基于节约算法的车辆调度优化
基于节约算法的车辆调度优化
李天昊邵子楠宋曲
摘要
本文建立了单车型满载车辆的分送优化模型，并基于节约算法进行了求解。首先对于问题进行分析，确定模型的方向将是以各需求点的最小需求量为约束，以总运输路径最短为目标。影响运输路径的因素有车辆的载重与车辆的行驶距离。基于这些分析建立模型。以节约算法的基本思想为基础，对模型进行具体求解。最后给出了本处理方法的优缺点分析。
关键词：车辆；最短路程；节约算法；分配调度
目录
1问题提出 (2)
2模型假设 (2)
3 符号说明 (3)
4模型的理论基础 (3)
5模型建立 (4)
6模型求解 (6)
6.1节约算法 (6)
6.1.1算法原理 (6)
6.1.2 算法步骤 (7)
6.2求解结果 (7)
7.优缺点分析 (13)
参考文献 (14)
1问题提出
物流被称为“第三利润源泉”，引起了越来越多的重视，成为当前“最重要的竞争领域”。
配送是物流中的一个重要核心环节，是货物从物流结点送达收货人的过程，它实现了生产者与消费者的相互联系。而在物流配送中，车辆运输占有不可或缺的地位，因此车辆运输的优化是非常关键的一环。
对运输车辆进行的优化调度，不仅可以提高经济效益，还可以促进物流的科学化。通过对车辆配送的合理调度，可以实现最短路径、最少时间、最少车辆、最低费用等目标。
本文所探究的问题是单车型满载车辆的分送优化制度，我们以路径最短为目标，以各需求点的最小需求量为约束，求解出总路径最短的车辆运输线路。
2模型假设
1.车辆行驶中始终做匀速直线运动，即在任何区段车速都相同。
2.公路系统畅通无阻，不考虑中途发生故障堵车等情况。
3.不考虑司机短时间休息之类的人为因素。
4.各路径发车频度相同。
5.将车辆装卸时间认为是车辆总运输时间的一部分。
6.货运地中之一为物流装配中心，全部车辆从物流装配中心出发，最后回到装
配中心。
3 符号说明
q 车辆拥有的容量
i d 表示点i 到点j 的距离
Q 点i P 和点j P 连接后的线路上总运量 i g 已知任务i 的货运量
ij S 点i P 和点j P 连接在一条线路上的距离节约值
0P 表示配送中心
4模型的理论基础
本文中的物流配送路径优化问题可以描述为:从配送中心(物流据点)用多辆汽车向多个需求点送货，每个需求点的位置和需求量一定，每辆汽车的载重量一定，并且某些需求点的需求量超过一辆货车的最大额载。要求根据货车的载重和行驶距离合理安排车辆路线，使总运距最短。
(1)因为所送货物总重量超过一辆货车的额载，所以需要若干辆货车一起送货。
(2)每辆车一次可以给几个需求点送货，从配送中心出发到返回称之为一条行驶路径。
(3)运输成本的含义可以是车辆行驶距离、费用和时间等，本文用行驶距离来表示运输成本。
5模型建立
建立如下模型：有一个物流配送中心，拥有多台容量为q 的车辆，现在有m 项货物运输任务需要完成，以1，2，??，m 表示，已知任务i 的货运量为i g (i =1，2，?? ，m)，且i g q <，求满足货运需求的费用最小的车辆运输线路。
为构造数学模型方便，将物流配送中心编号为0，任务编号为1，2，? ? ，m ，任务及物流配送中心均以点i (i =0，1，2，??，m)来表示。定义变量如下：
1i 0,ij y ?=??，点的任务由k 完成 ;
否则。
1k i j 0,ijk x ?=??
，车辆从点运行到点; 否则。
则分送式配送车辆优化调度问题一般数学模型如下：
min ,1,1,2,...,,0,1,...,;..,0,1,...,;()01,0,1,...,;010,1,...,;ij ijk
i
j
k
i ki i
ki k
ijk kj i ijk kj j
ijk
ijk ki z C x g y q k y i m
x y j m k s t x y i m k X x S
x i j m k y i m k =?≤???==??
==????==????=∈?
?==??
==????
