基于生物群落超启发算法的绿色物流选址-路径优化调度研究

Location - Routing Problem (LRP) of logistics distribution is currently a hot topic in the field of logistics. Studying carbon emissions modeling and optimization of route theory of LRP based on energy conservation and emission reduction is of important scientific significance and practical value under the green logistic context. With large-scale, multi-constraint and dynamic characteristics in this project, we will deeply explore the relationship between carbon emission and main influencing factors, including location planning of distribution center, traveling distance of vehicles , type of vehicles, road networks, traffic flow and demand fluctuations; will establish a multi-objective scheduling model for typical LRP; will design a hyper-heuristic optimal method to solve multi-objective problems based on biological community evolution model; will develop an efficient high-level coordination mechanism and lower heuristic algorithm which adapts to problems; will conduct research on the proposed models and methods through theoretical analysis and experimental verification; will develop an urban green LRP vehicle scheduling experiment platform for enterprise data instance validation to obtain practical theory and valuable application result on modeling of complex green LRP problem, hyper- heuristic algorithm design based on biological community evolution model, high-level heuristic strategy generation , low-level optimization rules extraction, scheduling programs coding, versatility, robustness and computational complexity of algorithm.

物流配送选址-路径优化问题（LRP）是目前物流领域的一个热点问题，在绿色物流的大环境下，基于节能减排的出发点研究物流配送选址-路线中的碳排放问题建模与优化理论具有重要的科学意义和实用价值。本项目面向大规模、多约束、动态特性，深入挖掘碳排放与配送中心选址规划、车辆行驶距离、车型、道路网路、交通流量、需求量波动变化等主要影响因素之间的关系，建立典型LRP问题的多目标调度模型；设计适应多目标问题的基于生物群落进化模型的超启发优化方法，开发高效的高层协调机制以及适应问题的低层启发式算法，通过理论分析与实验验证对所提出的模型与方法进行研究，并开发城市绿色LRP车辆调度实验平台进行企业数据实例验证，以期在复杂绿色LRP问题的建模、基于生物群落进化模型的超启发算法设计、高层启发式策略生成、低层优化规则提取、调度方案的编码、算法的通用性、健壮性与计算复杂性等方面取得有实用价值的理论与应用成果。

在绿色经济、绿色物流的大环境下，为了节能减排，必须对物流企业的一系列活动进行优化，以达到节约成本、保护环境的目的。此外，低碳选址路径问题己成为现阶段车辆路径问题研究的热点，有助于提高企业物流配送服务水平，增强企业竞争力，具有较强的现实意义；同时对该问题的研究还能丰富和充实物流科学、运筹学及组合优化等研究领域，具有较强的理论意义。本项目基于节能减排的出发点研究物流配送选址-路径中的碳排放问题，面向大规模、多约束、动态特性，深入挖掘碳排放与配送中心选址规划、车辆行驶距离、车型、道路网路、交通流量、需求量波动变化等主要影响因素之间的关系，建立了低碳开放式、低碳动态环境开放式、低碳动态需求开放式、低碳动态模糊需求开放式、考虑燃油消耗的冷链物流、考虑多种实际约束（包括多车型、同时取送货、时间窗等）的数学规划模型，同时从数学模型目标函数数量上，提出了单目标及多目标选址路径问题数学模型。针对所构建的数学模型，设计适应单/多目标问题的超启发优化方法，开发高效的高层协调机制以及适应问题的低层启发式算法。在所设计的高层选择策略中，采用简单随机、随机排列下降、选择函数、禁忌搜索、加强学习等常见的选择策略，同时还提出了基于蚁群算法、量子进化策略、蛙跳算法及遗传算法等进化式选择策略以及基于分类策略的共享机制、贝叶斯概率模型等自适应选择策略。在所设计的解的接收机制中，采用了接收所有解、接收非裂解、门槛接收、概率接收、模拟退火接收等传统接收机制，同时还提出了自适应接收机制、适于多目标问题的大洪水接收机制、延迟接收、基于多目标进化算法的环境接收机制等。在复杂绿色LRP问题的建模、超启发算法设计、高层启发式策略生成、低层优化规则提取、调度方案的编码、算法的通用性、健壮性与计算复杂性等方面取得有实用价值的理论与应用成果，从而为绿色物流配送提供有效的理论、方法和技术支持。