有垃圾量變動(dòng)的生活垃圾收運(yùn)車輛調(diào)度干擾管理研究

符俊波, 馬慧民, 張 爽, 雷 悅

(1.上海理工大學(xué) 管理學(xué)院,上海 200093; 2.上海電機(jī)學(xué)院 商學(xué)院,上海 201306)

有垃圾量變動(dòng)的生活垃圾收運(yùn)車輛調(diào)度干擾管理研究

符俊波1, 馬慧民2, 張 爽1, 雷 悅2

(1.上海理工大學(xué) 管理學(xué)院,上海 200093; 2.上海電機(jī)學(xué)院 商學(xué)院,上海 201306)

為解決由垃圾收集點(diǎn)垃圾量變化引發(fā)的生活垃圾收運(yùn)車輛調(diào)度干擾問題,提出基于干擾管理思想的擾動(dòng)恢復(fù)策略和方案.通過分析干擾事件對(duì)垃圾收運(yùn)系統(tǒng)的擾動(dòng),構(gòu)建垃圾收運(yùn)車輛調(diào)度的擾動(dòng)辨識(shí)和擾動(dòng)度量,并以新方案與原方案偏差最小為目標(biāo),建立擾動(dòng)恢復(fù)數(shù)學(xué)模型.設(shè)計(jì)基于車輛收運(yùn)路徑編碼方式的遺傳算法,求解該類問題.為統(tǒng)一車輛收運(yùn)狀態(tài),引入虛擬收集點(diǎn)概念,并對(duì)干擾管理目標(biāo)函數(shù)中的懲罰參數(shù)進(jìn)行研究.最后,通過實(shí)例進(jìn)行仿真實(shí)驗(yàn),并與重調(diào)度結(jié)果進(jìn)行比較,驗(yàn)證干擾管理模型和遺傳算法的有效性.研究結(jié)果表明,干擾管理可以有效降低計(jì)劃偏離度,并合理控制成本.

生活垃圾; 車輛調(diào)度; 垃圾量變動(dòng); 干擾管理; 遺傳算法

生活垃圾收運(yùn)系統(tǒng)是由收集、運(yùn)輸和中轉(zhuǎn)3個(gè)環(huán)節(jié)組成,各個(gè)環(huán)節(jié)合理配置、協(xié)調(diào)配合,才能獲得最大的環(huán)境、社會(huì)和經(jīng)濟(jì)效益.但隨著車輛故障、交通擁堵、垃圾量變動(dòng)等不確定事件的發(fā)生,垃圾收運(yùn)系統(tǒng)時(shí)常受到干擾.不僅影響收運(yùn)系統(tǒng)的正常運(yùn)行,甚至造成環(huán)境的污染.因此,如何準(zhǔn)確辨識(shí)不確定事件對(duì)垃圾收運(yùn)系統(tǒng)的擾動(dòng),并迅速做出調(diào)整方案,使系統(tǒng)以最小代價(jià)盡快恢復(fù)正常運(yùn)行,是生活垃圾收運(yùn)車輛調(diào)度研究的一個(gè)重要問題.

1 文獻(xiàn)研究綜述

處理車輛調(diào)度干擾問題的經(jīng)典方法有:隨機(jī)車輛路徑方法、魯棒優(yōu)化方法、scheduling和rescheduling方法.干擾管理與上述經(jīng)典方法不同,它不是針對(duì)干擾事件發(fā)生后的狀態(tài)完全重新建模和優(yōu)化,而是最小化干擾對(duì)原計(jì)劃沖擊的一種管理方法.Yu等[1]給出了干擾管理的定義,該定義可分為3層意思理解:第一層是制定并執(zhí)行最優(yōu)或次優(yōu)計(jì)劃;第二層是識(shí)別干擾事件;第三層是形成有效的使系統(tǒng)擾動(dòng)最小的干擾管理新方案.Clausen等[2]也基本認(rèn)為干擾事件發(fā)生后,干擾管理的目標(biāo)是使新方案相對(duì)于原方案的擾動(dòng)最小.

