Проблема с маршрутизацией автомобиля (VRP ) представляет собой задачу комбинаторной оптимизации и целочисленного программирования, в которой задается вопрос: «Каков оптимальный набор маршрутов для парка транспортных средств, который необходимо пересечь, чтобы доставить его заданному набору клиентов. ? ". Он обобщает известную задачу коммивояжера (TSP). Впервые он появился в статье Джорджа Данцига и Джона Рамсера в 1959 году, в которой был написан первый алгоритмический подход и был применен к поставкам бензина. Часто контекст заключается в доставке товаров, расположенных на центральном складе, клиентам, которые разместили заказы на такие товары. Цель VRP - минимизировать общую стоимость маршрута. В 1964 году Кларк и Райт усовершенствовали подход Данцига и Рамзера, используя эффективный жадный подход, названный алгоритмом экономии.
Определение оптимального решения для VRP является NP-трудным, поэтому размер задач, которые могут быть решены оптимальным образом с помощью математического программирования или комбинаторной оптимизации может быть ограничено. Поэтому коммерческие решатели, как правило, используют эвристику из-за размера и частоты реальных VRP, которые им необходимо решать.
VRP находит множество непосредственных применений в промышленности. Фактически, использование программ компьютерной оптимизации может дать компании экономию 5%, поскольку транспортировка обычно составляет значительную часть стоимости продукта (10%) - действительно, транспортный сектор составляет 10% от ВВП ЕС. Следовательно, любая экономия, созданная VRP, даже менее 5%, является значительной.
VRP касается обслуживания компания доставки. Как вещи доставляются из одного или нескольких депо, которые имеют заданный набор домашних транспортных средств и управляются группой водителей, которые могут перемещаться по заданной дорожной сети к группе клиентов. Он требует определения набора маршрутов, S (один маршрут для каждого транспортного средства, которое должно начинать и заканчивать в своем собственном депо), чтобы все требования клиентов и эксплуатационные ограничения были удовлетворены, а глобальные транспортные расходы были минимизированы. Эта стоимость может быть денежной, расстоянием или иным образом.
Дорожная сеть может быть описана с помощью графа, где дуги - дороги, а вершины - соединения между ними. Дуги могут быть направленными или ненаправленными из-за возможного наличия улиц с односторонним движением или разной стоимости в каждом направлении. Каждая дуга имеет связанную стоимость, которая обычно представляет собой ее длину или время в пути, которое может зависеть от типа транспортного средства.
Чтобы узнать общую стоимость каждого маршрута, стоимость поездки и время в пути между каждым клиентом и станцией должно быть известно. Для этого наш исходный граф преобразуется в такой, в котором вершинами являются клиенты и депо, а дуги - дороги между ними. Стоимость каждой дуги - это наименьшая стоимость между двумя точками исходной сети дорог. Это легко сделать, поскольку задачи кратчайшего пути относительно легко решить. Это преобразует разреженный исходный граф в полный граф. Для каждой пары вершин i и j существует дуга (i, j) полного графа, стоимость которой записывается как и определяется как - стоимость кратчайшего пути от i до j. Время прохождения - это сумма времени прохождения дуг на кратчайшем пути от i до j на исходном графе дорог.
Иногда невозможно удовлетворить все требования клиента, и в таких случаях решатели могут уменьшить требования некоторых клиентов или оставить некоторых клиентов без обслуживания. Чтобы справиться с такими ситуациями, может быть введена приоритетная переменная для каждого клиента или связанные штрафы за частичное или отсутствие обслуживания для каждого клиента с учетом
Целевая функция VRP может сильно отличаться в зависимости от конкретного применения Результатом являются лишь некоторые из наиболее распространенных целей:
Существует несколько вариантов и специализаций проблемы маршрутизации транспортных средств:
Несколько поставщиков программного обеспечения создали программные продукты для решения различных проблем VRP. Доступны многочисленные статьи с более подробной информацией об их исследованиях и результатах.
Хотя VRP связана с проблемой Планирование цеха, эти две проблемы обычно решаются с использованием разных методов.
