[论文解读] Branch-and-price algorithm for an auto-carrier transportation problem

Saravanan Venkatachalam, Kaarthik Sundar|arXiv (Cornell University)|May 29, 2016

Vehicle Routing Optimization Methods参考文献 3被引用 8

一句话总结

本文提出一种两阶段启发式与列 generation（branch-and-price）算法，以优化新车运输车的配送。首先，基于地理聚类和方位角的路径启发式方法生成高效的配送路线；其次，通过精确优化求解复杂车辆装载问题，考虑现实约束如后进先出（LIFO）政策、车辆尺寸和重量限制。对于包含600辆车辆的实际案例，该方法在合理运行时间内计算出最优解。

ABSTRACT

Original equipment manufacturers (OEMs) manufacture, inventory and transport new vehicles to franchised dealers. These franchised dealers inventory and sell new vehicles to end users. OEMs rely on logistics companies with a special type of truck called an auto-carrier to transport the vehicles to the dealers. The process of vehicle distribution has a common challenge. This challenge involves determining routes, and the way to load the vehicles onto each auto-carrier.In this paper, we present a heuristic to determine the route for each auto-carrier based on the dealers' locations, and subsequently, a branch-and-price algorithm to obtain optimal solutions to the loading problem based on the generated route. The loading problem considers the actual dimensions of the vehicles, and the restrictions imposed by vehicle manufacturers and governmental agencies on the loading process. We perform extensive computational experiments for the loading problem using real-world instances, and our results are benchmarked with a holistic model to corroborate the effectiveness of the proposed method. For the largest instance comprising of 600 vehicles, the proposed method computes an optimal solution for the loading problem within a stipulated runtime.

研究动机与目标

• 最小化将新车配送至经销商所使用的运输车数量，从而降低运营成本。
• 解决复杂的车辆装载问题，考虑物理约束，如车辆尺寸、重量限制以及 LIFO（后进先出）卸载政策。
• 为美国汽车分销网络中的实际新车运输物流运营，开发一种可扩展且实用的解决方案方法。
• 将所提方法与整体模型进行对比，以验证解的质量与计算效率。

提出的方法

• 路径启发式方法利用方位角和偏移距离，在目标经销商周围构建多边形，基于地理接近度和视角角度选择附近经销商。
• 使用 Haversine 公式，基于以弧度表示的纬度和经度，计算配送中心与经销商之间的大圆距离。
• 应用 Lin-Kernighan 启发式方法，确定所构建多边形内经销商的最优访问顺序，以实现高效路径规划。
• 采用列 generation 算法求解车辆装载问题，通过分解主问题与定价子问题，以处理大规模实例。
• 在定价子问题中嵌入最大长度、高度、重量限制以及 LIFO 政策等约束，以确保装载配置的可行性。
• 基于滑动角度和车辆尺寸，使用三角近似方法计算坡道的高度增量与最大高度参数。

实验结果

研究问题

• RQ1 结合启发式路径规划与精确列 generation 优化的两阶段方法，能否减少车辆配送中所使用的运输车数量？
• RQ2 所提出的路径启发式方法在基于地理接近度与视角角度对地理位置相近的经销商进行聚类，以形成高效配送路线方面，效果如何？
• RQ3 列 generation 算法在最优装载中，对现实约束（如 LIFO 卸载与车辆物理尺寸）的处理能力如何？
• RQ4 该方法在大规模实际案例中的计算性能如何，特别是针对 600 辆车的问题？

主要发现

• 对于最大测试实例（包含 600 辆车），所提方法在规定运行时间内计算出车辆装载问题的最优解。
• 路径启发式方法能有效基于地理接近度与视角角度对经销商进行聚类，形成捕获相关配送地点的多边形。
• 列 generation 算法成功处理了复杂约束，包括 LIFO 卸载、车辆尺寸与重量限制，生成了可行且最优的装载配置。
• 计算实验表明该方法具有高效性与可扩展性，其结果通过与整体模型对比，验证了解的质量。