干擾管理需要根據(jù)實(shí)際情況,針對(duì)不同的干擾事件建立相應(yīng)的恢復(fù)模型和有效的求解算法,以便快速、及時(shí)地給出處理干擾事件的最優(yōu)調(diào)整方案.目前,干擾管理思想己經(jīng)在航班計(jì)劃[3]、生產(chǎn)調(diào)度[4]、供應(yīng)鏈協(xié)調(diào)[5]、項(xiàng)目管理[6-7]等方面得到了應(yīng)用.在車輛調(diào)度方面,胡祥培等[8]從客戶不滿意度、配送成本以及路徑偏離程度3個(gè)方面度量物流配送系統(tǒng)中的擾動(dòng),采用禁忌搜索算法對(duì)有需求量變動(dòng)的干擾事件進(jìn)行了仿真實(shí)驗(yàn).王旭坪等[9-10]分析了顧客時(shí)間窗變化和發(fā)貨量變化這兩個(gè)干擾事件對(duì)配送系統(tǒng)造成的擾動(dòng).丁秋雷[11]運(yùn)用行為科學(xué)中行為感知與運(yùn)籌學(xué)中定量的研究手段,分析了客戶時(shí)間窗變化這類干擾事件對(duì)受擾主體的影響.阮俊虎等[12]分析的是直升機(jī)和車輛聯(lián)合運(yùn)送中出現(xiàn)中轉(zhuǎn)點(diǎn)變化的干擾問題.馬慧民等[13]針對(duì)城市生活垃圾收運(yùn)中出現(xiàn)的車輛故障這一干擾事件,提出了基于初始計(jì)劃偏離的擾動(dòng)度量方法,建立了相應(yīng)的干擾管理模型.上述研究在特定類型干擾問題的建模和求解方面取得了一定的成果,然而在擾動(dòng)度量懲罰參數(shù)的取值上缺乏分析.生活垃圾收運(yùn)系統(tǒng)干擾管理的研究目前尚未形成理論體系,包括擾動(dòng)辨識(shí)分析、擾動(dòng)度量方法,以及大規(guī)模問題的實(shí)時(shí)求解算法等內(nèi)容都有待深入研究.

本文以干擾管理思想為基礎(chǔ),對(duì)服務(wù)型生活垃圾收運(yùn)系統(tǒng)中出現(xiàn)的有垃圾收集點(diǎn)垃圾量變化的問題進(jìn)行研究,針對(duì)生活垃圾收運(yùn)系統(tǒng)的特點(diǎn)提出路線偏離、載重偏離、收運(yùn)次數(shù)偏離和收運(yùn)費(fèi)用偏離4種擾動(dòng)度量,設(shè)計(jì)基于車輛收運(yùn)路徑的自然數(shù)編碼表示方法,探究路線偏離懲罰參數(shù)的合理取值范圍.最后,通過實(shí)例驗(yàn)證干擾管理模型和遺傳算法的有效性.

2 擾動(dòng)的分析及恢復(fù)策略

2.1 擾動(dòng)辨識(shí)

2.2 擾動(dòng)度量

干擾管理思想的關(guān)鍵是以原計(jì)劃為基礎(chǔ)快速生成對(duì)系統(tǒng)擾動(dòng)最小的調(diào)整方案,同時(shí)保持成本盡量低.在生活垃圾收運(yùn)車輛調(diào)度干擾管理研究中,系統(tǒng)擾動(dòng)主要體現(xiàn)在收運(yùn)路線的偏離上,成本主要體現(xiàn)在車輛的固定啟動(dòng)費(fèi)用以及收運(yùn)費(fèi)用上.

a. 路線偏離的度量.

(1)

b. 收運(yùn)載重偏離的度量.

(2)

c. 收運(yùn)次數(shù)偏離的度量.

(3)

d. 收運(yùn)費(fèi)用偏離的度量.

(4)

2.3 擾動(dòng)恢復(fù)策略

根據(jù)王旭平等[9-10]在物流配送中提出的擾動(dòng)恢復(fù)策略,本文結(jié)合生活垃圾收運(yùn)車輛的特點(diǎn),提出車輛自救策略、鄰近救援策略和增派救援策略3種生活垃圾收運(yùn)車輛的擾動(dòng)恢復(fù)策略.

a. 車輛自救策略:通過微調(diào)受擾車輛垃圾收集點(diǎn)的服務(wù)順序保證收運(yùn)系統(tǒng)正常運(yùn)行.

b. 鄰近救援策略:通過調(diào)度在途的其他車輛輔助受擾車輛完成剩余任務(wù).可調(diào)度的車輛同時(shí)滿足兩個(gè)條件:一是要在受擾任務(wù)的時(shí)間窗范圍內(nèi)到達(dá)受擾任務(wù)收集點(diǎn)的位置;二是施救車輛尚有空間可以利用.

c. 增派救援策略:從車場新派車輛對(duì)受擾任務(wù)進(jìn)行救援.增派車輛費(fèi)用包括兩部分:一是增派車輛的行駛費(fèi)用;二是啟動(dòng)車輛的固定費(fèi)用.