Существуют три основных различных подхода к моделированию VRP
Формулировка TSP Данцига, Фулкерсона и Джонсона была расширена для создания двух формулировок индексных потоков транспортных средств для VRP
при условии
(1) |
(2) |
(3) |
(4) |
(5) |
(6) |
В этой формулировке представляет собой стоимость перехода от узла к узлу , - двоичная переменная, имеющая значение , если дуга идет от до рассматривается как часть решения, а в противном случае - количество доступных транспортных средств, а соответствует минимальному количеству транспортных средств, необходимых для обслуживания набора . Мы также предполагаем, что - это узел депо.
Ограничения 1и 2устанавливают, что ровно одна дуга входит и ровно одна выходит из каждой вершины, связанной с заказчиком, соответственно. Ограничения 3и 4говорят, что количество автомобилей, выезжающих из депо, совпадает с введенным числом. Ограничения 5- это ограничения сокращения пропускной способности, которые налагают, что маршруты должны быть соединены и что спрос на каждом маршруте не должен превышать пропускную способность транспортного средства. Наконец, ограничения 6являются ограничениями целостности.
Одно произвольное ограничение среди ограничения фактически подразумеваются оставшимися единиц, чтобы его можно было удалить. Каждый разрез, определенный набором клиентов , пересекает ряд дуг не меньше (минимальное количество транспортных средств, необходимое для обслуживания набора ).
Альтернативная формулировка может быть получена путем преобразования ограничений сокращения пропускной способности в обобщенные ограничения исключения субтура (GSEC).
, что предполагает, что по крайней мере дуг покидает каждый пользовательский набор .
GCEC и CCC имеют экспоненциальное количество ограничений, поэтому решить линейную релаксацию практически невозможно. Возможный способ решить эту проблему - рассмотреть ограниченное подмножество этих ограничений и при необходимости добавить остальные.
Снова другой метод заключается в использовании семейства ограничений, имеющих полиномиальную мощность, которые известны как ограничения MTZ. nts, они были впервые предложены для TSP, а затем расширены Кристофидесом, Мингоцци и Тотом.
где - дополнительная непрерывная переменная, которая представляет нагрузку, оставшуюся в транспортном средстве после посещения клиента и - это спрос клиента . Это накладывает требования как к возможности подключения, так и к емкости. Когда ограничение, тогда не является обязательным, поскольку и тогда как они предполагают, что .
Они широко использовались для моделирования базовой VRP (CVRP) и VRPB. Однако их возможности ограничиваются этими простыми проблемами. Их можно использовать только в том случае, если стоимость решения может быть выражена как сумма затрат на дугу. Мы также не можем знать, какое транспортное средство пересекает каждую дугу. Следовательно, мы не можем использовать это для более сложных моделей, где стоимость и / или осуществимость зависят от заказа клиентов или используемых транспортных средств.
Есть много методов, как решать проблемы с маршрутизацией транспортных средств вручную. Например, оптимальная маршрутизация является большой проблемой для вилочных погрузчиков на больших складах. Некоторые из ручных методов выбора наиболее эффективного маршрута: наибольший зазор, S-образная форма, от прохода к проходу, комбинированный и комбинированный +. Хотя комбинированный + метод является наиболее сложным и, следовательно, трудным для использования операторами автопогрузчиков, он является наиболее эффективным методом маршрутизации. Тем не менее, процентная разница между ручным методом оптимальной маршрутизации и реальным оптимальным маршрутом составила в среднем 13%.
Из-за сложности решения до оптимальности крупномасштабных примеров проблем маршрутизации транспортных средств, значительные исследовательские усилия были посвящены метаэвристике, такой как генетические алгоритмы, поиск табу, имитация отжига и адаптивный поиск большого окружения ( ALNS). Некоторые из самых последних и эффективных метаэвристик для проблем с маршрутизацией транспортных средств находят решения в пределах 0,5% или 1% от оптимума для экземпляров проблем, насчитывающих сотни или тысячи точек доставки. Эти методы также более надежны в том смысле, что их легче адаптировать для работы с множеством побочных ограничений. Таким образом, применение метаэвристических методов часто предпочтительнее для крупномасштабных приложений со сложными ограничениями и наборами решений.