论文部分内容阅读
近年来,国内各大城市陆续建立了专业的金融押运企业,为银行网点、超市、医院等场所统一提供押运服务。虽然金融押运服务业发展较快,但整体上还处于起步阶段,车辆路径规划主要靠经验完成,与信息化、智能化的要求还相距甚远。本文的研究目的即为金融押运中车辆路径规划提供决策支持。和其他车辆路径问题相比,金融押运有以下特殊性需要考虑:第一,时间窗约束非常紧,且往往要求在城市路网的上下班高峰进行,速度受出发时间的影响较大且具有随机波动性;第二,押运货物与客户一一对应,车辆出发后如果发生意外(比如严重堵塞、交通事故等),通常的补救策略都不适用;第三,车辆路径一旦规划好,相当长时间内需要保持稳定。经过调研分析,本论文将金融押运车辆路径规划抽象为时间依赖车辆路径问题(Time Dependent Vehicle Routing Problem,TDVRP)和随机时间依赖车辆路径问题(Stochastic Time Dependent Vehicle Routing Problem,STDVRP)两种动态网络模型。TDVRP模型中,为避免超车问题,本文将旅行速度作为时间的函数,在满足硬时间窗的条件下要求总费用最小。STDVRP模型中,本文同时考虑了旅行速度的时间依赖性和随机性,即将速度处理为简单的随机过程,研究了保证最坏情况客户满意度不超过某个限度的条件下,要求期望总费用(包括车辆固定费用和旅行时间费用)最小的优化策略。为求解上述模型,本论文提出了一种多种群进化策略算法,其实质是一种群体搜索的元启发式算法,对Solomon标准问题集的计算结果表明该算法有较强的全局寻优能力。然后,本文分别建立了符合金融押运特点的时间依赖算例和随机时间依赖算例,通过算法结果的比较分析,证明了TDVRP模型和STDVRP模型的有效性。最后,本文以深圳威豹金融押运公司在南山区早送晚接业务的数据为基础建立了实际算例,并对TDVRP模型和STDVRP模型的结果进行了分析。说明本文不仅具有理论上的创新意义,也具有较高的实际应用价值。