3 干擾管理模型的構(gòu)建

3.1 問題的描述及假設(shè)

本文對(duì)有垃圾收集點(diǎn)垃圾量變化這一干擾事件進(jìn)行研究,在不能改變干擾事件發(fā)生的同時(shí),要求制定出對(duì)整個(gè)收運(yùn)系統(tǒng)影響最小的調(diào)整方案.本文假設(shè),在垃圾收運(yùn)系統(tǒng)中,各垃圾收集點(diǎn)、車場、中轉(zhuǎn)站位置已知,初始路線為收運(yùn)距離最短的最優(yōu)路線.當(dāng)干擾事件發(fā)生時(shí),垃圾收運(yùn)系統(tǒng)能迅速獲取所有車輛的位置、行駛時(shí)間、裝載情況等信息.

3.2 構(gòu)造虛擬收集點(diǎn)

本文為統(tǒng)一車輛收運(yùn)狀態(tài),引入虛擬垃圾收集點(diǎn)概念,從而將所有車輛統(tǒng)一到車場或是中轉(zhuǎn)站.

干擾發(fā)生時(shí)車輛所處狀態(tài)共分3種情況,建立相應(yīng)情況下的虛擬收集點(diǎn)方法如下:a.車輛正在前往下一收集點(diǎn)途中,則將車輛前往的收集點(diǎn)設(shè)為虛擬收集點(diǎn);b.車輛正在對(duì)收集點(diǎn)進(jìn)行服務(wù),則將該收集點(diǎn)設(shè)為虛擬收集點(diǎn);c.車輛在車場,此時(shí)無需設(shè)立虛擬收集點(diǎn).

3.3 數(shù)學(xué)模型

根據(jù)上述描述,建立垃圾收運(yùn)車輛干擾管理的數(shù)學(xué)模型.

目標(biāo)函數(shù):

min[R(k)+Q(k)+P(k)+C(x)]

(5)

約束條件:

?i∈CL

(6)

(7)

(8)

(9)

(10)

(11)

(12)

(13)

pk≤pkmax,?k∈K

(14)

(15)

ETi≤Tik≤LTi

(16)

K≤NK

(17)

式中:mi表示生活垃圾收集點(diǎn)i的垃圾量;Qk表示車輛k的最大載重;CL表示干擾發(fā)生后新建立的收集點(diǎn)的集合;pkmax為車輛k限定的最大收運(yùn)次數(shù);CM表示虛擬收集點(diǎn)的集合,且CM?CL;[ETi,LTi]為收集點(diǎn)i的服務(wù)時(shí)間窗;n+1表示車場;NK表示車場可調(diào)用車輛數(shù)目.

式(6)和式(7)保證每個(gè)收集點(diǎn)只能被訪問一次;式(8)對(duì)車次的載重進(jìn)行限制;式(9)表示從車場出發(fā)和回到車場的車輛數(shù)目均為K;式(10)～(12)保證車輛從車場出發(fā),最終回到車場;式(13)保證虛擬點(diǎn)第一個(gè)得到服務(wù);式(14)對(duì)車輛收集次數(shù)進(jìn)行約束;式(15)為變量整數(shù)約束;式(16)為收集時(shí)間窗約束,若車輛由收集點(diǎn)i駛向收集點(diǎn)j,則收集點(diǎn)j的訪問時(shí)間Tjk=Tik+tij+si,其中tij為由i行駛至j的時(shí)間,si為收集點(diǎn)i的收集時(shí)間;式(17)表示可使用車輛數(shù)目約束.

4 求解算法設(shè)計(jì)

本節(jié)采用遺傳算法思想,設(shè)計(jì)干擾恢復(fù)模型的求解算法,具體包括:編碼與解碼設(shè)計(jì)、種群初始化、適應(yīng)度函數(shù)和遺傳操作.

