需求可拆分的節(jié)點(diǎn)具有雙重需求的車輛路徑問題研究進(jìn)展

，

(中南大學(xué) 交通運(yùn)輸工程學(xué)院， 湖南 長沙 410075)

一般車輛路徑問題(vehicle routing problem，VRP)中各客戶點(diǎn)僅具有送貨需求或取貨需求， 即純送(取)貨車輛路徑問題。 隨著逆向物流的快速發(fā)展及環(huán)保政策的切實(shí)落實(shí)， 實(shí)際操作中需要對(duì)一部分客戶點(diǎn)送貨， 對(duì)另一部分客戶點(diǎn)取貨， 于是產(chǎn)生了取送貨問題(general pickup and delivery problem，GPDP)。 無論是VRP還是GPDP， 客戶更愿意接受以盡可能少的服務(wù)訪問次數(shù)下完成所有需求。 目前大部分的研究都是針對(duì)每個(gè)客戶點(diǎn)的需求只能由一輛車服務(wù)， 即需求不可拆分的問題類型， 但是， 在實(shí)際運(yùn)行中，客戶需求被拆分運(yùn)輸?shù)那闆r并不少見，例如不同貨物需要不同的運(yùn)輸工具及裝卸設(shè)備，將客戶需求根據(jù)貨物類型特性分類運(yùn)輸， 可提高作業(yè)物流作業(yè)效率。 具有集中管理制度的中心物流配送中心可以為需求拆分運(yùn)輸模式提供技術(shù)及設(shè)備支持。

已有理論研究及事實(shí)證明，需求可拆分的運(yùn)輸方式有利于充分利用車輛裝載能力和降低車輛行駛成本。Dror等[1-3]首次提出需求可拆分的純送(取)貨車輛路徑問題(split delivery vehicle routing problem，SDVRP)，此后越來越多學(xué)者致力于需求可拆分問題領(lǐng)域的研究，但是較少有針對(duì)GPDP需求可拆分問題類型的研究。2005年，Mitra[4]和Nowak[5]分別就不同類型GPDP考慮需求可拆分的運(yùn)輸模式，開啟了需求可拆分的取送貨問題(GPDP with split loads，GPDPSL)的研究。本文中提出了適用于各種節(jié)點(diǎn)具有雙重需求的車輛路徑問題(SVRPNDD)的數(shù)學(xué)模型，分析比較各種問題的特性，并歸納總結(jié)各種問題算法的研究進(jìn)展。

1 GPDP分類

在已有研究中，不同學(xué)者從不同角度、不同準(zhǔn)則對(duì)GPDP進(jìn)行分類。大部分GPDP中假設(shè)所有客戶點(diǎn)均只能被訪問一次，即需求不可拆分類型。借鑒Parragh等[6-7]提出的分類準(zhǔn)則，本文中將GPDP劃分為2個(gè)不同問題類型。在第1類問題中，所有配送貨品必須由單一(或多個(gè))配送中心發(fā)送至各收貨客戶點(diǎn)，且從各具有發(fā)貨需求的客戶點(diǎn)收集的貨品必須全部運(yùn)送回配送中心，此類問題統(tǒng)稱為帶回程的車輛路徑問題(vehicle routing problems with backhauls，VRPB)。需要說明的是，目前大部分VRPB的經(jīng)典定義是假設(shè)運(yùn)輸方式為“先取后送”形式，在Parragh等[6-7]的問題定義及分類中，歸類為帶聚類回程的車輛路徑問題(VRP with all linehauls before backhauls或VRP with clustered backhauls，VRPCB)。在第2類問題中，取送貨需求存在于各客戶點(diǎn)之間，本文中定義為收發(fā)問題(pickup and delivery problem，PDP)。借鑒王科峰等[8-10]的研究，本文中根據(jù)客戶節(jié)點(diǎn)具有的需求類型情況，進(jìn)一步將VRPB細(xì)分為節(jié)點(diǎn)具有單一需求的車輛路徑問題(VRP with nodes of single demand，VRPNSD)及節(jié)點(diǎn)具有雙重需求的車輛路徑問題(VRP with nodes of double demands，VRPNDD)。VRPNSD中所有客戶點(diǎn)只能具有取貨或送貨中的一種需求，而VRPNDD中客戶點(diǎn)可同時(shí)具有取貨及送貨2種需求。PDP根據(jù)發(fā)、收貨客戶是否對(duì)應(yīng)分為2個(gè)子類，即不對(duì)稱的PDP及對(duì)稱的PDP。為了便于理解，將GPDP分類進(jìn)行歸納，如圖1所示。

