導語：如何才能寫好一篇車輛調度，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

【關鍵詞】鐵路車輛調度 信息系統 PowerBuilder

鐵路車輛段車輛調度主要負責鐵路客車、鐵路貨車的檢修、運用中的計劃編制、生產指揮、出入廠段組織等工作，負責指揮完成于鐵路車輛有關的鐵路運輸生產任務，承擔鐵路行車設備有關信息的收集與分析，并按規定組織指揮、協調處理工作。隨著鐵路運輸的發展和客貨運組織的變化，尤其是動車組的大量開行，鐵路車輛調度在鐵路運輸組織和鐵路車輛管理中的管理對象、要求、范圍、項目、手段等都發生了很大變化，因此如果能夠利用數據庫開發出對車輛段車輛調度信息統一管理的系統，將對鐵路車輛段的調度工作起到很好的作用。

本文利用車輛段現有的網絡模式，利用數據庫管理系統，構架出車輛調度信息管理系統，并實現各模塊的軟件功能。

1 系統需求分析

1.1 系統的功能需求

車輛段車輛調度的主要任務是對車輛的停放信息，列車的動態運用信息以及一級備用車相關信息的查詢和管理。所以總體上要將系統從這三個功能上劃分模塊。

調度的工作人員，每天最主要的工作就是進行信息的匯總和瀏覽查詢，為了減輕工作人員在系統上的操作量，界面的設計盡量簡單明了，并從現有數據庫中提取信息，保證數據的一致性。

1.2 系統的性能需求

本系統是基于C/S結構的網絡，鐵路部門對于網絡的安全性要求較高，并且都已經布有成熟的網絡硬件結構，考慮到現有網絡和數據庫模式，以及系統功能和信息特點，采用具有客戶端的軟件系統，能極大的滿足系統的穩定性、可靠性、并發性和安全性需要。同時能夠做到系統的課擴充性良好，系統管理簡單，可支持異種數據庫，有很高的可用性，可進行嚴密的安全管理。

2 系統設計

系統總體劃分為股道信息管理，列車動態運行管理，一級備用車管理三大模塊。并在每個模塊下按功能細分結構，如圖1所示。

2.1 股道信息管理

股道信息實際上是為了方便查詢車輛信息所設置的。車輛段的股道按不同的功能分為不同的區域，包括：修車股道、臨修股道、運用股道。在股道上停放的車輛也有不同的狀態：預檢交接、班組作業、工長校驗質檢校驗、驗收、驗收修竣等。所以在股道信息的管理中，通過劃分不同的區域實現股道信息的有效查詢，而為了方便查詢的直觀性，在股道上各車輛使用不同顏色標明狀態。

2.2 列車動態運行管理

列車動態運行包括運行信息和報警信息的管理。

列車的運行信息包括：列車啟運、列車正常運行、列車非正常運行。列車非正常運行時需要有非運行信息，包括：停車區間、停車日期、是否啟運、啟運日期。這部分對列車在運行中的狀況和運行的位置的信息進行有效管理。

列車運行報警信息主要是通過對數據庫中車輛的信息，以及對于車輛運行的信息結合車輛修程規則進行計算，最后匯總出在運用的車輛哪些需要進行檢修，在設置好的時間范圍內提前報警。方便調度人員在列車運行結束后重新編組車輛。

2.3 一級備用車管理

按調度的日常工作，一級備用車的管理劃分為：一級備用車信息，一級備用車日計劃和記名檢修單查詢三個部分。

一級備用車日計劃信息是調度用來每天制定一級備用車或待一級備用車計劃的。調度根據每天檢修好的車輛情況，將車輛定義成待一級備用和一級備用狀態，然后再按車輛報警的情況進行更換車輛，下達調度指令。

一級備用車信息主要指備用車日計劃信息，統計當天或已做計劃的某天待一級備用車和一級備用車的信息，包括不同車型每天計劃的最高儲量和最低儲量以及計劃量的情況。這樣在調度更換車輛時方便查詢或下計劃。

車輛調度工作人員有查詢車輛記名檢修單的權利。所以，在系統中設置記名檢修單查詢入口，方便查詢。

3 系統實現

3.1 系統開發平臺

系統前臺操作客戶端使用PowerBuilder開發（以下簡稱PB）。相對于其他應用開發工具而言，它具有速度更快、質量更高、功能更強、成本低的特點。PB內置的數據窗口對象類，可以方便數據庫的訪問，同時PB還具有強大的報表系統，能夠根據用戶的需要制定各種分析報表。

系統后臺數據庫采用Oracle數據庫。

3.2 系統主界面設計

根據各模塊的功能以及考慮到方便操作，界面風格采用Windows資源管理器的模式，使各個功能模塊一目了然，用戶登錄后就可以在界面上進行日常工作。

4 結論

本系統是一個較為完善的鐵路車輛段車輛調度系統，系統的側重是在信息的管理，方便調度人員及時有效的查看和使用信息，幫助工作人員提高工作效率，并減輕工作強度。該系統后期要進一步改進操作方式，結合智能手機的APP開放，將部分信息通過手機客戶端的方式進行查詢，方便并迎合現場人員的流動工作方式。

參考文獻

[1]張宇.關于編寫《鐵路車輛調度規則》的基本思路[J].鐵道車輛，2012，50（1）：36-38.

[2]侯淑英.B/S模式和C/S模式優勢比較[J]沈陽教育學院學報，2007，9（4）：98-100.

[3]樊金生，張翠肖，沙金.PowerBuilder10.5實用教程[M].北京：科學出版社，2009.

篇2

關鍵詞：車輛調度；物流；優化方案

中圖分類號：F513.2 文獻標識碼:A 文章編號:1005-6432(2008)36-0076-02

Research and Accomplishment of Haulage Vehicle Scheduling Optimization

Jiang Hua1 Yi Zhengjiang2

(1.School of Information Engineering,Jiaozuo University; 2.School of Economics and Management, Jiaozuo University)

Abstract: Through the mathematical analysis for the vehicle scheduling problem, this paper made simple and practicalvehicle scheduling algorithm. To achieve the implementation of computer-smart scheduling tasks, we designed the program ofvehicle scheduling optimization. This program realizes distribution scheduling with computer to the logistics and distributionenterprise, reduce costs and improve logistics management level have a certain reference value.Key Words: vehicle scheduling; logistics; optimization program

一、前言

電子商務廣闊的發展前景和連鎖商業的迅速發展為物流配送提供了發展契機，以往采取的手工作業或簡單的計算機作業處理方式已經不能滿足迅速發展的業務要求。隨著物流網絡規模的擴大，物流量的急劇增加，企業在進行物流配送時面臨一系列的問題。綜合人和計算機兩方面優勢的配送調度系統能有效地輔助處理配送過程中大量的決策問題，因此，是解決這一系列問題的良好方案。

本文以對整車物流配送的企業提供智能化、決策化支持為目標，提出以整車調度優化為目的的數學分析模型；然后討論了基于J2EE的輕量級Web軟件系統框架；最后對建立計算機實現整車調度優化系統進行了初步設計。

二、車輛物流的技術環境

車輛物流是集現代運輸、倉儲、保管、搬運、包裝、產品流通及物流信息于一體的綜合性組織和管理。車輛整車及其零部件的物流是各個環節必須高度有效銜接的高技術行業，主要包括車輛滾裝物流技術、整車物流信息技術、采購與JIT、生產供應技術等方面。

(1)滾裝物流技術。滾裝物流實際上是一種和車輛運輸緊密相關的物流技術，利用車輛自身具有移動作業能力的特點，結合其他的運輸方式組合而成的運輸方式。目前常見的有：車輛-車輛模式、集裝箱-車輛模式、輪船-車輛模式、火車-車輛模式等。這些運輸模式形式多樣，特點各異。

(2)整車物流信息技術。現代物流是以信息技術、電子技術為代表的高科技所支撐的集成化體系。信息化、智能化、集成化及專業化是現代物流的發展方向。廣泛采用GPS和GIS技術，可以優化駁運車運輸體系，降低物流運輸成本，包括隨時隨地、方便快捷地了解駁運車的最新狀況，就近調度，贏得更多時間；充分利用回程運力資源，實時跟蹤調度單、訂單及商品車的狀態等。

(3)采購與J I T生產供應物流技術。主要包括相應的設施設備和信息系統。在運輸工具配備上，使用專用的巷道式堆垛機和揀選叉車結合作業，在信息系統方面，倉儲管理系統采用中央控制、計算機網絡化和倉儲自動識別系統相結合的方式，將可以通過網絡與車輛生產廠進行實時的信息交換，接收生產計劃和J I T配送訂單，進行J I T生產供應，并及時反饋配送執行情況。