4.1 染色體編碼與解碼

對(duì)于車輛路徑問題,遺傳算法染色體的編碼形式已有多種表示方法.為了提高算法的效率,本文在初始最優(yōu)路徑的基礎(chǔ)上采用垃圾收集點(diǎn)插入到車輛路徑中的方式以更好地得到干擾調(diào)度方案.其中,垃圾收集點(diǎn)用自然數(shù)1,2,3,…,n表示,車場、中轉(zhuǎn)站分別用自然數(shù)n+1,n+2表示.

初始最優(yōu)路徑:首先,采用基于垃圾收集點(diǎn)的自然數(shù)編碼機(jī)制,根據(jù)收集點(diǎn)的數(shù)目隨機(jī)生成種群規(guī)模為Popsize,長度為n的初始染色體;其次,經(jīng)過進(jìn)化N代,多次實(shí)驗(yàn),得到最優(yōu)染色體;最后采用馬慧民等[13]的染色體解碼方式,將最優(yōu)染色體Rbest根據(jù)容量約束得到Rsub,并將車場和中轉(zhuǎn)站信息加入染色體中,使之形成完整的收運(yùn)路徑.

干擾管理染色體編碼:采用基于車輛收運(yùn)路徑的自然數(shù)編碼機(jī)制,根據(jù)干擾發(fā)生時(shí)未被服務(wù)的收集點(diǎn)數(shù)目Num(CL),隨機(jī)生成長度為Num(CL),最大值為pmaxK的初始染色體R.

干擾管理染色體解碼:首先將未被服務(wù)的垃圾收集點(diǎn)從最優(yōu)路徑Rsub中剔除,得到Rdissub.其次根據(jù)染色體R將未被服務(wù)的收集點(diǎn)依次加入到Rdissub中,如pmax=3,CL=[3 8 7],Rdis=[1 3 5],則表示將垃圾收集點(diǎn)3插入車輛1的第1次收運(yùn)中,垃圾收集點(diǎn)8插入車輛1的第3次收運(yùn)中,垃圾收集點(diǎn)7插入車輛2的第2次收運(yùn)路線中.最后根據(jù)車輛的最大收運(yùn)次數(shù)重組染色體,加入車場和中轉(zhuǎn)站信息,使之形成完整干擾管理調(diào)度方案.

4.2 種群初始化

首先隨機(jī)生成一個(gè)種群規(guī)模為Popsize的初始種群.其次為加快尋優(yōu)速度,且保證種群的多樣性,本文根據(jù)Rsub得出其干擾管理模型的染色體R0,并將初始種群的1/5替換為R0.

4.3 適應(yīng)度函數(shù)

為保證算法在可行解空間里進(jìn)行尋優(yōu),建立容量約束懲罰函數(shù)及時(shí)間約束懲罰函數(shù):

式中:Tpk為車輛k第p次收運(yùn)所消耗的時(shí)間;M為無窮大正數(shù).

本文目標(biāo)函數(shù)為最小化問題,故建立適應(yīng)度函數(shù):1/(R(k)+Q(k)+P(k)+C(x)+Cl(k)+Ct(k)).

4.4 遺傳操作

選擇:選擇算子的作用是提高種群的平均適應(yīng)值,本文采用輪盤賭法與精英個(gè)體保留策略相結(jié)合的方式.

交叉變異:本文采用文獻(xiàn)[14-15]中的自適應(yīng)的交叉變異算子,其概率不是固定的0到1的某一值,而是由每一代種群中最優(yōu)個(gè)體的適應(yīng)值與其他個(gè)體的差額關(guān)系所決定的,交叉概率pc=1/(1+ek(fmin-f)),變異概率pm=1-1/ek(fmin-f).式中:fmin表示種群中個(gè)體最小的適應(yīng)值;f表示適應(yīng)值小于平均適應(yīng)值的所有個(gè)體的平均值.

5 實(shí)例分析

5.1 具體問題描述

本文以上海市某地區(qū)為例,該地區(qū)共有106個(gè)生活垃圾收集點(diǎn),一個(gè)車場,一個(gè)中轉(zhuǎn)站.其中,生活垃圾收集點(diǎn)編號(hào)為自然數(shù)1～106,車場編號(hào)為107,中轉(zhuǎn)站編號(hào)為108.實(shí)地測得各收集點(diǎn)、車場以及中轉(zhuǎn)站的地理坐標(biāo),采用百度地圖開放平臺(tái)中的Route Matrix API v2.0 Beta測得各收集點(diǎn)之間駕駛模式下的最短距離.該地區(qū)生活垃圾收運(yùn)車輛為單車型,車輛平均行駛速度為45 km/h,最大載重為5 t,垃圾每桶裝載耗時(shí)30 s,車輛每日的收運(yùn)次數(shù)不超過3次,工人工作時(shí)間窗為早上6:00至9:30,本文將時(shí)間窗簡化為[0, 3.5].該地區(qū)生活垃圾收集點(diǎn)垃圾量信息如表1所示.