圖1 取送貨問題分類

1.1 VRPNSD概述

VRPNSD中的客戶被分為配送客戶(只具有送貨需求)及集取客戶(只具有取貨需求)。假設(shè)所有客戶集為N，配送客戶集為D，集取客戶集合為P，則有N=D∪P且D∩P=○/。若任意車輛只有在訪問完路徑中的所有配送客戶后才能開始對(duì)集取客戶進(jìn)行訪問，則稱此類問題為VRPCB。如果問題對(duì)送貨服務(wù)及取貨服務(wù)順序無約束，則為混合取送貨車輛路徑問題(VRP with mixed linehauls and backhauls，VRPMB)。

1.2 VRPNDD概述

VRPNDD中客戶可同時(shí)具有取貨及送貨2種需求，即客戶可能既是配送客戶，也是集取客戶。同時(shí)取送貨的車輛路徑問題(VRP with simultaneous delivery and pickup，VRPSDP)是VRPNDD的代表類型。值得注意的是，VRPSDP假設(shè)所有客戶需求均不得大于車輛最大裝載能力。

Parragh等[6-7]將取送貨可分割的車輛路徑問題(VRP with divisible delivery and pickup，VRPDDP)列入VRPB中，VRPDDP中同時(shí)具有取貨及送貨需求的客戶，允許被訪問2次，一次完成取貨服務(wù)，一次完成送貨服務(wù)，即客戶需求可能被拆分成2次。由于本文中假設(shè)GPDP中所有客戶不允許被拆分運(yùn)輸，因此將VRPDDP列為VRPNDD類型。

2 GPDPSL的研究現(xiàn)狀

針對(duì)GPDPSL的研究，Mosheiov[11]于1998年最早提出了單位需求(single-unit demand)的假設(shè)。在此假設(shè)下，客戶的任意需求(取或送)均可以最小計(jì)量單位進(jìn)行拆分，從而由多輛車運(yùn)輸。Nagy等[12]雖然在研究中未直接考慮GPDPSL，但是針對(duì)GPDP特別設(shè)計(jì)了一組算法求解鄰域，其中包括“Neck”與“Unneck”一組對(duì)偶算子，分別用于對(duì)客戶需求進(jìn)行拆分及合并。

GPDPSL研究的正式開端可追溯至2005年，Mitra[4]首次將需求可拆分運(yùn)輸方式引入VRPSDP中， 并在文獻(xiàn)[13]中正式定義該類問題為需求可拆分的同時(shí)取送貨車輛路徑問題(vehicle routing problem with split pickups and deliveries，VRPSPDP)。更多學(xué)者也致力于GPDPSL領(lǐng)域研究，包括研究其求解難度、問題特性、最優(yōu)解特性及求解算法等。圖2所示為全球在GPDPSL領(lǐng)域研究論文的發(fā)表數(shù)量。從圖中可以看出，該問題在早期的研究成果相對(duì)較少，近年來呈增長趨勢(shì)。

圖2 需求可拆分的取送貨問題(GPDPSL)研究論文發(fā)表情況

已知GPDP分為2個(gè)大類，本文中也相應(yīng)地將GPDPSL分為2類，即需求可拆分的帶回程的車輛路徑問題(VRPB with split loads，VRPBSL)及需求可拆分的收發(fā)車輛路徑問題(PDP with split loads，PDPSL)。已有研究中，PDPSL的研究熱度略高于VRPBSL的，兩者的比例大致為56∶44。

