1、考虑能耗优化及带有时间调整的车辆路径规划研究孔泽云：考虑到实际装载量对物流配送过程中燃料消耗量的影响，将燃料消耗量的优化引入到配送路线规划设计中，同时本文在模型的约束条件参加调整时间这一因素更加贴合实际运作情况。最终本文建立了基于J公司实际运作情况目标函数的ECO-VRPTW模型。并使用MATLAB求解，结果说明根据J公司实际配送数据求解方案得出的平均装载率与原先比照有明显的提高，说明本文建立的模型可以有效解决其现在面临的问题，实现配送本钱最低的目标。其次J公司所出现的问题也是大多数物流企业面临的问题，因此，本文的研究对其他物流公司在车辆路径配送安排上具有一定的借鉴意义。Abstract： C
2、onsidering the effect of actual loading on fuel consumption in logistics distribution process， the optimization of fuel consumption is introduced into the distribution route planning and design. At the same time， the factor of adjustment time added to the constraints of the model is more suitable fo
3、r actual operation. Finally， this paper establishes an ECO-VRPTW model based on the objective function of J companys actual operation and uses MATLAB to solve. The results show that the average loading rate obtained from the J companys actual distribution data solution is significantly improved comp
4、ared with the original comparison， indicating that the model established in this article can effectively solve the problems it is facing and achieve the goal of the lowest distribution cost. Secondly， the problems of company J are also the problems faced by most logistics companies. Therefore， the r
5、esearch in this paper has certain reference significance for other logistics companies in the arrangement of vehicle route distribution.关键词：能耗优化;时间调整;车辆路径0 引言车辆路径规划问题Vehicle Routing Problem，VRP是物流配送中的核心问题之一，最早由Dantzig1于1959年提出，目前已有局部学者针对低碳VRP开展了相应的研究，如Bektas等2实证研究了碳排放的影响因素，权衡了行驶距离、司机工资和燃料消耗量的关系。Zhu等
6、3提出碳排放量与车辆的行驶里程具有显著的正相关关系。Demir等4提出车辆装载量、发动机类型和尺寸、道路坡度等因素与配送车辆的燃料消耗有一定的关系，并进一部影响碳排放量。在带有时间窗的问题上，罗耀波等5结合实际预约情况决定客户的被效劳时间，并考虑仓库的容量限制建立了有容量限制的模糊时间窗车辆路径优化模型。同样的闫芳等6也是依据客户提供的时间建立了多模糊时间窗模型。楼振凯等7创造性地引用客户不满意度的模糊隶属度函数标量化函数，为多目标函数求解提供一种可行解。通过梳理分析研究国内外相关文献，发现对于带时间窗车辆路径问题的研究很少注意到配送过程中发生的调整时间，即配送完成后需要对车辆进行保养检修清洁
7、、润滑、调整等、补充燃油及工作人员修整等因素导致配送时间发生变化需要对时间进行调整，本文在考虑能耗优化的根底上参加配送过程中存在的调整时间这一因素更加贴合实际运作情况。最终本文建立考虑能耗优化及带有时间调整的车辆路径规划模型Research on Vehicle Routing Problem with Energy Consumption Optimization and Time Adjustment，ECO-VRPTW以期解决J公司存在的问题。1 问题描述和模型构建1.1 问题描述J公司陆运部城配组数据进行模型的求解分析。其公司配送信息资料如下：J公司城配组需要为36个供给商进行配送效劳
8、，配送车辆车型一致，车辆最大行驶距离为800km，车容量2000kg，車辆的平均行驶速度为60km/h，每辆配送车的固定本钱为300元/辆，单位行驶里程的变动本钱为5元/km;燃料费用为6元/L，单位调整时间为0.5。每个配送车辆早上七点从仓库统一出发进行配送效劳，按照供给商要求的时间窗内进行配送效劳，全部完成配送任务后返回仓库。要求满足降低物流总配送本钱设计合理的调度和物流配送路线。每个供给商效劳时间服从5，20的均匀分布。根据百度拾取坐标系统得到供给商经纬度位置、供给商需求量信息、具体配送时间窗口要求、效劳时间如表1。1.1.1 约束条件约束条件如下：完成客户效劳工作后对车辆进行保养检修工