三、調度優化模型的數學描述

1.需求描述

車輛調度優化模型屬于實時決策范疇，其系統運行模式通常是：

(1)調度系統通過各種方式(E D I，手工生成，系統自生成……)不斷獲得新的客戶運輸調度指令。

(2)每隔一個時間段，系統被觸發運行一次優化模型，完成一個波次的預調度，把調度指令根據模型設置的若干規則分解成可實際操作的調度計劃。

(3)最后，系統調度人員確認預調度計劃，調度計劃得到真正執行，進入實體運作階段，直至計劃成功實施或者失敗系統重新生成調度指令，進入上面的循環。

2.模型數學描述

模型符號說明：

(1)Xi變量，表示是／否選擇第i個Column(1／0)；

(2)Rij(或Pij ) ，表示第i個Col u m n，行集合R(或P)中第j行的值；

(3)Si(或Fi)，表示第i個Column，行S（或F）；

(4)Gj，j=1～np，表示需要完成的每種運輸需求的數量，數據排列順序和裝載方式中P集合內的數據排列順序相同；

目標和約束

[目標函數]

其中， 為各項權重。

運輸量：

優先級程度：

[約束條件]

每輛真實運輸工具都有相應的裝載計劃。

運輸工具完成總的運輸任務＋虛擬運輸工具完成總的運輸任務＝需求

四、系統總體結構

以某物流運輸有限公司的整車運輸調度業務需求為例，設計和實現整車調度優化系統。整車調度優化系統屬于該物流公司整車調度業務系統的一部分，對原來系統中的若干人工處理業務進行規范和優化，并最終替代手工調度作業，由于該模型系統囊括了調度業務中的核心作業，優化模型系統逐漸變為整個系統的核心模塊。

1.車輛調度系統的總體結構

在物流業務中的位置，核心整車調度系統可以簡單的看做：物流系統(T M S)從客戶處獲得整車訂單，合理安排分供方的運輸工具把商品車運送到指定的倉庫或經銷商。在TMS內部，系統包括若干功能子模塊，如圖1所示。核心業務模塊主要是訂單管理子系統和調度單管理子系統(圖中核心位置表示)；支持子系統主要包括系統基礎數據信息采集，人員權限信息設置，系統安全管理等功能；B I子系統包含所有業務報表的描述；系統還包括若干其他子系統，來完成業務數據轉換，定時數據同步，系統監控等工 作。

2.系統實現框架原理

系統實現采用當前比較流行的框架體系，如圖2所示，前端表現層采用Turbine＋Velocity實現Web MVC訪問模式，主體采用S p r i n g框架做業務層的整合，分為AO(Application Object)和Manager兩個邏輯訪問層，AO層主要為整合各業務對象提供的服務，向前臺M VC層提供事務級的應答請求，M a n a g e層則負責各個業務對象本身的業務功能實現，并向數據訪問層提交或請求數據；數據訪問層基于ORM產品IBatis來實現O/R Mapping和數據庫訪問，向業務層提供細粒度的數據讀寫實現接口。三層間的對象訪問通過Spring IOC容器實現依賴的解耦，容器在對象生成時提供該對象所需要的依賴對象或資源。

圖2 系統結構圖

五、結束語

當前，全球市場競爭越來越激烈，我國物流企業必須合理地優化貨物的調度方案，充分利用企業內外部可用資源，以降低運輸成本、提高運輸質量，獲取更好的經濟效益，才能在激烈的競爭中立于不敗之地。整車物流企業計劃調度技術的研究，正是解決這些問題的主要途徑之一。

作者單位：

姜　樺 焦作大學信息工程學院

易正江 焦作大學經濟管理學院

參考文獻：

[1]宋國寧,蔣新松.大型過程工業自動化全過程體系結構[J].信息與控制,1994,23(2):60-78.

篇3

關鍵詞：易腐農產品；綜合成本；動態車輛調度；動態規劃算法

中圖分類號：F252.14 文獻標識碼：A

伴隨著市場經濟的高速發展，科學技術創新的日新月異，消費者需求日益呈現多元化和個性化，對易腐農產品[1]的色澤、營養、風味、新鮮程度以及送達時間等要求越來越嚴格，與此同時易腐農產品的產量和流通量也在逐年增加，易腐農產品具有易腐易損的特性，對運輸的時效性、儲藏的安全性要求比較高，在我國，易腐農產品運輸過程中普遍存在保鮮難、損耗多、成本高的問題。為了滿足消費者的不斷需求，企業需要提出更好地解決方案來提高消費者的滿意度，使得企業取得更大的效益。

目前對DVRP的研究，文獻[2]提出了DVRP的兩階段插入算法，車輛行駛在2個客戶之間時，持續運行算法求得當前路徑中的可行鄰域解；當有新需求的客戶出現時，利用當前所求得的鄰域解將新需求客戶快速插入到行駛的路徑中。文獻[3]提出了一種考慮未來客戶需求信息的調度策略，通過實驗對比證明了應用未來客戶信息可以取到更好的調度結果。文獻[4]中根據時間軸的概念將動態車輛調度問題分解為一系列靜態車輛調度問題，并建立了兩階段的數學模型，其編碼方式采取把最鄰近法與貪婪算法則相結合控制車輛沿途補貨，并用自適應免疫量子進化算法進行求解，引入免疫算子使線路內和線路間進行再優化，從而有效地提高了解的質量，加快了算法的收斂速度。本文主要針對易腐農產品易腐爛變質的特性，以易腐農產品運輸的綜合成本最少為目標，當客戶出現請求的新增、取消、修改以及交通堵塞等多種動態事件情況下，對配送路徑進行實時優化，在一定的約束條件下建立易腐農產品的動態車輛調度模型，利用動態規劃算法[5]解決實際問題，并驗證模型的有效性。

1 數學模型

1.1 問題描述及分析

假設G=N，E是一個完備的有向圖，節點集為N=0，1，2，…，n；邊集為E=i，j， i，j∈N， i≠j。其中0表示配送中心，其余為客戶點，根據每輛車需要服務的第一個客戶的最早開始時間設定該車的出發時間，車輛從配送中心出發，在2個客戶點之間不能改變其行駛方向，每個客戶都有一個要求服務的時間窗范圍和一個可接受的服務時間窗范圍，并且每個客戶且只能由一輛車為其服務。在某一時刻τ，有新需求的客戶出現，在考慮每輛車的當前載貨量和新需求客戶的位置、需求量和服務時間窗范圍下，系統會找出符合新需求客戶的運輸車輛，將新需求客戶插入到正在行駛的車輛中，使得運輸綜合費用最少，如果沒有符合新需求客戶的車輛，則進入到等待隊列中。車輛在滿足每個客戶要求的時間窗和每輛車的最大載貨量范圍內，完成對所有客戶點的配送服務后，最終回到配送中心。優化目標是確定車輛的最優行駛路線，使得綜合總費用最少。

1.2 模型的建立

本文引入關鍵點和未分配點[6]兩個術語來描述動態車輛調度問題。關鍵點是指行駛車輛正在配送的客戶點或正在前往的客戶點，每條路徑要求至多只有一個關鍵點。未分配點是目前還沒有服務到的客戶點，這里的“未分配”并不是沒有設定車輛為該客戶點服務，而是已經安排了車輛但還未行駛到。由此可知，在分辨已服務客戶點和未分配客戶點之間，關鍵點起著極其重要的作用。因此，當出現新需求客戶或者交通狀況發生變化時，需要迅速確定當前的關鍵點和未分配點之間的信息。

4 結 論

本文分析了易腐農產品運輸的綜合成本，在客戶需求不斷變化的情況下，建立了易腐農產品動態車輛調度模型，更貼近實際生活的需要。由調度中心進行實時監控，有新需求客戶到來時實時優化路線，采用基本的動態規劃啟發式算法進行求解，應用實例表明，動態規劃算法能夠在很短的時間求出比最近鄰域法更好解，實時優化行駛路線，同時在運行時間和存儲空間允許的情況下，求解出更大規模的問題，提高客戶滿意度，增加企業的利潤。

參考文獻：

[1] 王振鋒，徐廣印，等. 我國農產品物流的發展研究[J]. 物流科技，2006（6）：99-101.

[2] Angelelli E， Bianchessi N， Mansini R， et al. S-hort Term Strategies for a Dynamic Multi-period Routing Problem[J]. Transportation Research Part C： Emerging Technologies， 2009，17（2）：106-119.

[3] Yang Jian， Jaillet P， Mahmassani H. Real-time Multi-vehicle Truckload Pickup and Delivery Problems[J]. Transportation Science， 2004，38（2）：135-148.

[4] 張景玲，王萬良，等. 基于沿途補貨的多配送中心動態需求VRP建模及優化[J]. 計算機集成制造系統，2013，19（4）：869-878.

[5] Richard Belllnan. Dynamic Programming[D]. Princeton University Press， 1957.

[6] Chen， H. K.， Hsueh， C. F.， Chang， M.S.. The real-time time-dependent vehicle routingproblem[J]. Transportation Research Part， 2006，42：383-408.

[7] 劉光中. 動態規劃-理論及其應用[M]. 成都：成都科技大學出版社，1991.