2.1 VRPBSL研究現(xiàn)狀

VRPBSL同樣可以分為2大類，即需求可拆分的VRPNSD(split VRPNSD，SVRPNSD)及需求可拆分的VRPNDD(split VRPNDD，SVRPNDD)。自Mitra[4]開始VRPSPDP研究以來，隨后更多學(xué)者聚焦VRPBSL領(lǐng)域研究。Lai等[14]將需求可拆分操作模型引入VRPCB，提出需求可拆分的VRPCB(split VRPCB，SVRPCB)，這也是目前針對(duì)SVRPNSD的唯一研究文獻(xiàn)?？梢姡^大多數(shù)的VRPBSL研究均是針對(duì)SVRPNDD的，其比例約占95%。本文中分析認(rèn)為，這是因?yàn)镾VRPNDD更加貼合實(shí)際運(yùn)輸活動(dòng)的復(fù)合型，所以具有更重要的研究意義及更強(qiáng)的實(shí)用性。如果假設(shè)SVRPNDD中具有雙重需求的客戶中的某一項(xiàng)需求為0，則SVRPNDD即可轉(zhuǎn)換成SVRPNSD。

2.2 PDPSL研究現(xiàn)狀

2005年Nowak[5]首次針對(duì)PDPSL進(jìn)行研究，并在后續(xù)幾年繼續(xù)對(duì)該領(lǐng)域進(jìn)行較全面的研究[15-17]。在已有研究中，針對(duì)PDPSL的研究大部分是基于實(shí)際應(yīng)用問題的，特別是應(yīng)用于海上商貿(mào)運(yùn)輸，其比例約占60%，其余的32%、8%分別是關(guān)于理論及算法和其他應(yīng)用。近年來，PDPSL研究問題呈現(xiàn)較大的個(gè)性化趨勢(shì)，這里不進(jìn)行詳盡闡述。

3 SVRPNDD研究進(jìn)展

目前大部分SVRPNDD研究以VRPSPDP問題為主，其比例占到85%，其中Mitra[4,13]為VRPSPDP的研究奠定了基礎(chǔ)，王科峰等[8-10]深入研究VRPSPDP問題特性，為該問題研究提供了更加詳盡的理論依據(jù)。文獻(xiàn)[18-19]中在解決現(xiàn)實(shí)第三方物流案例時(shí)采用VRPSPDP模型，考慮時(shí)間窗限制，提出了帶時(shí)間窗的VRPSPDP(VRPSPDP with time windows，VRPSPDPTW)。Yin等[20]提出一種特殊的VRPSPDP，對(duì)各客戶點(diǎn)拆分次數(shù)進(jìn)行限制(最多只能被拆分2次)，且行駛路徑不能超過最大長度的限制。2017年，Wassan等[21]將VRPDDP以需求可拆分類型問題呈現(xiàn)在學(xué)者面前，Nagy等[22]進(jìn)而就VRPDDP需求可拆分特性進(jìn)行深入、全面的研究，拓展了研究領(lǐng)域。2005—2017年12月全球SVRPNDD領(lǐng)域研究論文的發(fā)表情況如圖3所示。

3.1 問題描述與數(shù)學(xué)模型

SVRPNDD可統(tǒng)一表示為無向圖G=(V，E)，其中V={0，1，2，…，n}代表配送中心及客戶點(diǎn)的集合，其中0表示配送中心，{1,2,…,n}表示客戶點(diǎn)的集合；E表示邊集。