表1 上海市某地區(qū)垃圾收集點(diǎn)垃圾量信息Tab.1 Garbage amount information at garbage collection points in one region of Shanghai

5.2 初始最優(yōu)路線參數(shù)設(shè)置

為驗(yàn)證模型和算法的可行性,將算法通過Matlab語言實(shí)現(xiàn),得出最優(yōu)調(diào)度方案如表2和下頁表3所示.遺傳算法的參數(shù)設(shè)置如下:種群規(guī)模為500,進(jìn)化代數(shù)為200,選擇概率為0.1,自適應(yīng)算子的概率參數(shù)為0.002 5.為了保證最優(yōu)調(diào)度方案的合理性,本文將第i次實(shí)驗(yàn)的前10條染色體替換為第i-1次實(shí)驗(yàn)的最優(yōu)染色體,進(jìn)行多次實(shí)驗(yàn),直至實(shí)驗(yàn)結(jié)果趨于穩(wěn)定.

5.3 干擾管理優(yōu)化結(jié)果

a. 虛擬收集點(diǎn).

b. 參數(shù)確定.

本文根據(jù)實(shí)例,對(duì)干擾管理模型目標(biāo)函數(shù)中收運(yùn)路線偏離與收運(yùn)總距離偏離懲罰參數(shù)之間的關(guān)系進(jìn)行研究,并確定路線偏離懲罰參數(shù)的合理取值范圍,以便于根據(jù)不同的實(shí)際應(yīng)用條件靈活取值.

路線偏離的懲罰參數(shù)與收運(yùn)總距離偏離懲罰參數(shù)的比值越大,則表明越注重路線對(duì)系統(tǒng)的擾動(dòng),比值越小則表明越注重收運(yùn)成本對(duì)系統(tǒng)的擾動(dòng).設(shè)路線偏離數(shù)目為x,收運(yùn)總距離偏離為y,求解出僅考慮路線偏離時(shí)(α+=1,α-=1,c2=1/+)的路線偏離數(shù)目x1和收運(yùn)總距離偏離y1.此時(shí)方案中x1為最小值,即x1=xmin,同時(shí)在有效解的范圍內(nèi),y1為最大值,即y1=ymax.同理求解出僅考慮收運(yùn)總距離偏離時(shí)(α+=1/+,α-=1/+,c2=1)的路線偏離數(shù)目x2和收運(yùn)總距離偏離y2.此時(shí)方案中y2為最小值,即y2=ymin,同時(shí)在有效解的范圍內(nèi),x2為最大值,即x2=xmax.

表2 初始最優(yōu)路線Tab.2 Initial optimal route

設(shè)路線偏離的懲罰參數(shù)與收運(yùn)總距離偏離的懲罰參數(shù)的比為β,路線偏離數(shù)目可能的最小值為m,收運(yùn)總距離偏離可能的最小值為n.在生活垃圾收運(yùn)系統(tǒng)干擾管理研究中m=1,n為收運(yùn)總距離保留的有效位數(shù),β的合理取值范圍是[n/(xmax-xmin),(ymax-ymin)/m].

表3 初始最優(yōu)車輛運(yùn)輸距離及運(yùn)輸垃圾量Tab.3 Initial optimal transport distance and transported garbage amount

c. 仿真結(jié)果.

對(duì)本文實(shí)例進(jìn)行求解得xmin=6,ymax=10.5,xmax=14,ymin=4.4,m=1,收運(yùn)距離保留一位有效數(shù)字,故n=0.1.因此,β的合理取值范圍為[0.125,6.1].為驗(yàn)證β取值范圍的合理性,本文設(shè)定c2=1,分別選取β為5 000,100,50,10,5,2,1,0.5,0.2,0.1,0.05,0共12組數(shù)據(jù)進(jìn)行研究,以變量β為橫坐標(biāo),以偏離量為縱坐標(biāo),得到如圖1所示的仿真結(jié)果.結(jié)果表明,最優(yōu)解分別在β取5,2,0.2,0.1,0.05處發(fā)生變化,且這些取值均在[0.012 5,6.1]范圍內(nèi).其中β=0即為重調(diào)度方案,此方案中路線偏離數(shù)目為14條,收運(yùn)總距離偏離為323.92 km.

