带时间窗的多车场多车型双层车辆路径问题的研究

2E-MDHVRPTW (2-echelon multi-depot heterogeneous vehicle routing problem with time windows) is a newly proposed hard problem in the combinatorial optimization field. It is one class of vehicle routing problems of high complexity, the path from single-layer routing towards multi-layer routing, and therefore of high academic value. So far the special case of this problem without time window constraints has been studied. The time window constraints, one of the core problems in vehicle routing studies, have not been investigated but will inevitably become the next hot research topic. On the other hand, in practice the logistic network has started to lay out multi-layer structures and serve customers within given time windows. Hence, the theoretical study of this problem is of urgent need. ..The difficulties of this problem lie in the fact that the existing models and methods can hardly handle such a complexity. Therefore, in this project, the mathematical modeling, exact methods and heuristic methods will be thoroughly studied. New ways of modeling, efficient exact methods and heuristic methods that can solve large real-life instances will be proposed by analyzing the characteristics of the problem. ..This project fills the theory void and is of high significance in practice. It can not only improve logistic efficiency and service quality but also reduce the pressure of logistic network on urban transportation and environments.

带时间窗的多车场多车型双层车辆路径问题是组合优化中新近提出的一个数学难题，是一类具有极高复杂度的车辆路径问题，也是从经典的单层问题迈向多级配送网络的必经之路，因而具有极高的理论研究价值。目前学术界主要针对不带时间窗的特例进行了研究，带时间窗约束的问题作为车辆路径的核心问题之一，在双层问题中，时间窗的理论研究还是空白，但必然会成为下一个研究热点。另一方面，实际物流网络已经开始采用多层结构和定时配送，所以迫切需要对该问题的理论研究。.该问题的主要难点在于目前已有模型和算法无法应对这么高的复杂度。所以本项目主要从数学建模、精确算法和启发式算法三方面深入展开研究，结合问题的特点探索建立数学模型的新方法、设计高效的精确算法和能够解决大规模实例的启发式算法。.本项目的研究不但可以填补理论空白，而且具有重大的实际意义：不但可以提高物流效率、服务质量，而且能够减小物流系统对城市交通和生态环境的压力。

车辆路径问题是组合优化中的一个经典问题。随着人们对运输配送的要求不断提高，车辆路径问题也出现了新的挑战，需要针对新问题的理论研究。在本项目中，我们研究了带时间窗的双层车辆路径问题，对该问题进行了建立了混合整形规划模型，将该模型在专业优化软件CPLEX中编程实现并设计实验、生成数据、检验了模型的正确性及有效性。同时我们研究了针对该问题的启发式大领域搜索算法。除此以外，我们以启发式算法为核心，紧跟车辆路径问题近几年出现的多种趋势，研究了几个关键问题中大规模启发式算法的理论和设计，取得了很好的效果。这些问题包括协同运输问题、动态协同车辆路径问题、多目标的路径优化问题、带时间窗的移动生产车辆路径问题。问题很多直接来源于实际数据和案例，因此具有良好的应用前景。有的问题针对的运输模式十分前沿，目前仍在概念阶段，但是关注度越来越高，具有较好的前瞻性。

内容获取失败，请点击重试