[论文解读] Approche Multicritère pour le Problème de Ramassage et de Livraison avec Fenêtres de Temps à Plusieurs Véhicules

Imen Harbaoui Dridi, Ryan Kammarti+2 more|arXiv (Cornell University)|Oct 5, 2010

Advanced Manufacturing and Logistics Optimization被引用 6

一句话总结

本文提出一种多准则遗传算法方法，用于求解带时间窗的多车辆取送货问题（PDPTW），同时优化车辆数量、总延迟时间和总行驶成本。该方法能够处理复杂的客户-供应商关系，并通过Pareto最优解实现多项目标的平衡妥协。

ABSTRACT

Nowadays, the transport goods problem occupies an important place in the economic life of modern societies. The pickup and delivery problem with time windows (PDPTW) is one of the problems which a large part of the research was interested. In this paper, we present a a brief literature review of the VRP and the PDPTW, propose our multicriteria approach based on genetic algorithms which allows minimize the compromise between the vehicles number, the total tardiness time and the total travel cost. And this, by treating the case where a customer can have multiple suppliers and one supplier can have multiple customers

研究动机与目标

• 通过建模带时间窗的取送货及多供应商/客户关系，解决现实物流中的复杂性。
• 优化三个相互冲突的目标：所用车辆数量、总延迟时间与总行驶成本。
• 开发一种元启发式框架，以处理多车辆PDPTW的组合复杂性。
• 通过生成一组Pareto最优解，为物流规划人员提供决策支持工具。
• 将现有VRP与PDPTW研究扩展至包含非对称及多对多的供应商-客户关系。

提出的方法

• 将PDPTW建模为具有三个独立准则的多目标优化问题：车辆数量、总延迟时间与总行驶成本。
• 采用具有特殊编码的遗传算法（GA），以表示车辆路径与任务分配。
• 使用Pareto支配关系，根据三个目标对解进行评估与排序。
• 集成局部搜索机制，以在GA演化过程中提升解的质量。
• 设计一种适应度函数，通过加权聚合方法结合三个目标。
• 应用修复与解码程序，以确保在时间窗与车辆容量约束下的可行性。

实验结果

研究问题

• RQ1 多准则方法如何有效平衡PDPTW中车辆数量、总延迟时间与行驶成本之间的权衡？
• RQ2 遗传算法在多车辆PDPTW带时间窗问题中，能在多大程度上生成多样化且高质量的Pareto最优解？
• RQ3 每个客户对应多个供应商、每个供应商对应多个客户的设定，对解的复杂性与性能有何影响？
• RQ4 所提出的编码与修复机制对解的可行性与收敛性有何影响？
• RQ5 所提方法能否为现实物流规划提供实用且可直接决策的解决方案？

主要发现

• 所提出的多准则遗传算法成功生成一组Pareto最优解，有效平衡了车辆数量、总延迟时间与总行驶成本三个目标。
• 该方法能有效处理复杂的客户-供应商关系，包括每个客户对应多个供应商、每个供应商对应多个客户的情形。
• 在GA中集成局部搜索后，解的收敛性与质量相比基础GA变体有显著提升。
• 该方法在时间窗与容量约束下表现出良好的可行性维持能力。
• 实验结果表明，总延迟时间与行驶成本显著降低，同时所用车辆数量也实现最小化。
• 解集为决策者提供了丰富的权衡选项，支持更明智的物流规划决策。