圖1 不同懲罰參數(shù)下路線偏離與收運(yùn)總距離偏離的變化Fig.1 Change of route deviation and the total distance deviation under different penalty parameters

由求解結(jié)果可知當(dāng)β為5 000,100,50,10,5,2,1,0.5,0.2時(shí),應(yīng)采取車輛自救策略,當(dāng)β為0.1,0.05,0時(shí)應(yīng)采取鄰近救援策略.根據(jù)該地區(qū)垃圾收運(yùn)系統(tǒng)的特點(diǎn),干擾管理模型中參數(shù)設(shè)置如下:α+=1,α-=1,μ=10,λ=0.5,c1=100,c2=1.運(yùn)用本文所建數(shù)學(xué)模型對(duì)擾動(dòng)進(jìn)行恢復(fù),得到仿真結(jié)果,此時(shí)受擾車輛9應(yīng)采取車輛自救策略,車輛9收運(yùn)總距離為39.49 km,路線偏離數(shù)目為8條,其余車輛按照原計(jì)劃對(duì)垃圾收集點(diǎn)進(jìn)行服務(wù).受擾車輛干擾管理結(jié)果如表4所示.

表4 干擾管理方案Tab.4 Disruption management plan

為驗(yàn)證本文所建模型的優(yōu)越性,選擇以收運(yùn)總距離最小化為目標(biāo)進(jìn)行全局優(yōu)化調(diào)整的重調(diào)度方法.干擾管理優(yōu)化結(jié)果與重新調(diào)度結(jié)果對(duì)比如表5所示.干擾管理方案和重調(diào)度方案中總成本為路線偏離、收運(yùn)載重偏離、收運(yùn)次數(shù)偏離以及收運(yùn)距離與其相應(yīng)的懲罰參數(shù)的乘積之和.

干擾管理優(yōu)化結(jié)果在路線偏離、收運(yùn)載重偏離、收運(yùn)次數(shù)偏離以及收運(yùn)距離上相對(duì)于重調(diào)度結(jié)果,優(yōu)化節(jié)省分別為43%,1.8%,0%,-0.15%.雖然在收運(yùn)距離上干擾管理優(yōu)化結(jié)果略低于重調(diào)度結(jié)果,但在路線偏離和收運(yùn)載重偏離上干擾管理結(jié)果明顯優(yōu)于重調(diào)度.綜上所述,在解決生活垃圾車輛調(diào)度問題上,干擾管理模型效果顯著.經(jīng)過干擾管理優(yōu)化,即最大程度降低干擾事件對(duì)系統(tǒng)的擾動(dòng),又兼顧成本最小的目標(biāo),得到了有效的新方案.

表5 干擾管理優(yōu)化結(jié)果與重調(diào)度結(jié)果對(duì)比Tab.5 Comparison of disruption management optimizing results with rescheduling results

6 結(jié)束語

本文針對(duì)生活垃圾收運(yùn)系統(tǒng)中收集點(diǎn)垃圾量變化干擾事件進(jìn)行研究.根據(jù)收運(yùn)系統(tǒng)的特點(diǎn),設(shè)計(jì)相應(yīng)的擾動(dòng)辨識(shí)和擾動(dòng)度量,建立了相應(yīng)的干擾恢復(fù)模型.設(shè)計(jì)了基于車輛收運(yùn)路徑的自然數(shù)編碼機(jī)制.最后通過實(shí)例仿真實(shí)驗(yàn)并與重調(diào)度方法進(jìn)行比較,驗(yàn)證干擾管理模型和遺傳算法的有效性,并確定路線偏離懲罰參數(shù)的合理取值范圍,以便于根據(jù)不同的實(shí)際應(yīng)用條件靈活取值,為解決生活垃圾收運(yùn)干擾管理中面對(duì)的現(xiàn)實(shí)問題進(jìn)行了有益的探索.

[1] YU G,QI X T.Disruption management:framework,models and applications[M].Singapore,River Edge,NJ:World Scientific Publishing Co.Pte.Ltd.,2004.

