针对时变速度下的低碳配送需求,本文以配送总成本最小化为目标,构建考虑三维装载和时间窗约束的绿色车辆路径优化模型。模型考虑时变速度和实时载重对车辆燃油消耗量的影响。为准确计算行驶时间和油耗,采用二分K-means聚类算法对时段进...针对时变速度下的低碳配送需求,本文以配送总成本最小化为目标,构建考虑三维装载和时间窗约束的绿色车辆路径优化模型。模型考虑时变速度和实时载重对车辆燃油消耗量的影响。为准确计算行驶时间和油耗,采用二分K-means聚类算法对时段进行合理划分。设计两阶段算法求解模型:第一阶段采用自适应大规模邻域搜索(adaptive large neighborhood search,ALNS)算法以确定车辆配送路径;第二阶段采用遗传算法(genetic algorithm,GA)对货物进行三维装载顺序的可行性校验。算例结果表明,基于二分K-means聚类算法的时段划分方法能更精确地计算总成本,从而验证了本文所构建的模型和所设计的算法具有可行性和有效性。展开更多
文摘针对时变速度下的低碳配送需求,本文以配送总成本最小化为目标,构建考虑三维装载和时间窗约束的绿色车辆路径优化模型。模型考虑时变速度和实时载重对车辆燃油消耗量的影响。为准确计算行驶时间和油耗,采用二分K-means聚类算法对时段进行合理划分。设计两阶段算法求解模型:第一阶段采用自适应大规模邻域搜索(adaptive large neighborhood search,ALNS)算法以确定车辆配送路径;第二阶段采用遗传算法(genetic algorithm,GA)对货物进行三维装载顺序的可行性校验。算例结果表明,基于二分K-means聚类算法的时段划分方法能更精确地计算总成本,从而验证了本文所构建的模型和所设计的算法具有可行性和有效性。
