• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于Anylogic仿真的貨運(yùn)O2O平臺車輛調(diào)度*

    2022-07-08 09:53:28劉美玲孟博冉胡文杰
    物流工程與管理 2022年6期
    關(guān)鍵詞:容積貨運(yùn)訂單

    □ 劉美玲,孟博冉,胡文杰

    (華東交通大學(xué) 交通運(yùn)輸與物流學(xué)院,江西 南昌 330013)

    貨運(yùn)O2O平臺致力于解決的貨運(yùn)訂單匹配問題,是車輛路徑規(guī)劃(Vehicle Routing Problem,簡稱VRP)這一NP-hard難題在貨運(yùn)行業(yè)的實(shí)際應(yīng)用。近年來,理論界對于車輛路徑規(guī)劃問題的研究從變換車輛容量、服務(wù)時間窗、訂單特殊需求等約束條件出發(fā),衍生出了帶時間窗的、需求可拆分的、多車場的、半開放式車輛路徑規(guī)劃問題等多種貼合實(shí)際需求的VRP分支。學(xué)者們的研究也從對于尋求改進(jìn)各類VRP優(yōu)化算法的理論探討,不斷向衍生車貨匹配數(shù)智化平臺的實(shí)際運(yùn)用深化。

    優(yōu)化算法求解方面:何小鋒等[1]同時運(yùn)用量子蟻群算法、蟻群算法、改進(jìn)遺傳算法和改進(jìn)粒子群算法對帶有時間窗的車輛路徑規(guī)劃問題進(jìn)行了求解,結(jié)果表明量子蟻群算法和改進(jìn)的遺傳算法求解結(jié)果最優(yōu),但在運(yùn)行時間上量子蟻群算法有明顯優(yōu)勢;劉冉等[2]利用節(jié)約算法、順序插入算法、并行后悔插入算法三種啟發(fā)式算法對半開放式多車場車輛路徑問題進(jìn)行了求解;楊鵬等[3]在帶有時間窗約束的基礎(chǔ)上,又增加了貨主需求可以被拆分的假設(shè),利用改進(jìn)的蟻群算法求解最優(yōu)路線配送方案;韓亞娟等[4]針對傳統(tǒng)軟時間窗的車輛路徑問題,提出了折現(xiàn)軟時間窗概念,利用超啟發(fā)式算法對于構(gòu)建的數(shù)學(xué)模型進(jìn)行求解,并利用算例驗(yàn)證算法的可行性;范厚明等[5]在引入局部優(yōu)化算法和擂臺法則的基礎(chǔ)上,設(shè)計了混合遺傳算法,對于Solomon的VRPTW標(biāo)準(zhǔn)算例進(jìn)行求解,得出混合遺傳式算法在求解多目標(biāo)優(yōu)化問題方面具有良好性能的結(jié)論。實(shí)際運(yùn)用方面:劉枚蓮等[6]在考慮顧客即時需求的情況下,以碳排放和時間窗為約束條件,研究了車輛路徑優(yōu)化問題。

    總的來說,有關(guān)車輛路徑規(guī)劃問題的研究碩果累累,但如何將理論研究成果運(yùn)用到實(shí)際的復(fù)雜場景中仍然需要進(jìn)一步的探索。本文以真實(shí)場景為基礎(chǔ),建立模型約束條件,利用Anylogic軟件對場景進(jìn)行模擬仿真,以求得最貼近實(shí)際情況的最優(yōu)解。

    1 問題描述

    根據(jù)現(xiàn)行貨運(yùn)O2O平臺實(shí)際運(yùn)營模式,在同城貨運(yùn)中,大部分平臺采用“逐級推送”模式的車輛訂單匹配策略[7],即在貨物匹配時以客戶訂單為中心進(jìn)行車輛選取。本文以客戶需求為基礎(chǔ),同時加入車輛容積、半開放等要求,使客戶訂單在最快的時間內(nèi)由最近的車輛完成配送,具體問題如下。

