基于最小损失的紧急冷链物流车辆选路问题的优化外文翻译资料

英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料

附录A 译文

基于最小损失的紧急冷链物流车辆选路问题的优化

作者：Chengming Qi^lowast;, Lishuan Hu

摘 要

基于应急冷链物流资源最短的调度时间，建立了随车流失，制冷消耗和货物随时间损坏的应急冷链物流调度数学模型。考虑实际配送路线的交通状况，基于网络优化思想和百度地图API，采用启发式算法求解应急冷链物流调度模型。提出的优化模型自适应地调整信息素更新策略，可以平衡收敛速度和解决方案的多样性。结合Pareto局部搜索（PLS）可以避免局部最优解，并加快搜索速度，从而获得统一的Pareto最优边界，并保持Pareto解集的多样性。

关键词 车辆路线问题; 应急冷链物流; 蚁群算法; 帕累托本地搜索

1. 介绍

应急冷链物流作为一种特殊的专业应急物流，可以满足对食品，药品和其他易腐或易腐和新鲜产品的温度控制的严格要求。作为应急物流系统的重要组成部分，它为需要低温存储的应急材料提供了稳定可靠的质量保证。因此，应急响应机制启动后，应急冷链物流应更多地考虑物料的运输，分配和分配的流通过程，这在应对突发事件中起着决定性的作用。在应急物流的研究中，许多学者从概念，特点，体系建设和保障机制等方面进行了探讨。Tnfekci认为应急管理本质上是一个复杂的优化问题。Sheu指出应急物流与一般商业物流的区别在于它具有不可预测性，不确定性等重要特征。

由构建的模型可以确定物资的数量以及急救中心的数量和分布。基于客户满意度和客户的时间窗的车辆调度问题，也已经在相关领域在最近几年大多数专家和学者开始使用智能算法来解决车辆路径问题。通过启发式算法，Zeng等人。解决了减灾系统中应急服务设施的位置和应急资源运输路线安排的两个子问题。Zou等人在应急冷链物流资源的响应时间最短的情况下。也通过使用启发式算法解决了他们的模型。为了满足紧急需求的目的，并增加了应急管理成本，Bao等人。构建了供应链紧急采购的决策模型。但是，很少有研究考虑到城市交通拥堵导致驾驶时间延长，车辆能耗显着增加这一事实，从而影响了总成本。

车辆路径问题（VRP）是物流管理系统中的重要问题，在组合优化中属于NP问题。为了在冷链中分配新鲜农产品，车辆燃料消耗，制冷消耗以及货物本身随时间造成的损失已成为企业损失控制的主要对象。同时，商品分销中的损失问题也引起了许多专家学者的关注。张等提出了一种改进的遗传算法来解决冷链分配中的冷却成本。

Chen指出，减少车辆路线问题中的燃油消耗可能是有效的。Psaraftis涉及用于解决DVRP（动态VRP）问题的AI算法。Armas等提出了一种元启发式算法来解决DVRPTW的两个变体（带时间窗的DVRP），该变体考虑了多个时间窗和车辆-客户约束。杨等为一家名为MACS-DVRPTW的监视公司开发了一种算法，用于调度车队的路线。专家学者对冷链物流VRP进行了大量研究。他们已经对货物分配过程中的货物损坏，制冷损失和燃料消耗进行了一些研究，但是国内外对于将这些损失作为总体目标的车辆路径问题的研究却十分缺乏。淮等提出了一种具有多类型车辆的多目标模型，并使用了改进的遗传算法来解决VRP。但是，大多数这些研究仅将货物损坏的成本和运输过程中制冷的损失增加到其模型中。他们没有考虑卸货时的损失。

Dorigo等提出了TSP的蚁群优化（ACO）。它执行的问题许多学者用蚁群算法现实世界的应用，多目标组合优化问题和更大的TSP实例。张等使用改进的遗传算法来解决多仓库和多车辆路由问题模型。Ma等研究了冷链物流中随机需求的优化模型。Wang等以碳税为基础的冷链物流成本最低的目标函数，并提出了一种循环进化遗传算法（CEGA）来求解该模型。最近，李等人提出了一种用于冷链物流配送的智能情境感知管理框架（命名为CMFCCL），该框架用于情境感知管理中，考虑了用户的时间，位置，环境，活动和设备的使用。但是，这些研究仅考虑了改进的智能算法，并且大多数使用模拟数据，这与实际数据有所不同。