∑∑∑∑∑∑∑ 或， 或，
模型中， 表示从点i 到点j 的运输成本，它的含义可以是距离、费用、时间等；q 为车辆容量；S 为支路消去约束，即消去构成不完整线路的解。
图1 支路示意图
如图1所示，两条支路均满足分配约束，但没有构成一条完整的线路，因此不是问题的解。
在实际问题中，分送式配送问题，其车辆路线选择不仅要受到车辆容量限制，而且有时还会受到运行距离、运行时间、不同区段的车速以及运行途中的障碍物、司机的短时间休息等因素影响。
现在假设一条线路上允许的最大的运行距离为l，则有约束条件：
将该约束条件加到上述模型中，于是得到带有运行距离约束的配送车辆优化调度模型。
6模型求解
6.1节约算法
6.1.1算法原理
算法基于节约法的基本思想。设P0为配送中心，分别向用户 和 送货。P0到 和 的距离分别为 和， 两个用户Pi 、 之间的距离为 ，送货方案只有两种，即配送中心r'o 向用户Pi 、P ；分别送货和配送中心向用户Pi 、P ；同时送货，如图2所示。比较两种配送方案：
图2 节约法方案
方案(b)配送线路为：000i j P P P P P →→→→，配送距离为：0022a i j d d d =+； 方案(b)配送线路为：00i j P P P P →→→，配送距离为：00b i j ij d d d d =++。 显然a b d d ≠,我们用ij S 表示路线节约值，即方案(b)比方案(a)节约的配送路程 ：
00ij i j ij S d d d =+-
即是将点i P 和点j P 连接在一条线路上的距离节约值，ij S 值越大，说明把i P 和
j P 连接在一起时总路程减少越多。
旅行商问题的c-w 节约算法就是基于这种最大节约值准则，首先对两点进行比较，把不在线路上的点插入线路，已在线路中的点合并为一集合 ，直到所有点都被 安排到线路中。对于分送式配送问题，在连接点对时需 要考虑车辆的容
量约束和运行路程约束，即一条线路上 各任务的货运量之和应不大于车辆的容量和车辆运行路 程不大于额定路程。
6.1.2 算法步骤
根据前述求解原理，给出具体求解步骤如下: s t e p 1 ：计算ij S ，令{}0ij ij M S S =>； s t e p 2 ：在M 内按ij S 从大到小的顺序排列；
s t e p 3 ： 若M ?=，则终止，否则对第一项ij S ，考察对应的(,)i j P P ，若满足下述条件之一：
( 1 )点i P 和点i P 均不在已构成的线路上；
( 2 )点i P 或点i P 在已构成的线路上，但不是线路内点；
( 3 )点i P 和点i P 位于已构成的不同线路上，均不是内点，且—个是
起点，一个是终点。则转下步， 否则转s t e p 7。
s t e p 4 ：考察点i P 和点i P 连接后的线路上总运量Q ，若Q q ≤，则转下步，否则转s t e p 7 。
s t e p 5 ：考察点i P 和点i P 连接后的线路上总路程 L ， 若 L ≤l ，则转下步，否则转 s t e p 7 。
s t e p 6 ：连接点i P 和点i P 。
s t e p 7 ：令:ij M M S =-，转s t e p 3。
6.2求解结果
某物流公司现在需要制定六个货运站A 、B 、C 、D 、E 、F 之间的四条路线的往来运输业务。已知各条路线的起点、终点城市之间的运行时间及每个小时的运输次数见下表。又知每辆货车每次装卸的时间各需1小时，每辆货车的载货量为154吨,货车运行的平均速度28h km .则该物流公司应如何配备货车，才能满足要求。
把C 地分为C1和C2，D 分为D1、D2和D3，如表1，则符合上面所建模型的条件：i g q ，由此列出表2
表1 各货运站的货物需求量
表2 物流配送中心及各货运站之间的距离
所耗时间分为运输时间和装卸时间，运输时间由
s
t
v
求出，列出表3如下。
表3 物流配送中心及各货运站之间所耗时间
约束条件为每小时运输量，为便于计算，用各连线所耗时间乘以其各自实际距离，得出各货运站之间的假想距离，列出表4如下。
表4 物流配送中心及各货运站之间的假想距离
首先计算各点对间连接的距离节约值：