篇4

關鍵詞：車輛調度問題；粒子群算法；平均最優信息；組合優化

中圖分類號：U116.2 文獻標識碼：A

車輛調度問題（Vehicle Routing Problem， VRP）是一個層次目標優化問題，最早由學者Dantzig和Ramser于1959年提

出[1]，自提出以來一直都是組合優化領域的熱點和前沿問題。車輛調度問題是典型的NP-hard問題，當問題所涉及的規模很小時可采用精確算法進行求解，但隨著問題規模的增大，精確算法的計算量呈指數增長，實際應用范圍非常有限。因此，如何通過少量計算并以較快速度得到一個相對滿意的解成為學者們研究的重點內容。在解決大規模VRP時通常采用啟發式算法或現代優化算法，現階段已有不少研究將啟發式算法應用到車輛調度問題中，其中神經網絡、模擬退火算法、蟻群算法以及遺傳算法尤為居多[2-5]。但這些算法均存在一定的局限性，如遺傳算法在尋優過程中早熟且收斂慢；禁忌搜索全局性差；模擬退火搜索速度慢等。因此尋求性能更優的啟發式算法，對于解決VRP具有十分重要的意義。

粒子群優化算法（Particle Swarm Optimization，PSO）[6]是目前國內外研究的熱點，它在大規模問題尋優過程中表現出比其他經典啟發式算法更大的優勢和可行性[7-8]。PSO算法雖具有自身優勢，但在實際尋優過程中仍會出現陷入局部最優值，早熟停滯進化現象。針對這些不足，本文利用基于粒子個體最優值與全局最優值的均值信息，將平均粒子群算法（Average PSO，AVGPSO）應用到車輛調度問題中。通過仿真實驗，驗證了該算法的有效性，并與標準粒子群算法進行性能對比，實驗結果表明改進的算法在解決車輛調度問題中表現出了更優的性能。

1 車輛調度問題描述

式（1-4）是容量約束，限制每條路線上的客戶需求量之和不超過車輛的最大承載量；

式（1-5）表示每個客戶需求點被訪問一次并且只能被訪問一次；

式（1-6）、（1-7）表示每個客戶需求點的需求只能由一輛車完成；

式（1-8）表示所有配送車輛均從配送中心出發，最后返回到配送中心；

式（1-9）、（1-10）為變量取值約束。

2 粒子群優化算法及改進

2.1 標準粒子群算法

2.2 基于平均最優信息的粒子群算法（AVGPSO）

標準粒子群算法中，速度更新公式中的第二項和第三項分別利用了粒子的個體極值和全局極值。該算法雖然在解決車輛路徑問題上已表現出較好的性能，但由于算法自身的粒子間信息共享機制可能會導致粒子在尋優過程中過分集中而易陷入局部最優值，從而過早地成熟收斂。文獻[9]在標準粒子群算法的基礎上引入了粒子個體極值的平均值，提出一種改進的粒子群優化算法，即在標準粒子 AVGPSO 算法過程如表2-1所示：

3 基于AVGPSO的車輛調度問題

3.1 構造粒子編碼

車輛調度問題是組合優化問題，其編碼方式和初始解的設定對問題的求解都有很大影響。本文根據文獻[10]的編碼思想，采用一種基于實數向量的編碼方式，即在不增加維數的前提下，將車輛和車輛中客戶的排序在編碼中表示出來。對于有N個客戶的VRP問題，粒子的狀態由N維的實數向量X表示。對于向量的每一維，其整數部分表示客戶所在的車輛，整數部分相同的，表示在同一輛車中；其小數部分表示客戶在該車輛中配送的次序。假設有8個客戶的VRP問題，需要的車輛數為3，采用該編碼方式表示如下：

客戶編號： 1 2 3 4 5 6 7 8

X ：2.1 3.09 1.51 1.34 1.21 1.76 3.35 3.17

按照上述描述的編碼思想，先將X取整，整數部分相同的劃為一個組，即得到如下三組：2.1，1.51，1.34，1.21，1.76，3.09，3.35，3.17。在得到的三組數中，按照小數部分的值從小到大進行排序，即有：2.1，1.21，1.34，1.51，1.76，3.09，3.17，3.35。將上述粒子的狀態映射成對應的客戶，即得到車輛的配送路徑：

車輛1：0-5-4-3-6-0

車輛2：0-1-0

車輛3：0-2-8-7-0

在該編碼方式中，粒子的維數與客戶的數目相對應，解碼時只需進行一次排序和取整運算，粒子狀態更新操作簡單，并能發揮粒子群算法的固有特點。

3.2 算法步驟

為驗證AVGPSO算法相對于標準PSO算法的優越性，同樣針對該車輛調度問題采用標準PSO算法進行優化，并將兩種算法進行性能分析比較。標準PSO算法的相關參數設置與AVGPSO算法一樣。最大迭代次數為500，每種算法獨立運行20次，每次優化得到的最優適應度值結果及運行時間如表4-3所示。其中，AVGPSO算法有19次搜索到最優解，而標準PSO只有14次，即AVGPSO的成功率為95%，標準PSO的成功率為70%，而且在運行時間上AVGPSO也快于標準PSO。圖4-2給出了AVGPSO與標準PSO算法的平均適應度值的進化曲線，由于所求目標函數指標為距離最短，即求最小值，所以適應度值曲線越往下越優。從圖中可看出，標準PSO算法與AVGPSO算法均達到了最優值，但AVGPSO算法的收斂速度明顯要快于標準PSO算法。

根據上述仿真結果可知，AVGPSO算法在搜索精度上比標準PSO算法高，收斂速度快，并且在找到最優值時的平均收斂步數更短，尋優性能遠遠勝于標準PSO算法。由圖4-2可知，在標準PSO算法陷入局部最優解時，AVGPSO算法能夠有效跳出局部最優，更好地保持了種群的多樣性，從而提高算法的優化能力。

5 結束語

本文針對標準粒子群算法在解決車輛調度問題時易陷入局部最優的缺陷，考慮結合粒子的個體最優值與全局最優值，將平均性能指標引入到算法的更新策略中，提出了一種基于平均最優信息的粒子群算法。通過實驗結果表明，該算法能快速有效地解決車輛調度問題。改進的算法編碼簡單，并且在種群進化過程中保持了種群的多樣性，增強了算法的全局搜索能力，是解決此類問題一種簡單易行的優化方法。

參考文獻：

[1] DANTZING G， RAMSER J. The truck dispatching problem[J]. Management Science， 1959，10（6）：80-91.

[2] 郭耀煌，李軍. 車輛優化調度[M]. 成都：成都科技大學，1994.

[3] Colorni A， Dorigo M， Maniezzo V. Distributed optimization by ant colonies[C] // In： Proc of 1st European conf Artificial Life， Pans， France： Elsevier， 1991：134-142.

[4] 張翠軍，張敬敏，王占峰. 基于車輛路徑問題的蟻群遺傳融合優化算法[J]. 計算機工程與應用，2008，44（4）：233-235.

[5] 劉之碩，申金升，柴躍延. 基于自適應蟻群算法的車輛路徑問題研究[J]. 控制欲決策，2005，20（5）：562-566.

[6] 曾建潮. 微粒群算法[M]. 北京：科學出版社，2004.

[7] 豐偉，李雪芹. 基于粒子群算法的多目標車輛調度模型求解[J]. 系統工程，2007，4（25）：16-19.

[8] 李寧，等. 帶時間窗車輛路徑問題的粒子群算法[J]. 系統工程理論與實踐，2004，4（4）：130-135.

[9] 蘇晉榮，李兵義，王曉凱. 一種利用種群平均信息的粒子群優化算法[J]. 計算機工程與應用，2007，43（10）：58-59.

篇5

針對以上提出的這些問題及配送要求，本文以“優化”為主線，研究分析冷鏈物流回程配載的車輛調度優化。

【關鍵詞】物流運輸；回程配載；冷鏈物流

1 回程配載

回程配載意思為具體的回程運班選配貨載，即承運人根據回程路徑向托運人提出托運計劃，根據運輸工具的特性，確定適合的貨物裝載數量、體積等，返回目的地的過程。

1.1基于回程配載的SWOT分析

1.1.1Strength

1.1.1.1自身優勢

根據物流公司自身優勢，整合物流信息，由統一平臺進行監控。物流公司信息功能主要有：

（1）車輛實時監控

監控公司所有自有車輛的位置信息，包含經緯度值，狀態信息包括時間、速度、方向、設備故障、空載、重載等信息，具有全程、實時、可視化冷鏈安全監控。

（2）歷史軌跡

車載終端上存儲的歷史軌跡記錄可以由管理中心通過無線方式按照時間段提取后存儲于管理中心，軌跡點可以在管理中心電子地圖上回放以重現車輛的行駛過程以及相應的冷鏈狀態信息。