范等人研究了新鲜农产品冷链物流中的五种成本，包括固定成本，运输成本，破坏成本，惩罚成本和能源消耗成本。建立了以总成本为目标函数的优化模型。然后他们使用蚁群算法设计模型。Li等引入碳排放因子以建立低碳路径模型，并设计了一种改进的禁忌搜索算法进行求解。在构建优化模型时，本文同时考虑了能源成本，碳排放量和车辆租赁费用。然而，他们的研究在影响损失的因素方面还不够全面，例如在卸货期间货物损坏的成本。此外，他们的工作没有建立处理目标的多目标模型。

受这两篇论文的启发，我们构建了配送过程中应急冷链物流调度的数学模型，包括车辆损失，制冷消耗和货物随时间的损坏。我们的系统支持百度地图的常见操作。基于网络优化思想和百度地图API，采用启发式算法求解多目标优化模型。对蚂蚁进行多目标Pareto局部搜索，以获得统一的Pareto最优边界，并保持Pareto解集的多样性。

显然，应急冷链物流还受到不同紧急情况的不同类型需求的影响。但是，从上述国内外文献中，物流运作只是从单一目标优化的角度进行讨论的，其中大多数是正常条件下的物流和供应链管理运作。紧急情况下的优化方法很少，忽略了供应链应急系统与常规物流配送系统之间的差异。因此，本文从紧急情况下的应急冷链物流资源调度系统的角度出发，构建了多目标模型，优化了配送路径。

本文的结构如下。第1节 介绍背景和相关工作。第2节构建了应急冷链物流贡献模型。第3节介绍了一种改进的ACS-PLS算法。在第4节中，我们提供了ACS-PLS在实际交付情况下的实验结果，并与基本ACO的性能进行了比较。我们在第5节中总结了本文的贡献。

1. 问题描述

基于最小损失的冷链配送车辆路线安排问题可以描述为：考虑将损失成本降至最低，同时考虑从单个配送中心向具有不同需求的多个客户点分配相同类型的冷藏车，燃料消耗成本和冷却成本，并解决优化目标功能的路径安排。

该模型的基本假设如下：

只有一个配送中心，位置已知，并且有足够的货物，不存在货物短缺。

所有送货车辆均为同类型，具有相同的载重量，并具有制冷功能，可以达到货物所要求的温度。

所有送货车辆在配送中心开始和结束，并且在途中不返回。

货物属于同一类新鲜农产品，需要相同的温度，且损失仅与时间有关。

每个客户只能分配一辆车，并且每辆车可以交付多个客户积分。

参数定义如下。Z是目标函数。ķ = { 1 ， 2 ，...，ķ }是配送车辆的集合。N = { i ，j | 我，Ĵ = 0 ， 1 ， 2 ，...， Ntilde; }是该组的客户点，其中我= 0表示分配中心。q i代表客户点i的需求。d ij表示从客户点i到客户点j的距离。T ij是从客户点i到客户点j的旅行时间。T i表示送货车辆为客户i服务的时刻。T s代表客户的服务持续时间。Q是分配车辆的最大负载。x k i是0–1变量，并且x k i = 1表示客户点i由k汽车提供。X ķij是0–1变量，并且x k ij = 1意味着k辆汽车从客户点i到客户点j行驶。

3.型号

本文中的模型旨在最小化损失成本，并考虑了不同时间段内行驶速度的变化。因此，下面的文章介绍了考虑交通状况，目标结构和多个目标的处理的出行时间分析。

行程时间分析

本文利用百度地图提供的交通拥堵延迟指标来描述实际交通状况。交通拥堵延迟指数是指每小时计算的平均行程的平均行程时间与自由流动状态的行程时间之比。本文将时间段根据不同的时间划分为24 ha天，并对每个时间段的交通拥堵延迟指标进行平均。

设定的车辆的正常行驶速度在自由流动状态作为v，周期时从点车辆起动我（我 = 0 ， 1 ，...，Ntilde;）是周期ħ，在期间交通拥堵的延迟索引h是g h，周期h的结束时间是T h。因此，考虑以下三个条件下从i到j的 T ij：