SVRPNDD旨在滿足下列約束條件的情況下求得最小運(yùn)輸成本(使用最少車輛數(shù)使得行駛總路程最短)：

VRPSPDP—需求可拆分的同時(shí)取送貨車輛路徑問題；VRPDDP—取送貨可分割的車輛路徑問題。

1) 所有車輛離開同一車場， 并最終返回該車場；

2)所有車輛裝載能力相同，車輛的實(shí)際裝載量不得超過該車最大裝載能力；

3)各客戶點(diǎn)可同時(shí)具有收取、發(fā)送2種需求，且任意類型需求量可能大于車輛裝載能力；

4)客戶總需求量可同時(shí)被不只一輛車訪問，或被同一輛車服務(wù)1次以上；

5)任意車輛對(duì)客戶點(diǎn)取、送服務(wù)無順序要求；

6)無時(shí)間窗及最長路徑距離限制。

通常認(rèn)為，多用一輛車所產(chǎn)生的固定費(fèi)用總是超過總行駛費(fèi)用減少帶來的節(jié)省，因此即使存在不進(jìn)行最小車輛數(shù)限制，可能求解得到總行駛距離更短的情況，問題仍然設(shè)定最小車輛數(shù)K為已知參數(shù)。最小車輛數(shù)為

式中：「?表示向上取整；D為總送貨量；P為總?cè)∝浟?；Q為車輛最大裝載能力。

大部分考慮帶時(shí)間窗的問題初始條件并未設(shè)定最小車輛數(shù)約束，原因是增加時(shí)間窗約束會(huì)導(dǎo)致問題求解變得更加困難。為了能在接受的時(shí)間內(nèi)得到滿意解，允許使用盡可能少而非最少的車輛完成服務(wù)，但是，Tang等[18]得出結(jié)論是，在一個(gè)時(shí)間窗內(nèi)，需要的最小車輛數(shù)與非時(shí)間窗約束下問題使用的最小車輛數(shù)相等，且在一個(gè)時(shí)間窗內(nèi)，存在一個(gè)可行方案，其所需車輛數(shù)為問題最小車輛數(shù)。

SVRPNDD數(shù)學(xué)模型符號(hào)說明見表1。

表1 需求可拆分的同時(shí)取送貨車輛路徑問題的數(shù)學(xué)模型符號(hào)及說明

SVRPNDD的數(shù)學(xué)模型為

(1)

s.t.

(2)

(3)

(4)

(5)

(6)

(7)

(8)

yij,zij≥0

，

(9)

xijk≥0,xijk∈+

，

(10)

式中：i,j∈{0,1,…,n}；k∈{1,2,…,K}。

目標(biāo)函數(shù)(1)為最小化車輛行駛總路程；約束條件(2)—(3)保證所有客戶點(diǎn)的需求均被滿足；式(4)—(5)確保離開配送中心時(shí)，車上沒有收集的貨物，當(dāng)車輛返回車場時(shí)，車上沒有待配送給客戶點(diǎn)的貨物；約束條件(6)表示車輛訪問某點(diǎn)的次數(shù)等于離開該點(diǎn)的次數(shù)；條件(7)表示每輛車僅離開配送中心1次，并最終返回配送中心；約束條件(8)保證車輛的實(shí)際裝載量不超過其最大裝載能力；式(9)—(10)表示變量約束。

也有學(xué)者描述目標(biāo)函數(shù)時(shí)，把最小化車輛使用數(shù)量作為第1層優(yōu)化目標(biāo)，最小化車輛行駛費(fèi)用作為第2層優(yōu)化目標(biāo)，即

(11)

式中P1、P2(P1>>P2)與目標(biāo)規(guī)劃中的定義一樣，為優(yōu)先因子，是定性的概念，不賦予具體數(shù)值，只表示各目標(biāo)的優(yōu)先級(jí)。若固定費(fèi)用和行駛費(fèi)用都能準(zhǔn)確度量，則也可以用統(tǒng)一的費(fèi)用量綱表示，轉(zhuǎn)化為單目標(biāo)優(yōu)化函數(shù)，直接進(jìn)行求和來比較優(yōu)劣，即

(12)

式中w1、w2分別表示單位車輛使用費(fèi)和單位行駛距離行駛費(fèi)用。Mitra[13]在研究VRPSPDP過程中給出一種假設(shè)，令w1=100，w2=0.1。Ai等[23]在考慮VRPSDP時(shí)，假設(shè)w1=100,w2=1。

VRPSPDP中對(duì)各客戶被拆分的次數(shù)無限制，可直接采用SVRPNDD數(shù)學(xué)模型。因?yàn)閂RPDDP對(duì)客戶拆分方式及次數(shù)有限制，各客戶需求最多只能被拆分2次，所以需要在SVRPNDD模型中修改約束條件(10)為