（3）報警功能

車載終端除具有超速、越界等報警提示功能外，還配備有緊急報警開關，遇有緊急情況時，駕駛人員可向調度管理中心發送報警信息，由調度管理中心啟動應急預案。

（4）遠程控制

車載終端具有斷油斷電功能，調度管理中心在特殊情況下，可直接向車輛發送斷油斷電指令，停止車輛運行。

1.1.1.2外界優勢

（1）水陸交通。近年來我國大力發展交通事業，水路交通便利。

（2）人口優勢。人口集中可以產生許多經濟優勢或效益。

（3）雄厚的人才實力。我國高校眾多，培養了大批物流等相關專業的人才。

1.1.2Weakness

1.1.2.1自身劣勢。

我國物流行業雖然已經具有較為完備的信息管理系統，但與世界一流的冷鏈企業相比，仍然有一些差距。

（1）只有部分車輛和倉庫已經實現了倉庫和配送的可視化，有待推廣使用，完善系統。

（2）針對可視化的移動APP還在推行中，亟待成熟。

1.1.3Opportunity

自2009年以來，中國3G網絡不斷發展，促進了中國互聯網與傳統產業的成熟與發展，中國的4G網絡也于2015年日益成熟。因此，實現物流運輸過程可視化越來越值得期待。

1.1.4Threat

面對機遇，同時也要迎接挑戰。

（1）以三千多萬卡車司機服務的移動互聯平臺蘊藏著重要經濟價值，目前匯通天下、易流、維天運通這三家公司都在傾力抓住這樣的商業機會。

（2）快遞服務新行業中，以中通、順豐為例的快遞企業在不斷地變革。利用微信、APP的普遍應用的趨勢，在互聯網上創新快遞服務，贏得了較高的市場份額，提高客戶滿意度。

（3）傳統找貨方式中，司機們為了防止回程空車這種情況的發生，只能集中在熟悉的運輸市場中，尋找適合的運輸貨物。這種傳統找貨方式效率較低，無法達到雙贏目的。

推廣手機App，使司機能夠及時獲取訂單信息。司機在手機上安裝了APP之后，將自己的車型、可運載的貨物種類、運輸期間到達的時間以及地點，還有最終返回地等信息，通過移動終端上傳到網站。網站在后臺將車源和貨源信息進行自動匹配，將大量的數據整理成簡便明了的供需信息。

1.2解決方案

根據SWOT分析內容給出相應的評分制度：5-4分為特高；4-3分為稍高；3-2分為中等；2-1分為稍低；1-0分為特低。

根據評分制度給SWOT分析中各個因素項打分：

優勢：冷鏈物流全程安全監控（4）；運輸可視化（4）；便利的水陸交通（4）；密集而眾多的人口（3）；

劣勢：車輛和倉庫的信息化配備不完善（3）；可視化移動APP有待研究推廣（3）；所在地區行業競爭激烈（5）；

機會：4G網絡成熟（5）；公路物流運營（4）、快遞服務（4）和物流商業整合（4）的變革；

威脅：以3000萬卡車司機服務的移動互聯平臺已有三家公司進軍（4）；以中通、順豐為例的快遞企業已經陸續在移動互聯上實現了創新（4）。

根據評分制度為各項因素打分，計算各分析項的平均值，得出各項影響強度。并綜合物流公司現階段運營情況，選擇適合自身發展型戰略。

1.3根據SWOT分析法所采取的措施

1.3.1根據公司業務情況，調整車隊規模。

（1）盡量滿足自身的運輸需求，根據地區業務大小合理分配車隊，利用好自身調度平臺的優越性，更深層次地優化運輸效率。

（2）利用好閑置車輛，打造良好口碑，傳播物流公司自身影響力。

1.3.2抓住國內4G網絡成熟的機會，順應互聯網信息時代潮流。

（1）優化統一調度平臺，使其成為公司的強大競爭力。

（2）加大力度投入移動APP的研發，實現調度平臺與APP的鏈接。可以提供給引用的外來車輛，在很大程度上解決了引用社會車輛時產生的系統對接問題。

1.3.3利用高校優勢，挖掘人才。

（1）積極與高校建立良好的校企合作關系，確立為企業服務的理念，加強建設師資隊伍，提高學生實踐能力與理論知識。

（2）專家指導與人才引進。物流公司可以通過聘用高校專家、物流咨詢公司專家為培訓講師，有針對性地對企業制定戰略目標。

（3）重視車隊司機的科學文化素質與精神文明素質的培養。車隊整體素質的提高，能夠降低物流過程中由于技術或者服務等方面帶來的風險。

2 從空載率看待回程配載問題

2.1國內空載率發展現狀

“空載率”指車輛沒有搭載乘客或貨物的行車里程在整個運營行車中的百分比，即空載率%=空車行車里程/總行車里程。

數據顯示，我國2012年社會物流總費用9.4萬億元，其中運輸費用占社會物流總費用的比重的 52.5%，造成大量的物流損耗費用。據調查，我國公路上行駛的汽車，每年由于空載率高的原因造成的無效損耗高達100億元人民幣。而在國外，德國道路的貨運空載率約為 17.9%；1980年到2004年期間，英國貨運車輛的空載率從 33%下降的27%，目前仍在不斷下降。制定出公路貨運空載問題的系統化解決方案，降低空載率，對我國物流行業來說是重中之重。

本文從空載率這個角度出發，就如何降低空載率而獲得返程配載中的更多利潤提出相應解決方案。

2.2基于魚骨圖分析法分析空載率高的原因

根據魚骨圖分析法可以看出，空載率高的原因與政府、企業和個體商戶這三大主體有關。因此，要有效地降低空載率，需從這三個方面著手。

2.3基于冷鏈運輸提出降低空載率的解決方案

2.3.1政府：加強監管力度，劃分各部門職能，防止地域保護主義的出現。

2.3.2企業：統籌發展專用車輛，有效的對貨運資源進行整合，完善企業間的合作機制，強強聯合，實現資源共享。大力發展城市物流配送，科學規劃運輸路線，降低空載率。

2.3.3個體商戶：提高自身安全意識，合理運營車輛。加強信譽保障，誠信經營。

3 結論

本文對冷鏈物流回程配載的車輛調度優化研究進行了分析與討論。通過對回程配載的SWOT分析，提出解決方案，找出適合物流企業自身的發展戰略，科學發展。然后對國內外空載率現狀進行分析和對比，利用魚骨圖分析法找出我國冷鏈物流空載率高的原因，最后提出解決方案，研究如何降低冷鏈物流回程配載的空載率，合理利用資源，幫助企業良好發展。

參考文獻：

[1]于沖.物流節點能力與通路能力的匹配研究[J].20140601

篇6

關鍵詞：武警部隊；車輛；經濟效益

一、 研究背景

日前，汽油價格“破八”已經實現，高油價時代的猝然來臨，汽車行駛起來成本更高。武警部隊的公務用車種類多、品牌雜、性能各異，而且武警部隊各單位出車任務頻繁，油料消耗巨大，為此，武警部隊的公車使用經濟效益如何，該如何在高油價背景下提高武警用車的使用效益，如何改善公務用車的配置和調度，如何科學構建武警部隊車輛調度管理體系, 在滿足任務需求的情況下實現最優經濟效益, 是車輛調度工作的一個難題，成為一個值得研究的問題。

二、 武警車輛配置和使用的現狀

目前武警部隊的車輛使用配置方面，主要是各個單位自行組織內部的車輛購置、配置和使用，這樣，各個單位在車輛的配置數量、使用頻率、使用效益的研究上都所欠缺。在實際執行過程中，運營車輛始終要面對十分復雜的道路行車環境，同時還要面臨諸如天氣變化、車輛故障等異常情況，因此時常出現由于運力冗余量不足而導致的公車系統穩定性弱等問題。同時由于不同時段、不同出行目的的出行需求對車輛的要求不同，并且公車車型、規模等均與時空分布特性匹配性較低，造成資源的不合理配置和浪費。由于公車出行成本不用個人負擔，其使用率遠遠高于私家車公務用車的規模和數量逐年增大，運行費用逐年遞增，且增勢預期不減。現在的狀況是，公車比私車更耗油，其原因主要有兩點，一是許多公車都是大排量、高耗油的車型；二是車輛使用效益差，時常處于不合理使用的狀態，各單位之間沒有協調使用車輛，不考慮運力調度的跨單位使用問題，而是只考慮本單位的情況，造成不必要的浪費。可見，改善武警部隊公車使用調配，對節省開銷來說還是非常有必要的。

三、 武警公務用車的管理和使用調度優化設計

（一）車輛管理和調度優化的基礎工作

針對公車使用特征，本文將公車使用分為兩大類，第一類是配備給領導或科室使用的專用型車輛，第二類是公用型運輸車輛。在本研究中主要針對第二類車輛的使用展開研究。利用現代系統工程決策的數學方法對武警公車運力調控管理體系進行提升和改造，是可提高公車運輸系統效能的基本手段之一。在實際操作中，需要對整個單位區域以及友鄰單位區域的線網展開研究，掌握各單位擁有的車輛型號、性能、運力等實力，并且對任務緊急情況合理分類，以便針對線網及任務要求展開線路間的運力調配，體現系統性配置的最優經濟效益和運力資源的集約化利用原則。

（二）對各單位車輛管理調度的優化措施

對車輛實行集中統一管理，一般做法是將各單位公車交由公車管理中心集中管理,統一調配使用，對相對比較集中的各單位的車輛實行集中管理、統一調配、管用分離。通過嚴格管理,及時調度,實現各單位車輛集中管理,信息共享，使資源流通起來。