ij pi pj ij S d d d =+-
例如，连接点A 和B 时，有：
028280AB PA PB AB S d d d =+-=+-=
类似地，可得到连接其他各点对时的距离节约值，按从大到小的顺序示于表
5中。
表5 点对间连接的距离节约值
根据表5所示的
S的顺序，逐项考察对应的线路，点对之间的连接过程如
ij
表6所示。
表6 点对间的连接过程
由表6可得最终配送线路为：
线路1：P-A-F-P
线路2：P-B-E-C-P
线路3：P-E-D-P
线路4：P-D-E-B-P
按照所得的最终配送线路，可以使此物流公司所有货车行驶路程最短，可以减少消耗的费用。
7.优缺点分析
以旅行商问题的C—w节约算法为基础，构造了连接点对时对线路上各需求点的最小需求量约束的检验处理方法，给出了分送式物流配送车辆优化调度问题的求解算法，设计了算法实施程序，并求解出具体结果。
优点：
1.应用性好，可在连接点对时同时考虑其他约束。
2.利用此算法还可以处理车辆运行时间以及用户到货时间等约束。
3.以长期发展来看，以最短路程为目标使所消耗的费用虽少，是最经济的。
缺点：
1.未考虑车辆数量对此问题的影响，由于车辆数量对运输成本有正向作用，短期内的运输费用可能较大。
参考文献
[1] 李军，郭耀煌．物流配送车辆优化调度理论与方法．中国物资出版社，2001，11
车辆调度与优化读后感
阅读文章： 牟峰.车辆调度问题的研究现状及发展趋势[J].西华大学学报·自然科学版,2012. 杨家其,罗萍.物流企业车辆调度优化方法研究[J].系统工程理论与实践[J].2014. 王晓波.连锁企业物流车辆调度模型及优化设计[J].微电子学与计算机,2010. 秦家娇,张勇.物流系统中车辆调度问题及算法研究[J].通信学报,2012 邵泽军,高淑萍.几类车辆调度问题的研究[J].自动化学报,2010. 主要内容及理解： 1、《车辆调度问题的研究现状及发展趋势》 我从网上搜索了一下关于这方面的数据：全国社会物流总费用8.4万亿元，其中运输费用4.4万亿元，占社会物流总费用的比重为 52.8%，社会物流总费用与 GDP 的比率为 17.8%。所以合理的运输管理可以提高运输效率、控制运输成本，同时也就提高了物流整体服务水平、降低了物流运行成本。所以车辆调度问题是其研究的重点。 这篇期刊文章的作者以铁路车站取送车作业问题对车辆调度问题进行了详细介绍，还分析了它与其他车辆调度问题的区别与联系。通过作者的举例研究可以知道无论静态问题还是随机动态问题，都呈现出一种精细化的趋势，也就是所研究的问题具有越来越强的个性特征，例如针对车场数、取送时窗、车辆类型等特征进行研究。这种策略的优势在于研究工作的针对性强，但是不利因素更大，因为特征改变时，其结果也就不再是符合。所以作者的研究工作让人们对车辆调度中各种特征形成了更清晰的认识，为研究具有多特征的打下了一定基础。 2、《物流企业车辆调度优化方法研究》 这篇文章主要是蚁群算法的改进。我第一次看到这个算法的名字时，首先想到的就是蚂蚁。当时我就想这还能和蚂蚁联系起来？读完文章才知道，这是受到蚂蚁行走觅食的启发。拿上一篇文章举例这就好比蚁窝是车站，各地的食物是装
车辆优化调度的研究
车辆优化调度的研究 某某 某某学校 摘要：本文基于许多车辆优化调度的理论研究成果，对温州远大物流有限公司进行调查研究和分析，并提出了一些自己的意见和方案。车辆优化调度，首先研究其发展的历史及现状，然后应用现有的设施和技术，针对目前车辆调度存在的问题，对车辆进行优化调度。 关键词：车辆调度；优化设计；运输成本 The Optimization Scheduling Research of Vehicles Abstract：Based on the research findings of many vehicles’ optimal dispatching as well as the investigation and analysis of Wenzhou Yuanda logistics company, this paper will put forward some suggestions and