0≤xijk≤2,xijk∈+,i,j∈{0,1,…,n},k∈{1,2,…,K}。

(13)

又因?yàn)閂RPDDP中能夠被拆分的客戶只能是具有雙重需求的客戶，且被拆分的2次服務(wù)中，一次完成全部送貨需求，一次滿足所有取貨需求，所以SVRPNDD模型中的式(7)需要替換為

x0jk∈{0,1},j∈{0,1,…,n},k∈{1,2,…,K}，

(14)

xi0k∈{0,1},i∈{0,1,…,n},k∈{1,2,…,K}。

(15)

3.2 問題特性

縱觀已有SVRPNDD研究，主要研究重點(diǎn)為問題的算法求解，針對(duì)問題本質(zhì)特性的專項(xiàng)研究較少。問題特性的主要成果來自于王科峰等[8-10]。文獻(xiàn)[9]中指出，SDVRP是SVRPNDD中當(dāng)客戶點(diǎn)送貨和取貨2種需求之一為0時(shí)的特例，因此節(jié)點(diǎn)需求的雙重性帶來的問題結(jié)構(gòu)方面的改變，使得SVRPNDD比只有單一需求的SDVRP在固有性質(zhì)方面的研究更為困難。在研究SVRPNDD特性時(shí)，學(xué)者們通常會(huì)將其與SDVRP進(jìn)行比較。

3.2.1 計(jì)算復(fù)雜度

3.2.2 最優(yōu)解特性

問題最優(yōu)解特性是研究SVRPNDD的首要關(guān)鍵所在。雖然SVRPNDD是SDVRP的擴(kuò)展，但是，在最優(yōu)解的性質(zhì)方面兩者之間存在著明顯的差異。其原因是SVRPNDD中客戶點(diǎn)可以同時(shí)具有取貨及送貨2種需求，且2種需求相互制約。王科峰等[10]指出，目前直接研究SVRPNDD與SDVRP最優(yōu)解性質(zhì)的差異還存在困難。

已知的SDVRP重要最優(yōu)解特性見定理1、 2。

定理1[1]若距離矩陣滿足三角不等式， 則SDVRP最優(yōu)解中任意2條線路最多只存在一個(gè)公共點(diǎn)。

定理2[1]若距離矩陣滿足三角不等式， 則SDVRP最優(yōu)解中不存在k-拆分循環(huán)，k≥2。

定理3[25]若距離矩陣滿足三角不等式，則SDVRP最優(yōu)解中需求拆分點(diǎn)的個(gè)數(shù)少于路徑數(shù)。

王科峰等[8-9]研究了SVRPNDD是否具有與SDVRP相同的最優(yōu)解特性， 論證得出結(jié)論， 在SVRPNDD的最優(yōu)解中， 2條路徑間可能存在不止一個(gè)公共點(diǎn)， 與定理1不符。 同時(shí)VRPSPD中解的一條路徑中含有子回路的路徑相對(duì)于不含子回路的路徑可能會(huì)使行駛距離更短， 與定理3性質(zhì)相異。 Nagy等[22]也指出， VRPDDP最優(yōu)解不符合定理1及定理3， 且實(shí)際需求拆分點(diǎn)的個(gè)數(shù)沒有數(shù)量上限約束。

對(duì)比SDVRP最優(yōu)解特性，可得出SVRPNDD最優(yōu)解特性如下：1)若距離矩陣滿足三角不等式，則SVRPNDD最優(yōu)解中任意2條線路可存在多個(gè)公共點(diǎn)；2)若距離矩陣滿足三角不等式，則SVRPNDD最優(yōu)解中路徑中可能存在子環(huán)；3)若距離矩陣滿足三角不等式，則SDVRP最優(yōu)解中需求拆分點(diǎn)的個(gè)數(shù)無上限約束。

