学位论文 > 优秀研究生学位论文题录展示

基于TDVRP和STDVRP模型的金融押运车辆路径问题研究

作　者: 周冬
导　师: 缪立新；李强
学　校: 清华大学
专　业: 管理科学与工程
关键词: 金融押运车辆路径问题时间依赖随机进化策略
分类号: F832.3
类　型: 硕士论文
年　份: 2010年
下　载: 55次
引　用: 0次
阅　读: 论文下载

内容摘要

近年来,国内各大城市陆续建立了专业的金融押运企业,为银行网点、超市、医院等场所统一提供押运服务。虽然金融押运服务业发展较快,但整体上还处于起步阶段,车辆路径规划主要靠经验完成,与信息化、智能化的要求还相距甚远。本文的研究目的即为金融押运中车辆路径规划提供决策支持。和其他车辆路径问题相比,金融押运有以下特殊性需要考虑:第一,时间窗约束非常紧,且往往要求在城市路网的上下班高峰进行,速度受出发时间的影响较大且具有随机波动性;第二,押运货物与客户一一对应,车辆出发后如果发生意外(比如严重堵塞、交通事故等),通常的补救策略都不适用;第三,车辆路径一旦规划好,相当长时间内需要保持稳定。经过调研分析,本论文将金融押运车辆路径规划抽象为时间依赖车辆路径问题(Time Dependent Vehicle Routing Problem,TDVRP)和随机时间依赖车辆路径问题(Stochastic Time Dependent Vehicle Routing Problem,STDVRP)两种动态网络模型。TDVRP模型中,为避免超车问题,本文将旅行速度作为时间的函数,在满足硬时间窗的条件下要求总费用最小。STDVRP模型中,本文同时考虑了旅行速度的时间依赖性和随机性,即将速度处理为简单的随机过程,研究了保证最坏情况客户满意度不超过某个限度的条件下,要求期望总费用(包括车辆固定费用和旅行时间费用)最小的优化策略。为求解上述模型,本论文提出了一种多种群进化策略算法,其实质是一种群体搜索的元启发式算法,对Solomon标准问题集的计算结果表明该算法有较强的全局寻优能力。然后,本文分别建立了符合金融押运特点的时间依赖算例和随机时间依赖算例,通过算法结果的比较分析,证明了TDVRP模型和STDVRP模型的有效性。最后,本文以深圳威豹金融押运公司在南山区早送晚接业务的数据为基础建立了实际算例,并对TDVRP模型和STDVRP模型的结果进行了分析。说明本文不仅具有理论上的创新意义,也具有较高的实际应用价值。

全文目录

摘要  3-4
Abstract  4-9
第1章引言  9-15
  1.1 选题背景及研究意义  9-10
  1.2 国内外研究现状  10-11
  1.3 本文工作  11-15
    1.3.1 研究目标及技术路线  11-12
    1.3.2 本文完成的工作  12-13
    1.3.3 论文安排  13-15
第2章车辆路径问题综述  15-28
  2.1 恒定速度车辆路径问题  15-20
    2.1.1 描述与简介  15
    2.1.2 数学模型  15-17
    2.1.3 求解算法概述  17-20
  2.2 动态网络车辆路径问题  20-23
    2.2.1 描述与简介  20
    2.2.2 近年研究趋势  20-21
    2.2.3 主要成果概述  21-23
  2.3 遗传算法应用于车辆路径问题  23-27
    2.3.1 简介及算法流程  23-25
    2.3.2 近年研究趋势  25
    2.3.3 主要成果概述  25-27
  2.4 本章小结  27-28
第3章 TDVRP 和STDVRP 模型的建立  28-44
  3.1 金融押运业务描述  28-31
    3.1.1 我国金融押运发展简介  28
    3.1.2 金融押运业务分类及特点  28-30
    3.1.3 金融押运车辆路径问题特点总结  30-31
  3.2 TDVRP 模型的建立  31-36
    3.2.1 时间依赖性的处理  31-33
    3.2.2 TDVRP 的数学模型  33-36
  3.3 STDVRP 模型的建立  36-43
    3.3.1 路网的随机性  36-39
    3.3.2 客户满意度的指标  39-41
    3.3.3 STDVRP 的数学模型  41-43
  3.4 本章小结  43-44
第4章多种群进化策略  44-69
  4.1 微生物进化的启发  44-45
  4.2 算法流程及说明  45-52
    4.2.1 初始解的产生  46
    4.2.2 种群的初始化  46-47
    4.2.3 过度繁殖  47-49
    4.2.4 适应度值的计算  49
    4.2.5 选择  49
    4.2.6 算法终止条件  49-50
    4.2.7 随机迁移  50-51
    4.2.8 随机突变  51
    4.2.9 后优化  51-52
  4.3 恒定速度模型下的检验  52-68
    4.3.1 算例选择  52-53
    4.3.2 初始解的产生  53-56
    4.3.3 简单优化的结果  56-60
    4.3.4 随机迁移和随机突变算子的有效性  60-66
    4.3.5 优化结果比较  66-68
  4.4 本章小结  68-69
第5章 TDVRP 模型的检验  69-83
  5.1 时间依赖算例的建立  69-71
    5.1.1 基础算例  69
    5.1.2 时间依赖旅行速度  69-70
    5.1.3 路网具体参数  70-71
  5.2 多种群进化策略的调整  71-76
    5.2.1 初始解的产生  71-73
    5.2.2 改进式启发算法的调整  73-76
  5.3 算例结果及分析  76-79
  5.4 在部分路段上考虑时间依赖性  79-82
  5.5 本章小结  82-83
第6章 STDVRP 模型的检验  83-94
  6.1 随机时间依赖算例的建立  83-85
    6.1.1 基础算例  83
    6.1.2 随机时间依赖旅行速度  83-84
    6.1.3 路网具体参数  84-85
  6.2 多种群进化策略的调整  85-86
    6.2.1 期望旅行时间的计算  85-86
    6.2.2 迟到时间的处理  86
  6.3 算例结果及分析  86-93
  6.4 本章小结  93-94
第7章威豹金融押运公司案例研究  94-102
  7.1 威豹金融押运公司简介  94
  7.2 实际算例的建立  94-97
    7.2.1 客户坐标  94-95
    7.2.2 路段距离  95
    7.2.3 客户需求  95-96
    7.2.4 服务时间  96
    7.2.5 时间窗  96
    7.2.6 时间依赖旅行速度  96-97
  7.3 案例结果及分析  97-101
    7.3.1 TDVRP 模型的结果  97-98
    7.3.2 部分时间依赖模型的结果  98-99
    7.3.3 STDVRP 模型的结果  99-101
  7.4 本章小结  101-102
第8章总结与展望  102-104
  8.1 全文总结  102
  8.2 研究展望  102-104
参考文献  104-108
致谢  108-109
个人简历、在学期间发表的学术论文与研究成果  109
  个人简历  109
  发表的学术论文  109

基于TDVRP和STDVRP模型的金融押运车辆路径问题研究

内容摘要

全文目录

相似论文