proposals. After studying the history and current situations of the vehicles’ optimal dispatching and applying the current facilities and technology, the paper will find the best way to optimize the vehicles’ dispatching. Key words:Vehicle Scheduling；Optimal Design；Transportation costs
物流配送车辆优化调度的一种神经网络算法
【最新资料,Word版，可自由编辑！】
摘要：本文讨论了物流配送车辆优化调度问题的分类，建立了解决非满载车辆卸货路线优化的神经网络模型，提出了解决配送车辆优化调度问题的步骤，并进行了具体的调度试验，验证了算法的可行性。 0 引言 2000年的运输费用为5900亿美元，占当年GDP总值99600亿美元的5.92%，可见，减少运输费用是有效减少物流成本的重要方面。对于物流中心和第三方物流企业的货物配送，运输车辆的调度是工作的重点，正确合理的调度可以有效减少车辆的空驶率，实现合理路径运输，从而有效减少运输成本，节约运输时间，提高经济效益。 1 配送车辆调度优化问题分类 Dantzig和Ramser于1959年首次提出，由于该问题在交通运输、工业生产管理等领域具有广泛而重要的应用，因此30多年来其研究得到很大重视，国外的Bodlin，Christofider，Golden，Assad, Ball 等人对该问题进行了较为深入的研究[1] [2] [3]。 总体上看，车辆的优化调度问题一般可根据时间特性和空间特性分为车辆路径规划问题和车辆调度问题。当不考虑时间要求，仅根据空间位置安排车辆的线路时称为车辆路径规划问题（VRP-Vehicle Routing Problem）；考虑时间要求安排运输线路时称为车辆调度问题VSP（Vehicle Scheduling Problem）。某些学者将有时间要求的车辆调度问题称为Vehicle Routing Problem with Time Windows。车辆优化调度问题可根据不同性质具体分为以下几类。 合问题，所谓的装卸混合问题就是车辆在运输途中既有装货又有卸货。
公交车调度问题
公交车调度问题 关于公交车的调度问题 摘要：本文主要是研究公交车调度的最优策略问题。我们建立了一个以公交车 的利益为目标函数的优化模型，同时保证等车时间超过10 分钟(或者超过 5 分 钟)的乘客人数在总的等车乘客数所占的比重小于一个事先给定的较小值。首先，利用最小二乘法拟合出各站上(下)车人数的非参数分布函数，求解时 先用一种简单方法估算出最小配车数43 辆。然后依此为参照值，利用Maple 优化工具得到一个整体最优解：最小配车数为48 辆，并给出了在公交车载客量不同条件下的最优车辆调度方案，使得公司的收益得到最大，并且乘客等车的时间不宜过长，最后对整个模型进行了推广和评价，指出了有效改进方向。 关键词：公交车调度；优化模型；最小二乘法 问题的重述：公共交通是城市交通的重要组成部分，作好公交车的调度对于完 善城市交通环境、改进市民出行状况、提高公交公司的经济和社会效益，都具有重要意义。下面考虑一条公交线路上公交车的调度问题，其数据来自我国一座特大城市某条公交线路的客流调查和运营资料。 该条公交线路上行方向共14 站，下行方向共13 站，第3-4 页给出的是典型 的一个工作日两个运行方向各站上下车的乘客数量统计。公交公司配给该线路同一型号的大客车，每辆标准载客100 人，据统计客车在该线路上运行的平均
