面向物流配送的动态车辆调度模型与混合量子进化算法

行车路线的优化调度是物流配送中的重要环节，直接影响物流运输的成本和效益。动态车辆调度的本质属于复杂的优化问题，通常存在大规模、多目标、多约束和动态不确定等复杂性，研究贴近实际工况的动态车辆调度建模与优化理论具有重要的科学意义和实用价值。本项目在深入研究客户动态需求和路网运行时间两类问题的基础上，重点围绕动态车辆调度涉及的诸多约束条件，面向大规模、多目标、多约束和需求变更等问题，建立动态需求和动态网络车辆调度模型，研究混合量子进化算法的设计、仿真与试验性能分析，旨在动态车辆调度问题的建模、量子进化优化规则提取、动态知识的提炼、调度方案的编码、混合量子进化算法框架与搜索操作的设计、算法的收敛理论与计算复杂性等方面取得一系列有实用价值的理论与应用成果，并针对物流配送的动态车辆调度系统开展试验仿真和企业数据证实研究，为实现智能化物流配送的工程应用提供理论、方法和技术支持。

动态车辆调度己成为现阶段车辆路径问题研究的热点，通过对车辆进行实时调度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。本项目针对物流配送动态车辆调度中的几类典型问题，面向大规模、多约束和多车型、多配送中心，多目标、随机需求等问题，建立了多车型开放式、基于沿途补货的多配送中心、具有模糊预约时间窗的多目标、具有随机需求和基于车辆共享的动态需求车辆路径问题的两阶段数学规划模型，以及动态网络车辆调度模型。制定了相应的“预优化路线的制定十实时动态优化调度”两阶段求解策略；提出混合2-OPT量子进化算法、自适应免疫量子进化算法、自适应网格多目标量子进化算法、量子粒子群算法分别对上述模型进行仿真分析，在调度方案的编码、混合量子进化算法框架与搜索操作的设计、算法的收敛理论与计算复杂性等方面取得一系列有实用价值的成果。在上述理论工作研究的基础上，搭建了动态车辆调度仿真平台，该平台有效集成上述动态车辆路径问题以及所提的混合量子进化算法，验证了所提方法的可行性；并将算法与处理动态信息的GIS平台相结合，在GIS平台上展示动态车辆调度的结果，嵌入到Web页面通过浏览器展现，为实现智能化物流配送的工程应用提供理论、方法和技术支持。