對于武警部隊來說，應當成立分級車管中心，主要分為三級，第一是以若干省份為片區將若干總隊組成一級車管中心，第二是以總隊為單位成立二級車管中心，第三是以支隊為單位組建三級車管中心。通過這三級車管中心來實現車輛的調度使用，這三級車管中心信息共享，權限依次降低，在申請車輛使用時由系統自動按照等級順序逐級進行審批和反饋。車管中心作為車輛的“蓄水池”,負責重要公務接待、統一集體活動、大型執法公務活動、應急突發事件處置等公務用車,個人公務用車也可通過系統進行預約。

（三）車輛管理調度改革的優點

集中統一管理改革模式實行管用分離、統一調配、資源共享,有利于優化公車資源配置, 通存通用能力增強,單車出車次數增多,車輛利用率提高,提高公車使用效益,降低公車運行成本,同時也可減少各單位分散管理容易產生的公車私用弊端。這樣，使得武警部隊運輸車輛的保障能力得以大幅度提高。

四、 實例分析

由于武警部隊車輛管理調度系統比較復雜，在申請反饋機制中的決策要依據復雜的分析計算，為方便理解，我們在這里只對其中的原理進行簡化的實例分析。

假設A省某支隊單位需要派遣一輛30t級卡車前往相鄰B省某市拉煤，任務要求時限為10天，本支隊處于本省中間地帶，與B省相隔C市和D市，其中C市在A省內，D市在B省內，距離目的地300千米。針對此任務，該支隊向所受管轄的三級車管中心發送車輛使用申請，該三級車管中心決定本單位派出車輛，并逐級向上報送申請，一級車管中心處理系統接到申請后，自動調取所管轄各單位車輛情況，分析相關路線、路程以及費用情況，結合該任務的時效性要求，得出該運輸方案申請不符合經濟效益最大化原則，故拒絕三級車管中心的自行派車任務，而向B省的二級車管中心發送派遣任務，二級車管中心接到任務后，同樣結合自己所管轄車輛情況，根據效益最大化原則向D市的三級車管中心派遣任務，三級車管中心接到任務后派出車輛前往目的地將煤裝車運送到需求單位。通過該車輛派遣系統，合理地安排了各單位的車輛使用，使車輛空載率降低，從而減少了運輸成本，保證了任務的圓滿完成。

五、 在優化車輛管理調度過程中的建議

（一）充分論證，頂層設計

武警部隊的車輛管理和調度優化設計，一定要在總部的領導下，成立專門的論證小組，在對武警部隊現在的車輛情況，運輸情況，運輸成本等進行充分調查的基礎上，對如何優化武警部隊車輛調度進行充分的論證，設計出富有針對性的模型。在一些車輛調度規模比較大的場合，現有方法不能滿足對車輛進行實時動態調整的需求，要適當應用人工智能技術，設計具有較高響應速度的人工智能的車輛調度模型。

（二）建立武警車輛信息共享平臺

在目前的武警車輛管理體制下，缺乏各單位間有效的信息共享平臺，所以，總部要組織安排專項經費，將各單位的相關信息通過平臺有效連接起來。要建立基于多車管中心的協同調度系統。系統中的車管中心系統高度開放，代表各車管中心經過注冊后可以自由出入，自身擁有的相關資源實現信息共享。各車管中心依據共享信息及優化算法尋求車輛資源與自身需求互補的合作伙伴，原則是合作后組織內部成員實施聯合配送的花費成本最小，最后成員通過協商分享節余成本。

（三）建立效益評估機制

在目前的武警部隊車輛使用中，缺乏對車輛使用效益的有效評價體系，加上軍事運輸具有弱經濟性的特點，導致部隊對公務用車的使用更多的是關注任務的完成情況，而對于車輛的使用效益不夠重視。軍事運輸在做到保障有力的情況下，對武警部隊車輛使用效益進行研究，優化車輛管理和調度方面的體制機制，在高油價時代也是與可持續發展的要求相一致的。

六、 結束語

由于歷史原因,規模、機構、工作性質幾近相同的單位,擁有的車輛數量卻不盡相同，而且有些單位的車輛閑置,造成資源浪費;而有些單位的車輛卻不能滿足生產和工作需要。實行車輛集中集中管理和優化調度后,武警部隊各單位的人力、運力可以得到較好的平衡和重組,既有效提高了車輛利用率,又很好的保證了使用單位所需，真正實現經濟效益的最大化和任務的圓滿完成。

參考文獻：

［1］沈榮華、劉杰.推進公務用車制度改革：模式與建議［J］.中國行政管理，2010（5）.

［2］胡興華、蘇小軍、王芳.城市公交線路車輛配置模型研究［J］.交通運輸工程與信息學報，2009（3）.

篇7

Abstract： Aircraft refueling is an important part of ground security operations. Reasonable scheduling of aircraft refueling vehicle is the key factor for aircraft to complete the refueling operations on time and quantity， so the research of aircraft refueling vehicle scheduling is very meaningful. This paper firstly introduces the types， functions， driving process and considerations of aircraft refueling vehicle， then specifically describes the model of aircraft refueling vehicle scheduling according to the basic model of vehicle scheduling， finally carries on simulation calculation for the driving situations of airport tank refueling vehicle within three hours in an airport and provides a viable optimization algorithms for aircraft refueling vehicle operation.

關鍵詞： 機場運行；飛機加油；車輛調度；蟻群算法

Key words： airport operations；aircraft refueling；vehicle scheduling；ant colony algorithm

中圖分類號：[U8] 文獻標識碼：A 文章編號：1006-4311（2014）02-0098-03

0 引言

飛機加油是機場運行的基本內容，安全、有序、高效的完成飛機加油作業是機場運行追求的目標。對飛機加油作業影響最大的是加油車輛的管理與調度。安全有序的車輛管理加上最優化的行駛路線調度是保證按時完成加油作業的關鍵，因此對飛機加油車輛調度的研究與仿真便成了十分重要的問題。車輛調度是一個VRP（Vehicle Routing Problem）問題，最早由Dantzig和Ramser于1959年提出，是旅行商問題（Traveling Saleman Problem，TSP）的特例，是一個NP難題。Bodin于1983年將車輛優化調度問題分為VRP（Vehicle Routing Problem）問題和VSP（Vehicle Scheduling Problem）問題，后來兩者的混合問題帶有時間窗的車輛調度問題統稱為VRPTW（Vehicle Scheduling Problem with Time Windows）問題。Solomon和Desrosiers首次對有時間窗約束的VRP問題進行求解。在國內李軍，郭耀煌等學者對物流配送車輛優化調度理論與方法進行了深入的研究，為本文的研究提供了一定的理論依據。國內很多學者采用蟻群算法解決VRP問題，王海星等學者發表了“蟻群算法解決有時間窗的車輛優化調度問題研究”，該文介紹了如何運用改進的蟻群算法去優化帶時間窗的車輛調度問題，對本文的實例有很大的借鑒意義。

1 飛機加油車輛的分類及功能

運輸飛機加油作業都由加油車完成，加油車有兩種類型，即管線加油車和油罐車。管線加油車用于對近機位航空器提供航空用油，油罐車用于對遠機位的航空器提供航空用油。所謂進機位是指靠近航站樓的停機位，顧名思義遠機位就是遠離航站樓的停機位。進機位地底鋪有輸油管道，飛機加油時只需要管線加油車將管道中的航空用油抽出輸送到飛機油箱中，而遠機位地下沒有輸油管道，因此需要油罐車為該位置飛機提供航空用油。

管線加油車是以大流量將地井中的航空燃油安全、快速地輸入飛機油箱。在輸油的同時過濾燃油中的雜質、灰塵和水分，并精確地計量輸油量。管線加油車還具有壓力控制裝置，可使輸油過程中壓力限制在安全范圍內。它是飛機在進機位加油所使用的加油車輛。

油罐車又稱流動加油車，具有吸油、泵油，多種油分裝、分放等功能。運油車專用部分由罐體、取力器、傳動軸、齒輪油泵、管網系統等部件組成。管網系統由油泵、三通四位球閥、雙向球閥、濾網、管道組成。它是飛機在遠機位加油所使用的車輛。本文將建立油罐車的調度模型并對其進行仿真計算。

2 油罐加油車輛調度數學模型

2.1 油罐加油車輛調度模型變量的定義 加油車輛行駛的基本過程可理解為每輛加油車從油庫出發沿著一條行車路線對等待加油的飛機提供加油服務后返回油庫。每輛加油車可以對多架飛機提供加油服務但每架飛機只能由一輛加油車為其加油。對于油罐車，其載油能力有限，所以為飛機提供的油量不能超過這個限制，設定所有油罐車的容量為Q。對于其他各個變量定義如下：

將油庫編號為0，各個停機位編號為1，…，l。停機位及油庫均以點i（i=0，1，…，l）來表示。定義Ti為加油車在飛機處i的工作時間，則T0表示加油車在油庫的準備時間。定義k（k=1，2，…，K）為各個加油車的編號。