速度为20 公里/小时。运营调度要求，乘客候车时间一般不要超过10 分钟，早 高峰时一般不要超过5分钟，车辆满载率不应超过120%， 一般也不要低于50%。 试根据这些资料和要求，为该线路设计一个便于操作的全天(工作日)的公交车调度方案，包括两个起点站的发车时刻表；一共需要多少辆车；这个方案以怎样的程度照顾到了乘客和公交公司双方的利益；等等。 如何将这个调度问题抽象成一个明确、完整的数学模型， 指出求解模型的方 法；根据实际问题的要求，如果要设计更好的调度方案，应如何采集运营数据。 基本假设 1)该公交路线不存在堵塞现象，且公共汽车之间依次行进，不存在超车现象。 2)公共汽车满载后，乘客不能再上，只得等待下一辆车的到来。 3)上行、下行方向的头班车同时从起始站出发。 4)该公交路线上行方向共14站，下行方向共13站。 5)公交车均为同一型号，每辆标准载客100 名，车辆满载率不应超过120%， 一般也不要低于50% 。 6)客车在该路线上运行的平均速度为20 公里/小时，不考虑乘客上下车时间。 7)乘客侯车时间一般不超过10 分钟，早高峰时一般不超过 5 分钟。 8)一开始从 A 13出发的车辆，与一开始从A 0出发的车辆不发生交替，两循环 独立。 9)题目所给的数据具有一定的代表性,可以做为各种计算的依据。 符号说明 N a：从总站A13 始发出的公交车的总次数（上行方向） N b ：从总站 A 0 始发出的公交车的总次数（下行方向） T1 ：上行方向早高峰发车间隔时间 T 2 ：上行方向平时发车间隔时间 T 3 ：上行方向晚高峰发车间隔时间
公交车调度的方案优化设计
公交公交车调度方案优化设计 摘要 本文利用某一特大城市某条公交路线上的客流调查运营资料，以乘客的平均抱怨度、公司运营所需的总车辆数、公司每天所发的总车次数以及平均每车次的载客率为目标函数，建立了的分时段等间隔发车的综合优化调度模型。在模型求解过程中，采用了时间步长法、等效法以及二者的结合的等效时间步长法三种求解方法，尤其是第三种求解方法既提高了速度又改善了精度。结合模型的求解结果，我们最终推荐的模型是分时段等间隔发车的优化调度方案。 在建立模型时，我们首先进行了一些必要假设和分析，尤其是针对乘客的抱怨程度这一模糊性的指标，进行了合理的定义。既考虑了乘客抱怨度和等待时间长短的关系，也照顾了不同时间段内抱怨度对等待时间的敏感性不同，即乘客在不同时段等待相同时间抱怨度可能不一样。 主要思想是通过逐步改变发车时间间隔用计算机模拟各个时间段期间的系统运行状态，确定最优的发车时间间隔，但计算量过大，对初值依赖性强。等效法是基于先来先上总候车时间和后来先上的总候车时间相等的原理，通过把问题等价为后来先上的情况，巧妙地利用“滞留人数”的概念，把原来数据大大简化了。很快而且很方便地就可求出给定发车间隔时的平均等待时间，和在给定平均等待时间的情况下的发车间隔，但该方法只能对不同时段分别处理。结合前两种方法的优点提出等效时间步长法，即从全天时段内考虑整体目标，使用等效法为时间步长法提供初值，通过逐步求精，把整个一天联合在一起进行优化。通过对模型计算结果的分析，我们发现由于高峰期乘车人数在所有站点都突然大量增加，而车辆调度有滞后效应，从而建议调度方案根据实际情况前移一段适当的时间。在模型的进一步讨论和推广中，我们还对采集运营数据方法的优化、公共汽车线路的通行能力以及上下行方向发车的均衡性等进行了讨论。 在求具体发车时刻表时，利用等效时间步长法，较快地根据题中所给出的数据设计了一个较好的照顾到了乘客和公交公司双方利益的公交车调度方案，给出了两个起点站的发车时刻表（见表二），得出了总共需要49辆车，共发440辆次，早高峰期间等待时间超过5分钟的人数占早高峰期间总人数的0.93%，非早高峰期间等待时间超过10分钟的人数占非早高峰期间总人数的3.12%。引入随机干扰因子，使各单位时间内等车人数发生随机改变。在不同随机干扰水平下，对推荐的调度方案进行仿真计算，发现平均抱怨度对10%的随机干扰水平相对改变只有0.53%，因此该方案对随机变化有很好的适应性，能满足实际调度的需要。 1．问题的提出
车辆调度与优化
