面向取送货路径需求的多仓门越库系统车辆调度研究

Truck scheduling is a key problem for implementing crossdocking strategy in the supply chain and logistics paradigm. Its optimization is more difficult in the practical requirement of vehicle routing for picking up and delivering freight, due to some characteristics including determinate freight unloading/loading sequences and scattered and uncertain truck arrivals. Considering existing researches did not pay full attention to and solve this difficult problem, this project studies efficient truck scheduling approaches oriented to freight pickup and delivery routing requirement for multi-dock-door crossdocking systems. For the demand of given loading and unloading sequence, hybrid intelligent optimization technology based on scatter search is used to develop a deterministic truck scheduling approach in order to optimize crossrocking operations. Considering simultaneously the above demand, scattered and uncertain truck arrivals and outgoing time constraints, a nondeterministic truck scheduling method based on multi-objective hybrid optimization is explored by using some technologies including multi-objective optimization and particle swarm optimization for minimizing crossdocking operations time and outgoing delay. Finally, for real-time truck arrivals and random disturbances such as long delays, an ontology-based scheduling knowledge is created and dynamic truck scheduling strategy and approach based on knowledge and intelligent optimization are studied to achieve efficient dynamic scheduling. This research is of great academic value in developing truck scheduling technology for multi-dock-door crossdocking systems and studying integrated problem of truck scheduling and routing and has an important significance in facilitating truck scheduling and operations optimization of real crossdocks.

车辆调度是供应链物流领域中越库策略实施的关键问题。在车辆取送货路径的现实需求下，由于货物装卸顺序确定、车辆到达时间分散不确定等特点，车辆调度优化难度加大。针对现有研究未充分重视和解决这一难题，本项目研究多仓门越库系统中面向取送货路径需求的高效车辆调度方法。在装卸顺序要求下，研究基于分散搜索的混合智能优化的确定性车辆调度方法，实现越库运作优化；进一步考虑车辆到达分散不确定的特点及出库时间限制，利用多目标优化、粒子群优化等技术，研究基于多目标混合优化的不确定性车辆调度方法，实现越库运作时间及车辆出库延迟的最小化；针对车辆实时到达、长时间延迟等随机扰动，建立基于本体的调度知识库，研究基于知识与智能优化的越库车辆动态调度策略和方法，实现高效的动态调度。本项目研究对于发展多仓门越库系统的车辆调度技术、车辆调度与路径集成问题研究具有重要的学术理论价值，对实际越库中心的车辆调度和运作具有重要的实践意义。

越库是供应链物流领域的一项重要策略，基本思想是通过越库中心实现入库货物直接转运至出库车辆，无中间储存。该策略的高效实施本质上要求入库和出库车辆的最佳协调，其中一个关键问题就是越库车辆的调度，在仓门有限、车辆及货物种类众多时，调度任务艰巨。.越库中心是连接供应商和客户的重要枢纽，车辆以越库中心为起讫点，按照一定路径从多供应商处取货并向多客户送货。对货物取送路径的要求在不少行业领域如零担运输、应急物资运输等都很常见。这种路径需求与越库运作紧密联系，不仅增加了诸多限制因素，使调度优化难度增加，而且易放大由于调度不当引起的效率低下现象。面对上述现实要求，对考虑越库中心前后取送货路径需求下的车辆调度问题进行系统研究非常有必要。.针对越库车辆调度问题，不少学者已研究了各种特定情形下的调度模型及优化算法。但现有研究通常只孤立考察越库中心，并假设车中货物可以任意顺序装卸，对上述问题未见有研究。在此背景下，本项目进行以下研究。.首先，车辆取送货路径确定了货物的装卸顺序，针对此要求，建立了问题的整数规划模型，实现货物装卸和转运时间的最小化，设计和实现了求解模型的遗传算法、分散搜索和改进粒子群优化算法，进行了大量不同规模问题的数值实验，显示了改进粒子群算法在求解质量和时间方面的均衡优势。.针对货物装卸次序限定且允许中断的车辆调度问题，在分析操作中断规则的基础上，构建了最小化越库运作总时间的车辆排序和仓门分配数学模型，提出了改进粒子群算法、以及基于粒子群优化和禁忌搜索的混合元启发式算法，通过田口实验确定了算法的最佳参数水平，并采用不同规模的问题算例进行了仿真比较，结果说明了混合算法求解大规模问题的优势。.针对越库运作中存在的不确定突发状况，构建了越库调度本体，提出了基于本体知识和优化技术的动态调度策略和框架。根据车辆时间、货物及次序等已知信息，采用优化技术进行静态车辆调度。当监控到变动发生时，对于小幅度变动，采用在线调整策略，即利用调度本体及规则知识库进行小范围局部调整，减少优化等待时间及对后续运营调度的影响。否则，采用重调度策略，根据当前调度执行状态、突发事件及算法资料，重新采用优化算法进行重调度，产生新的完整调度方案予以执行。.本项目的研究对于发展越库车辆调度技术以及车辆调度与路径集成问题研究具有重要的学术价值，对实际越库中心运作具有重要的实践意义。