    ①軟時間窗約束在貨運(yùn)中具有較強(qiáng)的現(xiàn)實(shí)意義,即在現(xiàn)實(shí)情況下,貨運(yùn)O2O平臺中客戶對訂單完成的要求高于對時間的要求,因此訂單超時完成時,大部分顧客仍允許車輛完成訂單,只是會在一定程度上降低顧客滿意度;

    ②每個車輛有容積限制;

    ③車輛可訪問多條路徑;

    ④每個訂單只允許被訪問一次;

    ⑤車輛完成訂單后無需回到起點(diǎn)。

    2 Anylogic模擬仿真設(shè)計

    Anylogic是一款廣泛應(yīng)用于物流、供應(yīng)鏈等領(lǐng)域的仿真軟件,其基于多智能體的建模方法具有高效、低成本的優(yōu)勢。本文利用Anylogic軟件模擬問題描述中提到的現(xiàn)行貨運(yùn)O2O平臺車輛調(diào)度和配貨方法,以計算出算例的最優(yōu)車貨匹配方案。

    圖1為貨運(yùn)O2O配貨在此平臺上的仿真模擬過程,具體方法如下:

    圖1 仿真模擬過程

    ①實(shí)地調(diào)研和收集貨運(yùn)訂單信息(如時間、交貨點(diǎn)、提貨點(diǎn)等信息)、車輛信息(如裝載量、單位運(yùn)輸成本等信息)并生成EXCEL表格。

    ②新建一個智能體模型,在主函數(shù)中插入一個GIS地圖,功能為模擬車輛的行駛路徑。將收集的EXCEL表導(dǎo)入到主函數(shù)中。

    ③在智能體模型中新建訂單、車輛、配貨三個智能體類(如圖2),用于描述平臺的配貨邏輯和過程。

    圖2 新建訂單、車輛、配貨智能體類

    實(shí)際流程邏輯圖如圖3所示,具體過程如下:

    圖3 配貨邏輯

    步驟1 訂單時間緊急程度排序。對訂單池中所有訂單進(jìn)行統(tǒng)計后按照時間緊急順序進(jìn)行排序,在后面進(jìn)行訂單車輛分配時,以時間緊急程度為第一要求進(jìn)行方案優(yōu)化;

    步驟2 訂單分配車輛。選取現(xiàn)行訂單中時間最緊急的訂單1,優(yōu)先挑選離訂單1最近的車輛1,檢查車輛容積是否符合現(xiàn)行訂單量容積要求。如果訂單貨物容積<車輛剩余容積,則車輛與訂單匹配完成;如果訂單貨物容積>車輛剩余容積,則尋找車輛2,繼續(xù)檢查是否符合容積要求,按照此邏輯一直找尋到符合要求的車輛X完成訂單1;

    步驟3 車輛集貨。車輛X完成訂單1配貨后,根據(jù)剩余容積=車輛原剩余容積-訂單1貨物容積繼續(xù)查看訂單池中剩余訂單中是否存在訂單m容積<剩余容積,若存在則將距離訂單1最近的訂單m1分配給車輛1;直至車輛無剩余集貨訂單,車輛集貨完成。

    步驟4 繼續(xù)篩選剩余訂單。在步驟3完成后,進(jìn)行新一輪的車輛分配和集貨,從當(dāng)前剩余訂單中,選出最緊急的訂單,按照步驟1-步驟3的邏輯進(jìn)行訂單的車輛分配與車輛集貨步驟,完成車輛2集貨。

    步驟5 所有訂單分配完成。在經(jīng)歷多輪配貨集貨之后,所有現(xiàn)行訂單都被完成,本次模擬仿真結(jié)束,得出一個最優(yōu)結(jié)果。

    3 Anylogic求解算例

    3.1 數(shù)據(jù)獲取與模型參數(shù)設(shè)置

    本文對以貨拉拉為主的貨運(yùn)O2O平臺進(jìn)行了實(shí)際調(diào)研,了解各個平臺實(shí)際運(yùn)作規(guī)則,針對規(guī)則進(jìn)行算例數(shù)據(jù)獲取與模擬,得到送貨車輛信息(見表1)與貨主訂單信息(見表2)。