中文摘要 物流配送车辆调度问题就是指:在给定运输任务的条件下,如何派车、组织循环运输,使空驶里程最少,运输成本最低。目前我国大多数的物流企业运输资源分配不均、配送路线安排不合理、运力资源浪费严重,而缺乏完善的物流配送车辆调度优化方案就是造成此现象的重要因素之一。因此对物流配送车辆调度问题的研究具有重要的现实意义。 目前对单车场、封闭式物流配送车辆调度问题研究较多,而对多车场开放式物流配送车辆调度问题研究较少,但就是多车场开放式物流配送车辆调度问题有很强的应用背景。本文针对此问题,建立了一种灵活的多目标组合优化模型,设计了适合多车场开放式车辆路径问题的通用染色体编码方案,并对遗传算法中的交叉变异操作做了详细说明。此模型可以方便的增减优化目标值,并通过测试用例验证了本文设计的优化模型与遗传算法在解决多车场多目标开放式物流配送车辆调度问题中的可行性。 自动化立体仓库出库端车辆调度策略的设计就是物流配送车辆调度中的一个关键问题,好的调度策略可以大大缩短出库端的配货时间。为此本文引入动态优先级理论,并利用该理论对大型AS/RS 出库口车辆调度问题进行了深入研究与分析,提出了基于动态优先级的AS/RS 出库端车辆调度策略,并开发了相应的AS/RS 出库口发货资源监控系统,即AS/RS 出库口车辆调度系统,优化了AS/RS 出库端车辆调度策略,大大提高了物流配送当中的配货效率。 本文建立的多目标组合优化模型以及设计的遗传算法求解方案,可以有效的缩减物流配送中的送货时间;设计的AS/RS 出库端车辆调度优化策略及开发的AS/RS出库端车辆调度系统,可以有效缩减车辆在出库端的配货时间。本文对以上两种物流配送中的车辆调度问题进行研究,大大提高了物流配送效率、减少了物流配送成本。 关键词:物流配送;车辆调度;多目标组合优化;遗传算法 第一章绪论 1、1 课题背景 物流(Logistics):指在合适时间,将合适的物品以适当的数量准确地送到顾客手中,它就是供应链中最重要的组成部分。一般意义上就是指在生产与生活中所
公交车调度方案的优化模型
第三篇公交车调度方案的优化模型 2001年 B题公交车调度Array公共交通是城市交通的重要组成部分，作好公交车的调度对 于完善城市交通环境、改进市民出行状况、提高公交公司的经济 和社会效益，都具有重要意义。下面考虑一条公交线路上公交车 的调度问题，其数据来自我国一座特大城市某条公交线路的客流 调查和运营资料。 该条公交线路上行方向共14站，下行方向共13站，表3-1 给出的是典型的一个工作日两个运行方向各站上下车的乘客数量统计。公交公司配给该线路同一型号的大客车，每辆标准载客100人，据统计客车在该线路上运行的平均速度为20公里/小时。运营调度要求，乘客候车时间一般不要超过10分钟，早高峰时一般不要超过5分钟，车辆满载率不应超过120%，一般也不要低于50%。 试根据这些资料和要求，为该线路设计一个便于操作的全天（工作日）的公交车调度方案，包括两个起点站的发车时刻表；一共需要多少辆车；这个方案以怎样的程度照顾到了乘客和公交公司双方的利益；等等。 如何将这个调度问题抽象成一个明确、完整的数学模型，指出求解模型的方法；根据实际问题 的要求，如果要设计更好的调度方案，应如何采集运营数据。
公交车调度方案的优化模型* 摘要：本文建立了公交车调度方案的优化模型，使公交公司在满足一定的社会效益和获得最大经济效益的前提下，给出了理想发车时刻表和最少车辆数。并提供了关于采集运营数据的较好建议。 在模型Ⅰ中，对问题1建立了求最大客容量、车次数、发车时间间隔等模型，运用决策方法给出了各时段最大客容量数，再与车辆最大载客量比较，得出载完该时组乘客的最少车次数462次，从便于操作和发车密度考虑，给出了整分发车时刻表和需要的最少车辆数61辆。模型Ⅱ建立模糊分析模型，结合层次分析求得模型Ⅰ带给公司和乘客双方日满意度为（0.941，0.811）根据双方满意度范围和程度，找出同时达到双方最优日满意度(0.8807,0.8807)，且此时结果为474次50辆；从日共需车辆最少考虑，结果为484次45辆。对问题2，建立了综合效益目标模型及线性规划法求解。对问题3，数据采集方法是遵照前门进中门出的规律，运用两个自动记录机对上下车乘客数记录和自动报站机(加报时间信息)作录音结合，给出准确的各项数据，返站后结合日期储存到公司总调度室。 关键词：公交调度；模糊优化法；层次分析；满意度 3.1 问题的重述 3.1.1 问题的基本背景 公交公司制定公交车调度方案，要考虑公交车、车站和乘客三方面因素。我国某特大城市某条公交线路情况，一个工作日两个运营方向各个站上下车的乘客数量统计见表3-1。 