定義cij為加油車輛由點i行駛到點j的成本。dij為加油車輛由點i行駛到點j的距離。tij為加油車輛由點i行駛到點j所需的時間。qi為點i飛機所需求的油量。Ti為加油車輛在點i完成加油任務所需要的時間。Si為加油車輛到達點i的時間，因此Si+1=Si+Ti+ti，i+1。飛機加油車輛的調度是一個帶有時間窗的模型，即加油任務的開始時間需要在一定的時間范圍內，設這個時間范圍為[ETi，LTi]。其中ETi為加油任務i的允許最早開始時間，LTi為加油任務i的允許最晚開始時間。如果加油車輛在ET之前到達i，則會產生等待成本，如果加油車輛在LTi之后到達i，則會產生延誤會造成損失。設定一個罰函數Pi（Si），其具體定義為：

Pi（Si）=m（ETi-Si） SiLTi（1）

其中m，n為懲罰系數。定義hi為判斷該點飛機是否產生延誤，當改點飛機發生延誤時其值為1，當該點飛機沒有延誤則其值為0。

2.2 油罐加油車輛調度最優化數學模型 根據一般的車輛調度模型首先建立基本目標函數：

minz1=■■■cijxijk（2）

其中：

xijk=1 加油車輛k由點i行駛到點j0 其他（3）

考慮油罐加油車輛調度是帶有時間窗的模型，只有在時間窗內進行加油作業時才不會產生懲罰，否則會造成成本損失，故建立時間窗目標函數：

minz2=■Pi（Si）（4）

由以上分析得出最終目標函數：

minZ=■■■cijxijk+■Pi（Si）（5）

約束條件設定：定義一個參數y，用以判斷該點的飛機是由哪輛油罐加油車提供航空用油。

yki=1 i點的任務由加油車k完成0 其他（6）

油罐車的容量Q為固定值，因此根據一般車輛調度約束條件定義飛機油罐加油車輛調度的模型約束為：

■qiyki？燮Q■yki=1 i=1，…，l■xijk=ykj j=0，1，…，l；？坌k■xijk=ykj j=0，1，…，l；？坌k（7）

3 油罐加油車輛優化調度的蟻群算法

3.1 蟻群算法構造 車輛調度模型的解決方法可以分為兩類，一類是優化算法，一類是啟發式算法。而啟發式算法中的群體智能仿生算法在解決這類問題時有其獨到之處。本文將用蟻群算法解決該車輛調度問題，并用matlab進行仿真計算。蟻群算法是通過對螞蟻群在巢穴與食物間的路徑選擇的模擬，來解決現實的NP難題。其重要的參數為：p■■（第k只螞蟻的狀態轉移概率）；？子ij（信息素濃度）；？濁ij（啟發因子）；？籽（信息素揮發系數）；？琢，？茁（重要度因子）。根據本文的模型對其進行如下定義：

p■■=■ j∈allowedk0 其它（8）

？濁ij=■（9）

？滋ij=di1+d1j-dij（10）

？啄ij=1/（w1■+w2■）（11）

？子ij（t+1）=（1-？籽）·？子ij（t）+？駐？子ij（t）（12）

？駐？子ij（t）=■ 第k只螞蟻經過（i，j）0 其它（13）

其中：dij為停機位i點到j點之間的距離；？滋ij稱為節約值，其表示兩點直接相連比兩點分別與加油中心相連距離的節約量；？啄ij是反應滿足時間窗程度的變量，w1+w2=1；信息素更新策略則按公式（15），（16）進行。

3.2 具體實現步驟

①信息初始化，將螞蟻置于加油中心位置，即禁忌表tabuk第一列位于初始位置。

②每個螞蟻按概率移動一步，確定待訪問點集allowedk。

③按公式計算狀態轉移概率p，按狀態轉移概率確定轉移節點j，并將j添加到tabuk末尾。

④判斷線路上加油量是否小于車輛負載Q，是則接下一步，否則跳轉第⑥步。

⑤判斷時間窗是否滿足要求，是則將點j加入到tabuk中，并計算路徑長度及其成本，統計車輛數并跳轉第②步。否則跳轉第⑥步驟。

⑥判斷allowedk表，若allowedk表為空則轉下一步，否則從表中獲取時間最早的點，并轉第③步。

⑦更新全局信息素，更新最好最差螞蟻。

⑧禁忌表清零，輸出結果。

3.3 算例分析 以某機場油罐加油車優化調度為例，設置加油中心為原點坐標，x表示停機位的橫坐標，y表示停機位的縱坐標ETi，LTi分別表示飛機加油作業時間窗的上限和下限，q表示該飛機需要的油量，Ti表示該飛機加油所需要的時間，具體數據見表1。

設置油罐車加油車容量為80，？琢=1，？茁=2，？籽=0.5，N=200；以加油成本為目標函數，用matlab編程工具使用蟻群算法最終得到油罐車最優路徑圖如圖1所示，其優化路徑為0-1-2-3-4-0，0-5-6-7-8-9-0，0-10-11-12-13-0，0-14-15-16-17-19-0，0-18-22-23-0，0-20-21-24-25-0，共需要5車次油罐車去完成該仿真問題的加油任務。

4 結論

飛機加油作業是停機坪地面保障作業的重要環節，文中所引用的車輛調度的模型概括的模擬了飛機加油車輛的優化調度，并用蟻群優化算法對該模型進行仿真計算，得到了比較理想的結果，這對實際中飛機加油作業的操作具有一定的借鑒意義。

參考文獻：

[1]郭耀煌，李軍.車輛調度問題的研究現狀評述[J].西南交通大學學報，1995，30（4）：376-382.

篇8

關鍵詞：車輛調度；時間窗；問題分解；層次方法；遺傳算法

中圖分類號：F252.14；O221.2；TP183 文獻標志碼：A

Optimizationforvehiclerouteingwithseparateddeliveryand installationofproductsbasedonsofttimewindows

PANGHaijun，DINGYizhong

（AcademyofScience＆Technology，ShanghaiMaritimeUniv.，Shanghai201306，China）

Abstract：Inordertosatisfytheuniqueneedoflogisticsinelectronicsindustry，avariantoftheVehicle RouteingProblem（VRP）isstudiedbasedontheuniquecharacteristicsofelectronicsindustry.Thesynchronismofthedeliveryandinstallationofproductsisseparated，andaMixedIntegerNonlinearProgramming（MINP）modelispresentedtominimizethetravelingtimeofdeliveryandinstallation，whichisthe parativeanalysis oftheresultsillustratesthefeasibilityandeffectivenessofthehierarchicalapproachandGeneticAlgorithm（GA）.Themethodcanimprovetheefficiencyoflogisticsdistribution，reducetheenterprises’logisticscost，andimprovetheservicelevel.

Keywords：vehiclerouteing；timewindow；problemdecomposition；hierarchicalapproach；geneticalgorithm

0 引 言

近些年，電子行業在售后服務方面發生巨大的變化，許多新興產品不僅需要配送，而且需要專業的安裝.它們包括掛壁式電視機（家庭影院系統）、洗衣機和干衣機、帶有凈水系統的冰箱、特殊烹調臺面、數控機、電腦服務器等.然而，由于維持全國配送和客戶服務網絡的費用太高，企業采取將配送業務外包給第三方物流企業的方法，僅保留自己的服務隊伍.于是，電子行業中出現產品配送與安裝相分離的現象.依據這一特點，本文研究一種變形的車輛調度問題（VehicleRouteingProblem，VRP），以滿足其獨特的物流配送需求.

KIM等［1］首先對此種變形的VRP進行研究.他假設安裝車輛必須在配送車輛訪問（或者到達）那個顧客之后，在服務水平之內訪問顧客，從而保證這兩種類型的車輛同步，以滿足顧客配送和安裝的服務質量.在他們的研究中，可以將服務水平看作是硬時間窗［2］VRP的變形.當前，對此種變形的VRP的研究都是在硬時間窗的約束條件下對模型進行的研究，然而在實際物流配送中其復雜程度遠超過于此.本文在前人研究的基礎上考慮在軟時間窗［3］約束下的VRP，因為軟時間窗與實際情況更接近.此約束條件既可滿足顧客的服務質量，同時又可兼顧企業的利潤最大化.

可以將此變形的VRP看作是兩個傳統VRP的組合：一個是配送車輛的VRP，它具有容量限制的VRP（CapacityVRP，CVRP）的特點［45］；另一個是安裝車輛的VRP，它具有帶時間窗VRP的特點［67］.由于該模型的復雜程度遠遠超過經典VRP模型的復雜程度，即使采用啟發式算法編程求解也很復雜，KIM等［1］引入層次的概念將原問題劃分為若干子問題的組合，從而降低問題的規模.分層后的模型是早被國際證實的NP難問題，采用正常方法求解十分困難，因此可利用遺傳算法（GeneticAlgorithm，GA）在一個合理時間內有效解決所考慮的問題.