1. 分配车辆的出发时间和到达时间处于相同的时间段h，并且行驶速度保持不变。

d ij

T ij =* g h（1）v

1. 配送车辆从h时段开始，到达h 1 时段（下一个时段h），并一次更改其行驶速度。

d ij - v / g h

T ij = T i * g h 1（2）

v

1. 分布车辆从开始ħ周期和到达ħ（ħ gt; ħ 1）期间，它的驱动速度改变很多次。

3.2 损失成本目标建设

3.2.1. 燃油费用

燃油消耗是车辆分配路径问题的成本构成中不可忽略的一部分。本文假设分配车辆的燃油消耗与车辆的实际负载成比例。让实际负载ķ车辆是Q ķ和的实际负载率ķ车辆中,将分配车辆的每单位距离的油耗成本设置为空载时的C 11 和满载时的C 12，则第k个车辆C 1 k的每单位距离的油耗成本可表示为：

C 1 k = C 11 P k（C 12 - C 11 ） （6）

总油耗成本C 1可以表示为：

ķ Ntilde; Ntilde;

sum;sum;sum; k P k（C 12 - C 11 ））（7）C 1 = x ij（C 11

k = 1 i = 1 j = 1

3.2.2. 制冷费用

研究了冷链物流配送路径问题。运输的货物具有特殊的易腐性。为了达到所需的商品分配温度，分配车辆需要具有制冷功能，这立即产生了制冷成本。

1. 运输中的制冷费用

运输中的制冷成本是指在运输过程中保持相应的低温以保持商品新鲜度所产生的制冷成本。假设配送车辆在行驶过程中每单位时间产生的制冷成本为C ₂ ¹，则运输途中的制冷总成本可表示为：

• 1. ntilde;

C 21 = sum;sum; x ik C 21 （T i minus; T i minus; 1 ） （8）

(2)卸货时的制冷费用

卸货时，由于舱室的门打开，舱室内的冷空气将流出，而外部的热空气将流入。为了保持舱室内的温度不变，将消耗更多的制冷剂，导致冷却费用的增加。将卸载时送货车辆每单位时间产生的冷却成本设为C ₂ ²。还假定轿厢门在车辆到达后立即打开，而门在卸载到下一个客户点后立即关闭。

3.2.3 货物损坏费用

由于冷链商品在配送过程中的特殊易腐烂性，随着时间的增加，由于门的开闭，微生物的生长等引起的温度不稳定性，商品的质量将越来越高。损坏到一定程度，造成一定的货物损坏费用。本文主要考虑时间的影响，而不考虑其他因素。假设商品的单价为p，而配送车辆要指向i时的负载为Q ⁱ。

1. 运输过程中货物损坏的成本

成本是指运输过程中随着运输时间的增加而发生的成本。假设每单位重量在运输货物的损失系数的每单位时间是theta; ^1。

1. 卸货时货物损坏的成本

卸货时的货物损坏成本是指到达客户点后打开卸货舱门的时间。卸货所需的时间以及车厢内外的温差会导致货物损坏的成本。让在卸载时每单位时间和单位重量的货物的货物损坏系数为theta; ²。

总之，损失目标的数学模型可以表示为：

最小Z ₂ = C ₁ C ₂ C ₃

4. 结论

本文研究了在资源调度时间最短的前提下，考虑冷链物流企业向目标交货的过程中损失最小的多目标路径优化问题，并考虑了交货速度在不同时间段的动态变化。基于网络优化思想和百度地图API，设计了一种启发式算法求解应急冷链物流调度模型。数值算例表明，该方法具有较强的适用性，在应急救援中具有潜在的优势。在以后的研究中，结合地理信息技术和遥感技术等多种空间信息技术，可以实现实时路况监控，使问题更加实际。

图1 一个配送中心和多个配送点以及四辆汽车的损失最小

图2 每一代的最短距离和平均距离

该方法在突发性事件的紧急救援中具有较强的适用性和潜在的优势，具有重要的现实意义和应用价值。它可以为突发事件中的紧急救援供应链，救灾，物资分发中的决策者提供有价值的参考工具。最大限度地降低经销总成本可以最大限度地提高经销企业的经

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[605677]，资料为PDF文档或Word文档，PDF文档可免费转换为Word