3.2.3 可還原性

王科峰等[8]研究了VRPSPD是否有與Archetti等[24-25]提出的SDVRP可還原性相類似的性質(zhì)，給出SVRPNDD可簡化性定義。

定義2[8]當(dāng)客戶點(diǎn)的取貨、送貨需求都大于或等于車輛最大裝載能力Q時(shí)，車輛滿載Q單位貨物，從車場出發(fā)直接到達(dá)該客戶點(diǎn)，在卸下車場運(yùn)送來的Q單位貨物的同時(shí)，裝載需要運(yùn)走的Q單位貨物，然后直接返回車場的運(yùn)輸過程，稱之為直送(out-and-back)運(yùn)輸操作。

定義3[8]若存在客戶點(diǎn)i的集貨、送貨需求均大于或等于車輛最大裝載能力Q，求得SVRPNDD的最優(yōu)解必須先通過對(duì)節(jié)點(diǎn)i進(jìn)行若干直送服務(wù)，直到該節(jié)點(diǎn)的收貨或送貨需求其中一個(gè)小于Q時(shí)直送服務(wù)停止。通過這種操作方式將問題簡化為求解一個(gè)新的SVRPNDD，則稱該SVRPNDD是可簡化的。

定義3與Archetti等[24-25]提出的SDVRP可還原性的定義方式相同， 王科峰等[8]經(jīng)論證提出， 如果問題距離矩陣對(duì)稱且滿足三角不等式， 則只有當(dāng)Q=1時(shí)，SVRPNDD是可簡化的。

3.2.4 成本節(jié)約

Archetti等[26]研究證明了客戶平均需求量與車輛裝載能力的關(guān)系是SDVRP成本節(jié)約的最大影響因素。 只有當(dāng)該因素滿足一定條件時(shí)， 才能使SDVRP獲得較大的成本節(jié)約。同時(shí)，SDVRP帶來的成本節(jié)約首先來源于需求可拆分所導(dǎo)致的車輛使用數(shù)的減少。雖然SVRPNDD與SDVRP在最優(yōu)解的性質(zhì)方面存在明顯的差異，但是在問題成本節(jié)約情況及特點(diǎn)方面存在許多共同之處。

Dror等[1]通過算例證明，當(dāng)客戶需求量與車輛裝載能力差異較小時(shí)，SDVRP的解較VRP并沒有太大的改進(jìn)。當(dāng)平均客戶需求量大于車輛裝載能力的10%時(shí)，需求拆分運(yùn)輸將帶來明顯成本節(jié)約。該結(jié)論同樣適用于SVRPNDD。

Wang等[27]指出，當(dāng)平均客戶需求量為車輛最大裝載能力的50%，且需求量方差較小時(shí)，需求拆分運(yùn)輸將帶來的最大運(yùn)輸成本節(jié)約。該結(jié)論與Archetti等[26]的研究結(jié)論一致，即SDVRP帶來的成本節(jié)約情況受客戶需求量方差影響。不同的是，Wang等[27]指出SVRPNDD帶來的成本節(jié)約受客戶點(diǎn)的位置分布及聚類情況影響，而Archetti等[26]得到的研究結(jié)論與之相異，即SDVRP不受客戶點(diǎn)的位置分布影響。

綜上所述，SVRPNDD及SDVRP在成本節(jié)約方面的結(jié)論基本一致，兩者的比較如表2所示。

表2 需求可拆分的純送(取)貨車輛路徑問題(SDVRP)與需求可拆分的節(jié)點(diǎn)具有雙重需求的車輛路徑問題(SVRPNDD)在成本節(jié)約方面的比較

Nagy等[22]通過算例測試及分析發(fā)現(xiàn)，當(dāng)VRPDDP能夠得到較大成本節(jié)約時(shí)，往往發(fā)生在客戶2種需求量差異較大的情況。同時(shí)，文中進(jìn)一步分析總結(jié)得到最優(yōu)可能被拆分的客戶點(diǎn)一般具有如下特點(diǎn)，其中以1)尤其顯著： 1)客戶點(diǎn)鄰近配送中心(車場)； 2)客戶點(diǎn)某一需求量明顯較大； 3)客戶點(diǎn)位于某一較為密集的客戶點(diǎn)群中。

同時(shí)在文獻(xiàn)[22]中研究VRPDDP通過取送、送貨拆分運(yùn)輸?shù)牟僮鞣绞浇o對(duì)應(yīng)VRPSDP能夠得到最大的成本節(jié)約，給出定理4，與Archetti等[28]針對(duì)SDVRP的研究結(jié)論相符。

3.3 求解算法

已知SVRPNDD是NP-難問題，高效的求解算法研究是解決該問題的重要途徑。已有研究中，大部分學(xué)者采用啟發(fā)式算法，原因是規(guī)模較大的問題中，即使在VRPNDD模型(需求不可拆分的運(yùn)輸方式)中能夠輕松求解，相應(yīng)的SVRPNDD模型也不一定能夠求得問題最優(yōu)解。這是因?yàn)楦骺蛻酎c(diǎn)被拆分的次數(shù)在SVRPNDD模型中是決策變量，所以會(huì)使整數(shù)規(guī)劃模型產(chǎn)生巨大的不完整空隙。

精確算法只能求解小規(guī)模的NP-難問題，已有SVRPNDD的求解算法研究均采用啟發(fā)式算法。早期的算法研究主要以構(gòu)造啟發(fā)式算法為主，特別是元啟發(fā)式算法(metahueristics，也稱智能優(yōu)化算法、超啟發(fā)式算法、亞啟發(fā)式算法、通用啟發(fā)式算法等)及混合啟發(fā)式算法已成為求解SVRPNDD的主要研究方向。

構(gòu)造啟發(fā)式算法的研究主要出現(xiàn)在該領(lǐng)域研究早期(2005—2012年)[4,11,18-19,29-30]，其中主要通過先聚類后路徑(cluster-first-route-second)方法求解。在聚類階段，學(xué)者們通過各種貪婪算法生成初始路徑方案，再結(jié)合最短路及智能算法對(duì)解進(jìn)行優(yōu)化。

在路徑優(yōu)化階段，Mitra[13]與楊亞璪等[29]采用的是最短路徑法，而大多數(shù)學(xué)者則是采用智能算法進(jìn)行優(yōu)化，其中以禁忌搜索算法的應(yīng)用居多[20-22,31]。除此外，還包括蟻群算法[32-33]、競爭決策算法[30,34]、模擬退火算法[31]及平行算法[35]等。

4 結(jié)語

GPDP的研究對(duì)物流配送路徑的確定具有重要意義及應(yīng)用前景，特別是在客戶點(diǎn)可能同時(shí)具有取貨及送貨2種需求的情況下，即VRPNDD問題類型。允許對(duì)客戶需求進(jìn)行拆分，由多輛車共同運(yùn)輸或由同一輛車多次運(yùn)輸?shù)牟僮鞣绞?，能夠在最大程度提高平均車輛裝載率，充分利用車輛裝載能力的同時(shí)，降低車輛行駛成本，帶來整體運(yùn)輸成本節(jié)約。

近幾年關(guān)于SVRPNDD的研究得到了一些富有意義的研究成果，但是無論是在理論還是求解算法方面，在深度及廣度上仍有較大的研究及拓展空間。主要表現(xiàn)在如下2個(gè)方面：

1)相對(duì)于SDVRP，SVRPNDD在問題性質(zhì)研究方面仍有很大的探索空間。目前已有的對(duì)SVRPNDD性質(zhì)的研究結(jié)論大部分仍為猜測及推論，需要進(jìn)一步論證和分析，例如SVRPNDD的最優(yōu)解特征、成本節(jié)約情況等。

2)在實(shí)際物流實(shí)例中，客戶更加傾向于較少的訪問次數(shù)，或多種類貨物多車型混合運(yùn)輸?shù)?，若在VRPSPD中考慮客戶最大訪問次數(shù)、多種貨物或多車型混合運(yùn)輸?shù)雀郊蛹s束條件，將增大問題的復(fù)雜程度。同時(shí)，附加條件將限制可行解的數(shù)量，因此需要研究設(shè)計(jì)性能更好的求解算法。