繼續采用層次的概念將原問題變為兩個子問題的組合，即：第一階段是配送車輛的VRP，確定配送車輛的路線和調度；第二階段是安裝車輛帶軟時間窗的VRP（VRPwithSoftTimeWindow，VRPSTW），基于第一階段的計算結果，獲得第二階段安裝車輛的路線和調度.對大量不同規模例子的的計算表明：文中所采用的分層GA的可行性和有效性；第一階段的最好結果并不一定是原問題的最佳結果.該研究還可以對制訂配送車輛和安裝車輛調度的有效管理計劃提供幫助.

1 基于軟時間窗的配送和安裝車輛調度優化模型

1.1 問題描述與假設

給定一配送中心和多個不同的需求點，已知配送中心擁有兩種類型的最大車輛數，以及每個需求點（客戶）的位置，需求數量（不超過貨車最大載重量）及是否需要安裝.對于只需要配送的顧客點，只允許一輛配送車輛訪問一次；對于需要配送和安裝的顧客，只允許一輛配送車輛和一輛安裝車輛分別訪問一次.所有車輛開始從同一配送中心出發對顧客進行服務，安裝車輛可以在配送車輛之前訪問顧客，這就在對應的顧客位置產生安裝車輛的等待時間，超過規定時間就要受到一個與時間成正比的懲罰.如果安裝車輛在配送車輛之后訪問客戶，若不能在顧客可以忍耐的時間內到達，就要受到一個與時間成正比的懲罰.車輛完成服務后返回配送中心，所有客戶的需求都必須滿足.求：如何安排配送車輛和安裝車輛的路線，使整個服務過程總時間最少，總時間包括固定安裝時間、等待時間及懲罰時間、行駛時間.圖1顯示服務水平為軟時間窗的VRP的例子.

對上述問題描述，假設以下幾點成立：

（1）不允許車輛超載；

（2）配送中心有足夠供調度的車輛，且每輛車有最大的運行時間；

（3）所有車輛單位時間內行駛的路程相同，且各客戶點與配送中心以直線連接；

在VRPSTW數學模型中，將運行距離或運輸費用統一轉換成運行時間在模型中體現，目標函數是所有配送車輛和安裝車輛的總運行時間最小.式（2）和（12）限制從配送中心出發的車輛；約束（3），（4），（5），（13），（14），（15）分別保證車輛都由配送中心出發并最終回到配送中心；約束（6），（7），（16），（17）表示每個客戶只能受到一輛車服務并且每個客戶都得到服務；約束（8）表示每輛車所運送的貨物重量不能超過車輛載重的限制；約束（9）和（18）表示防止車輛在內部出現子循環；約束（10）和（19）表示車輛在客戶點不動時為零；（11）和（20）為變量取值約束；式（21）表示車輛從配送中心出發和安裝時間為零；約束（22）表示配送車輛p到達顧客點i的時間加上i到j的行駛時間，小于等于車輛到

1.4 算法設計

由于VRP是世界公認的NP難問題，本文所研究的變形VRP更是在經典VRP上的疊加，困難度遠超經典VRP.若采用直接的方法求解，很少的客戶點求解規模也很大，即使采用啟發式算法編程求解也非常復雜.為了獲得原始問題的良好解決方案，本文在文獻［1］的基礎上繼續引入分層思想將原問題分為兩個階段，每階段包括一個子問題.第一階段的子問題是一個配送車輛的VRP，解決配送車輛的路徑和時間安排；第二階段的子問題是一個安裝車輛的VRPSTW問題.第一階段子問題是原問題的部分解決方案，同時也用作第二階段的子問題數據輸入部分.依據第一階段子問題提出的部分解決方案，確定第二階段子問題中安裝車輛的路徑和時間安排方案.安裝車輛的路徑和時間安排也是原問題的部分解決方案.解決第二階段的子問題后，兩種類型車輛的協同問題也就得到解決.最后，兩個子問題的部分解決方案也就是原來問題的解決方案.

通過分層方法將原問題劃分為兩個階段的子問題，從而簡化原問題的規模和復雜度.對于規模不太大的問題，可以通過LINGO求得目標函數的精確解.但LINGO不適用于大規模的問題，本文通過GA求解，只能得到近似解.通過利用LINGO9.0和GA分別求得精確解和近似解，并對兩種結果進行比較分析.

此外，為了進一步驗證采用分層的GA的有效性和可行性，將算例中的客戶點增加至30個，其中需要安裝的客戶點為10個，每個顧客的需求量是1～4個，6輛配送車輛和2輛安裝車輛.求解過程中總的運算時間為125s，運算結果為843.4min，運行路徑見圖4（配送中心出發到客戶點和返回配送中

2.3 求解方法有效性分析

為了說明采用分層的GA的有效性，首先用LINGO9.0求解出該算例以最小運行時間為目標函數的車輛行駛路徑結果；再用分層的方法將模型分為兩個子問題考慮；最后通過GA求解近似結果.從圖3中可以看出，雖然近似解結果不如精確結果優異，但是可以說明采用分層的GA所求結果的可行性.由于LINGO9.0只能求解較小規模的MINP模型，且費時較長，在現實生活中物流配送量往往很大，要求在合理的時間得到配送方案，精確算法就不適合，而GA可以在一個合理的時間內得到一個較滿意的解.為了進一步對所提出的分層的GA的有效性和可行性檢驗，文中隨機生成大量規模較大的MINP模型進行求解計算，圖4就是其中一個算例.計算結果表明：該分層算法可以在合理的時間內找到問題的最優解或者近似最優解；第二階段子問題的結果受第一階段子問題結果的影響，第一階段子問題的最優解決方案不能保證原問題的解決方案最優.

3 結束語

隨著現代物流配送的發展，不同行業對其要求不同，各有特點.本文依據電子行業配送的新特點，研究一種變形的VRP.所考慮的問題是兩種不同類型的配送服務：一種只需要配送服務，一種是配送與安裝都需要的服務.為了高效率地滿足顧客需求，企業采用兩種類型配送車輛分開運作的方式.在保證顧客的服務質量方面，所要考慮的問題是如何更好地解決兩種車輛的協同操作.本文在對所提出的模型求解時采用分層的方法進行求解，這將導致第二階段子問題的最優結果受第一階段子問題最優結果的影響，第一階段子問題的最優解決方案不能保證是原問題的最優解決方案.未來的研究可以同時考慮兩個子問題，在此模型的基礎上研究不確定因素下的模型等.

參考文獻：

［1］KIMKyoungCheol，LEEShiwoo.Hierarchicalapproachtovehiclerouteingproblemfordeliveryandinstallation［J］.SciDirect，2010：74587471.

［2］vanLANDEGHEMHRG.Abicriteriaheuristicforthevehiclerouteingproblemwithtimewindows［J］.EurJOperationalRes，1988，36（2）：217226.

［3］KOSKOSIDISYA，POWELLWB，SOLOMONMM.Anoptimizationbasedheuristicforvehiclerouteingandschedulingwithsofttimewindow constraints［J］.TransportingSci，1992，26（2）：6985.

［4］CAMPOSV，MOTAE.Heuristicproceduresforthecapacitatedvehiclerouteingproblem［J］.ComputationalOptimization＆Application，2000，16（3）：265277.

［5］PISINGERD，ROPKES.Ageneralheuristicforvehiclerouteingproblems［J］.ComputOperationRes，2007，34（8）：24032435.

［6］ALVARENGAGB，MATEUSGR，deTOMIG.Ageneticandsetpartitioningtwophaseapproachforthevehiclerouteingproblemwithtimewindows［J］.SciDirect，2007，34（6）：15611584.

［7］CHENGChibin，WANGKengpin.Solvingavehiclerouteingproblemwithtimewindowsbyadecompositiontechniqueandageneticalgorithm［J］. SciDirect，2009，36（4）：77587763.

［8］TANKC，LEELH，OUK.Artificialintelligenceheuristicsinsolvingvehiclerouteingproblemswithtimewindowconstraints［J］.EngApplicationsofArtificialIntelligence，2001，14（6）：825837.

［9］BERGERJ，BARKAOUIM，BRASYO.AroutedirectedhybridGAapproachfortheVRPTW［J］.InformSystems＆OperationalRes，2003，41（2）：179194.

