并计算其评价函数值Fneigh；
Step5、执行Metroplis选择，计算邻域解评价函数值F'，以及两个解的函数差值ΔF＝F'-F，按照如下方法选择接受原解或邻域解为当前解：
①如果ΔF＜0，接受接邻域解为当前解，恒温迭代次数n←n+1；
②如果ΔF＞0且exp(ΔF/t)＞rand(0,1)，接受接邻域解为当前解，恒温迭代次数n←n+1；
③其余条件下，接受接原解为当前解，恒温迭代次数n←n+1；
Step6、恒温迭代判定，如果当前恒温迭代次数小于马尔科夫链长度，即n≤mk，转Step5，否则，转Step7；
Step7、降温退火，根据设置的温度衰减参数降低***温度t←α·t；
Step8、算法终止判定，如果当前温度大于算法结束温度，即t＞tf时，转Step4，否则算法终止，输入当前解为最优解。
6.根据权利要求5所述的一种多车型网络甩挂运输调度的优化方法，其特征在于，设甩挂运输综合成本为Z1和牵引车投入数量为Z2，得到邻域解评价函数Z＝ω1·Z′1+ω2·Z′2，其中
Figure FDA0003869895100000051
7.根据权利要求5所述的一种多车型网络甩挂运输调度的优化方法，其特征在于，所述邻域解构造方法包括：
重置，任意选取当前顺序种的一个位置，将该位置的编号随机指定另一个位置；交换，任意选取当前顺序中的两个位置，将两个位置的编号交换下顺序；
2-opt，任意选取当前顺序中的两个位置，将两个位置之间的顺序进行翻转。
8.根据权利要求5所述的一种多车型网络甩挂运输调度的优化方法，其特征在于，所述改进模拟退火算法还包括约束处理，其中，对于普通半挂运输约束条件为：车型约束、载重约束、时间约束，对于二轴、三轴公路港半挂运输约束条件为：载重约束、时间约束。
CN202211193430.0A 2022-09-28 2022-09-28 一种多车型网络甩挂运输调度的优化方法 Pending CN115526492A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211193430.0A CN115526492A (zh) 2022-09-28 2022-09-28 一种多车型网络甩挂运输调度的优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211193430.0A CN115526492A (zh) 2022-09-28 2022-09-28 一种多车型网络甩挂运输调度的优化方法

Publications (1)

Publication Number Publication Date
CN115526492A true CN115526492A (zh) 2022-12-27

Family

ID=84698760

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211193430.0A Pending CN115526492A (zh) 2022-09-28 2022-09-28 一种多车型网络甩挂运输调度的优化方法

Country Status (1)

Country Link
CN (1) CN115526492A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116432386A (zh) * 2023-02-20 2023-07-14 湖南大学无锡智能控制研究院 一种用于智能公交***的多车型时刻表设计方法及***

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116432386A (zh) * 2023-02-20 2023-07-14 湖南大学无锡智能控制研究院 一种用于智能公交***的多车型时刻表设计方法及***
CN116432386B (zh) * 2023-02-20 2023-11-24 湖南大学无锡智能控制研究院 一种用于智能公交***的多车型时刻表设计方法及***

Similar Documents

Publication Publication Date Title
You et al. A generic model for the local container drayage problem using the emerging truck platooning operation mode
CN110189077A (zh) 一种考虑三维装载约束的多阶段车货匹配方法
CN108416559B (zh) 一种货运平台车主收益最大化智能拼车匹配方法
CN107871179B (zh) 一种基于运到时限的铁路货物列车运行图编制方法
CN115526492A (zh) 一种多车型网络甩挂运输调度的优化方法
CN104598475A (zh) 基于行车用量模型事件的存储及索引方法及***
CN111626469A (zh) 一种面向运能提升的快慢车开行优化方法
CN112766611A (zh) 一种三维装车方法及装置
CN112446648A (zh) 基于非高峰时段的城市轨道交通混合运输方法和***
CN111860957A (zh) 一种考虑二次配送和平衡用时的多车型车辆路径规划方法
CN114626755A (zh) 一种基于马尔可夫决策的钢铁物流智能调度方法及***
CN112183838B (zh) 一种基于多约束修正c-w算法优化解决智能无人车路径规划问题的方法
Ranathunga et al. Simulation-based efficiency assessment of integrated first-mile pickup and last-mile delivery in an e-commerce logistics network
CN114529241A (zh) 一种基于运筹学理论的公路零担货运物流路径规划算法
Komor Reducing energy use in US freight transport
CN109034593B (zh) 一种拼车优先管控策略实施效益评价方法
Chen et al. An integrated inbound logistics mode with intelligent scheduling of milk-run collection, drop and pull delivery and LNG vehicles
Feng et al. Optimization of Drop-and-Pull Transport Network Based on Shared Freight Station and Hub-and-Spoke Network.
CN114757394A (zh) 基于工作量平衡的物流车辆路径优化方法、***和介质
CN113393111A (zh) 基于变邻域禁忌搜索算法的跨境运输双边接驳车辆调度方法
Leu et al. A green vehicle routing method for the regional logistics center
Iriani et al. Cost optimization in determining the distribution route of fabric product using the savings matrix method
CN110084463A (zh) 基于大数据的干线运输预配货的方法及***
Guo et al. Scheduling Optimization Model for Highway Port Network Tractor and Semitrailer Dispatching Considering Time Window under Unbalanced Demand
CN117455341B (zh) 一种智能化车货匹配灵活调优方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination