大型物流运输服务网络设计与车辆调度：新模型和基于超启发式算法的优化算法研究

物流运输服务网络设计与车辆调度是智能运输系统的的核心问题，也是NP-Hard难题。该问题对物流业节约成本、减少空车率、降低能耗等方面具有重要意义。我国物流业飞速发展，但网络设计与车辆调度自动化、智能化水平低，针对物流运输网络与车辆调度优化的研究与实践十分迫切。目前国内外针对该问题的研究过度注重于搜索问题的最优解，对问题本身缺乏深入理解，忽略了解决问题的一般指导方法，因此在实践中难以被接受。本项目将在我们关于静态网络的研究基础上，结合我国物流业特点，重点研究含时-空网络的单、多服务级别网络设计与调度问题的集成模型，研究开发基于超启发式方法的各种混合优化算法，研究利用动态调度技术提高服务网络的鲁棒性，发现并抽象运输服务网络设计与调度中的通用性调度策略，开发基于超启发式方法的智能策略组合系统，为物流调度提供优化的、鲁棒的、易于接受的解决方案，为开发下一代智能运输系统提供核心模型和优化算法。

本项目以运输服务网络设计问题为对象，研究了服务网络设计问题的各种高效算法，包括引导邻域搜索算法（GLS）、禁忌算法、演化算法、k-node邻域搜索算法及基于这些算法的复合算法，大大提高了服务网络设计问题的求解效率，在该领域处于国际领先水平；国际上首次研究了不确定条件下的服务网络随机规划与车辆重调度问题，提出并研究了该问题的2-Stage随机规划模型及优化算法；研究了基于服务网络设计、车辆路径模型为理论基础的宁波港集装箱转码头作业问题的建模与优化算法，成功将集卡运输的重载率从目前的62%提高到75%左右，预估年节约空载里程50余万公里；研究了公共交通（出租车）网络在新型电召系统下、竞争性自营出租车的资源优化和车-客稳定匹配问题的建模与求解算法，该方法能有效解决自营出租车空载、抢客问题；研究提出了模拟退火超启发式算法（Simulated Annealing Hyper-heuristic）在决策、资源优化问题中的有效性和通用性。项目共发表SCI国际期刊论文6篇，包括Transportation Research Part B（IF:2.94） 和Information Sciences （IF:3.64）各1篇；发表国内核心期刊1篇；发表国际会议论文5篇，其中1篇获得IEEE2013年计算智能会议（SSCI）最佳会议论文提名；另有2篇期刊论文处于评审中.上述项目文章目前共获得Scopus引用12次。.项目组注重国际交流，与英国诺丁汉大学屈嵘（副教授、博导，本项目主要成员）成功申请到NSFC-RS交流项目，也建立了与挪威经济学院Stochastic Programming专家Stein W. Wallace教授的合作。项目培养博士生2名，本科生3名。