9、作，导致调整时间的产生。每辆车各自从配送中心出发，沿着一条配送路线将装载的货物送达指定客户，并出发点;一辆配送车可以效劳多个客户，但每个客户仅被一辆车效劳一次。车辆在配送过程中匀速行驶。1.1.2 模型参数设置问题集合。问题参数。qi：i的需求量0qiQ，iN;dij：任意两点i和j之间的欧式距离;Qk：车辆k的最大装载量;Tk：车辆k的最大行驶距离;Cf：每辆车的固定本钱包括车辆保险费、车辆年检费等固定本钱;Cv：车辆单位变动本钱包括人工费用、桥境费等变动本钱;Ce：单位燃料消耗本钱;ij：车辆行驶在路径i，j的燃料消耗率;Fij：车辆行驶在路径i，j的燃料消耗量;gij：车辆k经过路径i，
10、j时货物的运输量;tij：车辆从i驶向到j的时间;ssi：车辆开始效劳i的时间;sei：车辆结束效劳i的时间;sti：效劳客户i的时间;O：单位调整时间，O0，1;Otki：车辆k在客户i的时间调整;dki：车辆k到达客户点i与上一调整点的距离。决策变量。1.2 根本模型建立设配送车辆k在配送时，依次经过客户i和客户j，在配送完客户i后驶向客户j的路径为i，j，车辆的载重量为Q，Q为车辆行驶在该段路径上单位行驶里程的燃料消耗量。该配送车辆在满载和空载时的单位行驶里程的燃料消耗量分别为x和0，根据参考相关燃料消耗文献给出x=1，0=2。可得到车辆行驶在路径i，j上的燃料消耗量Fij。如下为：物流
11、配送过程中的燃料消耗率模型和燃料消耗量模型。目标函数：配送本钱车辆的固定本钱和变动本钱最小化燃油消耗本钱最小化总目标函数约束条件：以上模型简要说明如下：目标函数5表示配送总本钱最小;约束6表示每个客户仅被一辆车效劳一次;约束7保证车辆行驶路径的连续性;约束8和式9分别表示车辆的容量约束和行驶距离约束;约束10表示车辆k到达客户点i与上一调整点的距离;约束11表示车辆调整时间后行驶距离约束;约束12表示车辆k完成客户i的效劳后的调整时间;约束13表示车辆开始效劳客户i的时间、客户i被效劳时间、车辆k完成客户i的效劳后的调整时间、车辆从客户i行驶到客户j的时间四者之和要小于或等于客户j开始效劳时间
12、;约束14表示车辆k要在客户i的时间窗内进行效劳工作。2 算例求解分析本文构建的ECO-VRPTW是NP-hard问题，需要启发式算法进行求解，GA在求解VRPTW问题时具有快速收敛，鲁棒性好，并进行全局搜索解法能力，已成为复杂VRP问题重要求解方法之一，本文选用遗传算法作为本文的求解算法，并借助MATLAB工具进行求解。参数设置：GA的种群数目设置为80，每个种群均有10个个体，GA的交叉率和变异率分别设置为0.9和0.1，最大遗传迭代次数为500次，且算法独立运行30次，取最优计算结果如图1所示。根据求解方案得出的平均装载率与J公司原先的车辆装载率比照有明显的提高，说明本文建立的模型可以有
13、效解决其现在面临的问题，实现配送本钱最低的目标。本文在模型的约束条件参加调整时间这一因素更加贴合实际运作情况。最终本文建立了基于J公司实际运作情况目标函数为车辆配送本钱与燃油消耗本钱最小化的考虑能耗优化及带有时间调整的车辆路径规划模型。结果说明求解方案可以有效提高车辆的装载率。其次本文针对J物流公司进行建模并求解得到满意方案，J公司所出现的问题也是大多数物流企业面临的问题，因此，本文的研究对其他物流公司在车辆路径配送安排上具有一定的借鉴意义。3 结束语“低能耗、低污染、低排放的低碳概念深入人心，绿色物流、低碳物流已成为各物流企业追逐的目标，也是各企业长远开展的根本所在。本文将燃料消耗量的优化引
14、入到配送路线规划设计中，同时本文在模型的约束条件参加调整时间这一因素更加贴合实际运作情况。最终本文建立了基于J公司实际运作情况目标函数的ECO-VRPTW模型，为求解低能耗的VRPTW研究提供了求解途径。但同时在实际生活中对车辆配送路线的制定受到很多因素的影响，车流量的影响、天气状态以及客户需求量的变化等，如何将实际生活中多种影响因素进行量化，并引入到模型中，使得模型更加符合实际情况是未来的研究方向。参考文献：1Dantzig G B ， Ramser J H . The Truck Dispatching ProblemJ. Management Science， 1959， 61：80-9
15、1.2T， Laporte G. The pollution-routing problemJ. Transportation Research Part B， 2023， 458：1232-1250.3Zhu X， Garcia-Diaz A， Jin M， et al. Vehicle fuel consumption minimization in routing over-dimensioned and overweight trucks in capacitated transportation networksJ. Journal of Cleaner Production， 2023， 85：331-336.4Demir E， Bekta T ， Laporte G . A comparative analysis of several vehicle emission models for road freight transportationJ. Transportation Research Part D： Transport and Environment， 2023， 165：347-357.5羅耀波，孙延明.基于模糊时间窗的带容积约束选址路径问题J.系统工程，2023，3201：19-25.6