篇9

【關鍵字】糯扎度；巖壁吊車梁；開挖施工技術

1、工程簡介

1.1巖壁吊車梁結構布置

糯扎渡水電站工程屬大(Ⅰ)型一等工程，永久性主要水工建筑物為一級建筑物。水庫庫容為237.03×108m3，工程以發電為主兼有防洪、灌溉、養殖和旅游等綜合利用效益，水庫具有多年調節性能。左岸山體中布置地下引水發電系統及導流工程等建筑物、總裝機容量5850MW（9×650MW）。

地下廠房巖壁吊車梁位于主廠房上下游邊墻EL.620.83m～ EL.617.03m高程，巖壁吊車梁長度為396.0m，巖臺斜面與豎直方向夾角為25度，斷面結構及支護型式見圖1。

1.2工程地質條件

主廠房巖壁吊車梁巖臺，主要位于弱風化～新鮮的堅硬花崗巖體（γ43～γ51）地層中，主要為塊狀結構或整體結構巖體。通過地下廠房巖壁吊車梁部位的Ⅲ級斷層有F21、F22、F23，其中F23斷層走向與廠房軸線夾角在44°～56°之間，傾角在58°～78°之間，影響帶寬度約1.5m，影響相對較大。F21、F22斷層走向與廠房軸線接近垂直，對巖壁吊車梁開挖圍巖穩定影響不如F23斷層突出。

2、主要的開挖成型要求

2.1光面爆破及預裂爆破的主要指標要求

殘留炮孔痕跡，應在開挖輪廓面上均勻分布，炮孔殘留率在Ⅱ、Ⅲ類圍巖中不少于90％，在Ⅳ類圍巖中不少于70～80％。

相鄰兩孔的巖面平整，孔壁無明顯的爆震裂隙，相鄰兩孔炮間巖面的不平整度不應大于10cm；相鄰兩茬炮之間的臺階或預裂/光面爆破孔的最大外斜值不應大于10cm。

預裂爆破的預裂縫應連續貫通。

2.2巖壁斜面角度偏差及超欠挖

巖壁吊車梁巖壁斜面進行修整后應盡量達到設計角度，局部角度偏差控制在±2°以內。

在巖壁吊車梁開挖過程中，最大超挖值應控制在10cm以內，不允許出現欠挖。

3、施工技術措施

3.1開挖分層

糯扎度巖壁吊車梁位于Ⅳ開挖區內，Ⅳ開挖高程為EL.621.2m～EL.613.6m，吊車梁底線距Ⅳ開挖底板為3.45m，吊車梁拐點線距距Ⅳ開挖頂板為2.0m。

3.2施工程序

①：為最大程度的減少爆破對巖壁吊車梁圍巖的擾動，在靠上、下游側巖壁預留4.0m巖壁吊車梁保護層，沿保護層外線采用淺孔鉆機按1m間距造孔，進行一道施工預裂爆破，用來減少廠房IV中部拉槽帶來的爆破震動；

②：施工預裂完成后，采用淺孔鉆，按臺階法進行廠房Ⅳ的中槽開挖。

③：廠房Ⅳ中槽開挖完成后，使用淺孔鉆機按0.8m間距，沿廠房上下游邊墻面，進行廠房上下游側的預裂施工；

④：廠房上下游邊墻預裂施工完成后將廠房上下游側預留的吊車梁保護層挖除，為了避免破壞吊車梁巖臺拐點，以拐點上方10cm為界，將保護層開挖分為兩層進行分別是④-1、④-2；

⑤：保護層挖除后，使用手風鉆進行巖臺的垂直及斜面的光面爆破。

4、施工質量的控制

4.1造孔精度的控制

⑤區開挖為巖壁吊車梁垂直及斜面巖臺開挖，對吊車梁整體成型至關重要，在施工過程中，巖臺豎向光爆孔采用每隔5m打設2排插筋拉線并同時采用地質羅盤或水平尺檢查控制孔向；巖臺斜面孔通過測量放線定出2排插筋孔孔位，在孔內插入100cm長的Φ32的插筋,并用木楔子塞緊，然后套上1.5寸鋼管，通過測量定出造孔鋼管樣架位置，把造孔樣架與套在插筋上的鋼管用扣件扣緊，形成導向作業平臺。鉆孔前在兩根水平鋼管上用紅油漆標示出鉆孔孔向；在造孔時，鉆桿施鉆方向與孔向一致；各孔孔深通過計算，采用在鉆桿上畫線結合造孔樣架上的水平鋼管定位的方法進行控制。

每個孔在開孔后應立即檢查孔位是否符合設計要求，確保孔位無誤后再繼續施鉆，并在鉆進過程中注意檢查。造孔過程中嚴格按照光爆孔底偏差不得大于5cm，崩落孔不大于10cm，來控制造孔質量。

4.2裝藥結構的控制

巖臺保護層及巖臺面開挖爆破參數的確定，遵循“密打眼，少裝藥，多循環，短進尺”的施工原則，通過模擬巖臺爆破試驗得出，其中第一層保護層高度3.45m，高程EL621.2～EL617.75，第二層保護層高度4.75m，高程EL617.75～EL613.00。保護層開挖均采用YT28手風鉆造垂直孔光爆，孔徑φ42，主爆孔采用φ32藥卷連續裝藥結構，緩沖孔采用φ25藥卷連續裝藥結構，光爆孔采用φ25藥卷不偶合間隔裝藥結構，詳細的爆破參書見表1、表2。

巖臺開挖采用YT28手風鉆造孔，輪廓線豎向孔和斜面孔采用光面爆破。爆破孔的孔徑采用φ42，設計輪廓線豎向光爆孔和巖臺斜面光爆的孔距為35cm，采用直徑φ25的藥卷不偶合間隔間隔裝藥結構，線裝藥密度為60g/m，主爆孔采用直徑φ25的藥卷連續裝藥結構，爆破參數見表3。

4.3聯網起爆

裝藥前必須對所有鉆孔按“平、直、齊”的要求進行認真檢查驗收，做好鉆孔檢查記錄以及爆破孔孔位布置圖。采用竹片按照設計參數加工光爆孔藥卷，單孔裝藥量則根據實測孔深按擬定的線裝藥密度進行調整。

5、結語

篇10

神州數碼信息服務集團集成服務戰略本部（以下簡稱神州數碼集成服務SBU）一直秉承以客戶為中心，以服務為導向的理念，長期為中國行業客戶提供先進的IT系統規劃、設計、解決方案集成、運維和業務流程外包等整合IT服務，并前瞻性地推出覆蓋IT全生命周期的銳行服務品牌，在服務產品化與品牌化的道路上走在國內IT服務商的前列。

為解決汽車運營行業在車輛調度與管理等方面所面臨的困境與挑戰，神州數碼集成服務SBU具有多年的行業經驗和技術積累，結合移動通信網絡、GPS等技術，推出了銳行服務車輛調度監控服務SaaS平臺（簡稱銳行服務SaaS平臺）。銳行服務SaaS平臺以APTS的核心研究領域和應用為基礎，采用標準接口協議和規范，支持各種主流車載外設終端設備，是一套擁有先進GPS自動車輛定位技術和優化調度算法的城市級智能運營調度應用系統，主要面向公交與汽車管理、租賃企業。

目前，銳行服務SaaS平臺系統按照分布式集中架構部署，可滿足公交、物流、長途、出租及公務車輛等多種車輛運營行業的不同需求。

準確定位 即時監控

車輛的準確定位與實時監控一直是幫助車輛運營單位順暢管理行駛車輛的理想手段之一。

銳行服務SaaS平臺系統在車輛監控定位方面，支持GPS、GPRS/CDMA基站定位、路標定位等定位手段，以及精確的數字地圖及專業的地圖服務，為公交系統提供了多種定位監控選擇。在調度中心采用銳行服務SaaS平臺監控定位系統后，公交調度中心大屏幕將即時顯示公交車輛的運行狀況。同時，中心調度人員可實時監視所有受控公交車的具體運行位置、運行軌跡、行進速度及方向等有效信息。

銳行服務SaaS平臺系統可通過GIS（地理信息系統）在地圖上形成一個與所有交通系統相關聯的多層次、 多路徑、 多節點的路網、線網、節點網絡，建立以公交信息為主的矢量電子地圖數據庫、關系數據庫等多平臺多數據庫的集成，具有較強的交通網絡系統的空間分析與空間數據處理能力，可為城市公交未來的管理、發展與規劃提供有效決策支持和科學依據。

運營組織 合理調度

運營組織與調度管理系統是公交和車輛運營企業的核心業務應用系統，主要包括運營管理、調度計劃管理、配班計劃管理、技術安全服務管理等業務功能。

我國公交系統一直采用三級調度模式，管理分散，缺乏對不可預見性擁堵等突發事件的緊急調度與梳理能力。銳行服務SaaS平臺系統憑借基于ITS的規范設計，以調度業務為主線，具備運營管理、調度計劃管理、配班計劃管理、技術安全服務管理等業務功能。此外，銳行服務SaaS平臺實現與其他公交業務系統的應用集成和數據共享，可充分利用公交資源編制科學合理的行車時刻表、車輛使用計劃等，并可滿足三級調度模式向二級模式轉變的需求，提高運營管理效率。

實時調度 運籌帷幄

眾所周之，交通擁堵從常規來看分為高峰擁堵、天氣性擁堵和不可預見性擁堵三種。對于公交行業來說，管理中心如何在客流增加、擁堵出現時實時了解運營車輛位置，快速制定出合理行車線路，并進行實時調度一直是個難題。

銳行服務SaaS平臺現場實時調度系統采用先進智能的調度優化算法及GPS、基站定位和無線通信傳輸等功能，可實現對車輛實時運行情況的監控和調度。調度人員通過銳行服務SaaS平臺可根據車輛實時運行信息，進行快速合理地現場調度指揮，改變傳統的單一計劃調度和手工調度的落后模式，合理優化公交運力和資源配置，提高公交運營調度效率和服務水平。