[2] CLAUSEN J,HANSEN J,LARSEN J.Disruption management operations research between planning and execution[J].OR/MS,2001,28(5):40-43.

[3] YU G,ARGüELLO M,SONG M， et al.A new era for crew recovery at continental airlines[J].Interfaces,2003,33(1):5-22.

[4] 王杜娟,王建軍,劉春來，等.具有惡化效應(yīng)的新工件到達(dá)生產(chǎn)調(diào)度干擾管理[J].系統(tǒng)工程理論與實(shí)踐,2015,35(2):368-380.

[5] QI X T,BARD J F,YU G.Supply chain coordination with demand disruptions[J].Omega,2004,32(4):301-312.

[6] ZHU G,BARD J F,YU G.Disruption management for resource-constrained project scheduling[J].Journal of the Operational Research Society,2005,56(4):365-381.

[7] 潘逢山,葉春明,姚遠(yuǎn)遠(yuǎn).基于混沌粒子群算法的項(xiàng)目調(diào)度干擾問題研究[J].計(jì)算機(jī)應(yīng)用研究,2013,30 (9):2648-2655.

[8] 胡祥培,孫麗君,王雅楠.物流配送系統(tǒng)干擾管理模型研究[J].管理科學(xué)學(xué)報(bào),2011,14(1):50-60.

[9] 王旭坪,許傳磊,胡祥培.有顧客時(shí)間窗和發(fā)貨量變化的車輛調(diào)度干擾管理研究[J].管理科學(xué),2008,21(5):111-120.

[10] 王旭坪,楊德禮,許傳磊.有顧客需求變動(dòng)的車輛調(diào)度干擾管理研究[J].運(yùn)籌與管理,2009,18(4):16-24.

[11] 丁秋雷.客戶時(shí)間窗變化的物流配送干擾管理模型——基于行為的視角[J].中國管理科學(xué),2015,23(5):89-97.

[12] 阮俊虎,王旭坪.中轉(zhuǎn)點(diǎn)變化的應(yīng)急醫(yī)療物資聯(lián)合運(yùn)送干擾管理研究[J].運(yùn)籌與管理,2016,25(4):114-124.

[13] 馬慧民,羅長見.城市生活垃圾收運(yùn)車輛調(diào)度干擾管理研究[J].工業(yè)工程,2015,18(3):92-97.

[14] 劉帆.基于遺傳算法的應(yīng)急物流車輛路徑問題研究[D].西安:西安科技大學(xué),2012.

[15] 李欣.自適應(yīng)遺傳算法的改進(jìn)與研究[D].南京:南京信息工程大學(xué),2008.

(編輯:丁紅藝)

Disruption Management of Garbage Collection and Transportation Vehicle Routing Under the Changing of Garbage Amount

FU Junbo1, MA Huimin2, ZHANG Shuang1, LEI Yue2

(1.BusinessSchool,UniversityofShanghaiforScienceandTechnology,Shanghai200093,China;2.BusinessSchool,ShanghaiDianjiUniversity,Shanghai201306,China)

To deal with the disruption on the garbage collection and transportation vehicle routing caused by the changing of garbage amount at garbage collection point,disruption recovery strategies and solutions were put forward based on the disruption management theory.By analyzing the influence of interference events on the waste collection and transportation system,the disturbance identification and disturbance measurement of vehicle routing were studied,and a mathematical disruption recovery model was established aiming at minimizing the deviation from the original plan.A genetic algorithm based on the vehicle collection and transportation route encoding was designed to solve the problem.In order to unify the vehicle collection and transportation state,the concept of virtual collection point was introduced,and the penalty parameter in disruption management plan was studied.In the end,through simulation experiments and comparing with the rescheduling results,the effectiveness of the disruption management model and genetic algorithm was verified.The results show that the disruption management can reduce the plan deviation effectively,and control the cost reasonably.

garbage;vehiclerouting;garbageamountchange;disruptionmanagement;geneticalgorithm

1007-6735(2017)04-0368-08

10.13255/j.cnki.jusst.2017.04.011

2017-03-06

教育部人文社會(huì)科學(xué)研究青年基金資助項(xiàng)目(15YJC630089)

符俊波(1992-),男,碩士研究生.研究方向:物流系統(tǒng)管理.E-mail:junbofu@163.com

馬慧民(1981-),男,教授.研究方向:工業(yè)工程、智能優(yōu)化算法.E-mail:mahm81@163.com

X 799.3

A