    表1 送貨車輛信息

    表2 貨主訂單信息

    模型參數(shù)設(shè)置如下:單位裝卸貨時間成本為60元/小時;貨物裝卸時間系數(shù)為0.1小時/立方米;車輛平均行駛速度30千米/小時。

    3.2 算例結(jié)果展示及分析

    根據(jù)基本信息與模型參數(shù)設(shè)置進(jìn)行Anylogic模擬仿真設(shè)計,能夠看到結(jié)果如圖4所示,在系統(tǒng)運(yùn)行14∶49時,所有訂單都被匹配完成。

    圖4 Anylogic模擬仿真結(jié)果

    根據(jù)Anylogic仿真結(jié)果,車輛1、2、3、4、6完成10個訂單配送,訂單配送路線依次為:車輛1-5-3-13-15,車輛2-10-8-9-19-20-18,車輛3-1-4-14-11,車輛4-2-12,車輛5-6-16,車輛6-7-17(其中11-20分別代表1-10提貨點(diǎn)對應(yīng)的交貨點(diǎn))。車輛1的行駛總路程為19.89千米,車輛2的行駛總路徑為46.87千米,車輛3的行駛總路徑為39.43千米,車輛4的行駛總路徑為22.83千米,車輛5的行駛總路徑為18.52千米,車輛6的行駛總路徑為39.29千米。根據(jù)設(shè)定的參數(shù)模型,求得運(yùn)輸成本為1109.32元,裝卸貨成本為236.4元,總成本為1345.72元。

    4 結(jié)語

    本文利用Anylogic軟件,對貨運(yùn)O2O平臺的車輛訂單匹配與路徑規(guī)劃問題進(jìn)行了研究,通過加入車輛容積限制,以最大程度滿足客戶要求和實(shí)現(xiàn)車輛運(yùn)輸配送成本最小化為目標(biāo),進(jìn)行模擬仿真,以求得最優(yōu)車貨匹配方案。與啟發(fā)式算法不同的是,Anylogic計算結(jié)果為精確的解析解,訂單匹配耗時較長。在實(shí)際情況中,處理貨運(yùn)O2O平臺的海量訂單不僅需要結(jié)果的精確度,更對求解的時間與速度提出了一個更高的要求,因此在后續(xù)研究中,如何利用多種啟發(fā)式方法以提高計算的速度與方案的優(yōu)越性是進(jìn)一步研究的方向。

    猜你喜歡
    容積貨運(yùn)訂單
    春節(jié)期間“訂單蔬菜”走俏
    怎樣求醬油瓶的容積
    新產(chǎn)品訂單紛至沓來
    “最確切”的幸福觀感——我們的致富訂單
    波音公司試飛電動垂直起降貨運(yùn)無人機(jī)
    無人機(jī)(2018年1期)2018-07-05 09:51:00
    AT200大型貨運(yùn)無人機(jī)實(shí)現(xiàn)首飛
    無人機(jī)(2017年10期)2017-07-06 03:04:36
    巧求容積
    截斷的自適應(yīng)容積粒子濾波器
    不同容積成像技術(shù)MR增強(qiáng)掃描對檢出腦轉(zhuǎn)移瘤的價值比較
    貨運(yùn)之“云”
    專用汽車(2016年5期)2016-03-01 04:14:38
    连山| 团风县| 阳江市| 拉萨市| 奎屯市| 沿河| 西乌珠穆沁旗| 兴仁县| 普定县| 霍山县| 津市市| 谷城县| 商河县| 清徐县| 池州市| 法库县| 关岭| 天长市| 且末县| 伊金霍洛旗| 屏山县| 江山市| 丰宁| 汤阴县| 沙河市| 清水县| 铜梁县| 宜城市| 剑阁县| 家居| 盐池县| 武平县| 凤城市| 麻栗坡县| 揭西县| 烟台市| 乌苏市| 龙江县| 克东县| 平阴县| 堆龙德庆县|