3.1.2 运营及调度要求 ⑴公交线路上行方向共14站，下行方向共13站； ⑵公交公司配给该线路同一型号的大客车，每辆标准载客100人，据统计客车在该线路上运营的平均速度为20公里/小时。车辆满载率不应超过120%，一般也不低于50%； ⑶乘客候车时间一般不要超过10分钟，早高峰时一般不要超过5分钟。 3.1.3 要求的具体问题 ⑴试根据这些资料和要求，为该线路设计一个便于操作的全天（工作日）的公交车调度方案，包括两个起点站的发车时刻表；一共需要多少辆车；这个方案以怎样的程度照顾到了乘客和公交公司双方的利益，等等； ⑵如何将这个调度问题抽象成一个明确完整的数学模型，并指出求解方法； ⑶据实际问题的要求，如果要设计好更好的调度方案，应如何采集运营数据。 3.2 问题的分析 本问题的难点是同时考虑到完善城市交通环境、改进市民出行状况、提高公交公司的经济和社会效益等诸多因素。如果仅考虑提高公交公司的经济效益，则只要提高公交车的满载率，运用数据分析法可方便地给出它的最佳调度方案；如果仅考虑方便乘客出行，只要增加车辆数的次数，运用统计方法同样可以方便地给出它的最佳调度方案，显然这两种方案是对立的。于是我们将此题分成两个方面，分别考虑到：⑴公交公司的经济效益，记为公司的满意度；⑵乘客的等待时间和乘车的舒适度，记为乘客的满意度。
智能公交车辆调度系统的设计与优化
龙源期刊网 https://www.wendangku.net/doc/ff1423084.html, 智能公交车辆调度系统的设计与优化 作者：王志超 来源：《中国科技纵横》2014年第16期 【摘要】随着经济的发展，城市化进程的加快，城市交通也逐渐变的拥堵、紧张，为了环节交通压力，世界各国也开始重视对交通系统的管理，并且提出了智能交通系统的概念。本文主要从公交线路静态调度优化以及公交线路动态调度优化两大方面来阐述智能公交车辆调度系统的设计与优化。 【关键词】智能公交系统公交调度设计优化 1 公交线路静态调度优化研究 1.1 静态调度优化问题分析 （1）乘客利益分析：乘客对于公交出行主要关注的问题基本都是与自身利益息息相关的，因此，车辆要想运营合理，满足乘客的需求，减少车内的拥挤以及乘客等待的时间就必须要多安排一些车辆，并且公交线路的发车间隔要短，频率要高，但是从不同的环境限制、道路容量以及各企业运作的经济效益出发，公交调度只能在一定程度上满足乘客的利益需求。 （2）企业利益分析：现如今公交都是企业承包制，因此企业要承担公交日常的维修与保养费用，而且购置新车、能源的使用以及企业的管理也要占去公交企业收入的一部分，但是公交企业的收入来源除了政府的补助之外都是通过收取票款来获得的。公交作为大众的交通方式其票价都是按照最低标准制定的，而要想提高企业的经济效益除了收取更多的票款之外还要减少车辆、以及人员的投入[1]。 （3）静态调度优化问题：上诉分析可见，乘客利益与企业利益是相互矛盾的，满足乘客的利益，企业的利益就会受到损失，但是在一定程度上，二者的利益也有一致之处，如果公交企业提高一定的公交服务，乘客出行变得方便、舒适，就会吸引更多的客流，这样企业的经济利益也会增长。 1.2 公交路线静态调度优化模型 1.2.1 模型假设 （1）把线路单边的发车间隔作为其研究对象；（2）不同时间段车辆到达站点的乘客近似服从泊松分布；（3）公交能够不受堵车及意外事故影响准时到站、出战；（4）忽略车辆启动、停止花费的时间；（5）乘客没有在中途流失；（6）乘客按照顺序上车、下车；（7）候车的乘客能够全部上车。
用遗传算法解决车辆优化调度问题系统论文
摘要 近年来，物流作为“第三方利润的源泉”受到国内各行业的极大重视并得到了较大的发展。在高度发展的商业社会中，传统的VSP算法已无法满足顾客需求对物流配送提出的要求，于是时间窗的概念应运而生。带有时间窗的车辆优化调度问题是比VSP复杂程度更高的NP难题。 本文在研究物流配送车辆优化调度问题的基础上，对有时间窗的车辆优化调度问题进行了分析。并对所采用的遗传算法的基本理论做了论述。 对于有时间窗的非满载VSP问题，将货运量约束和软时间窗约束转化为目标约束，建立了非满载VSP模型，设计了基于自然数编码，使用最大保留交叉、改进的反转变异等技术的遗传算法。经实验分析，取得了较好的结果。由于此问题为小组成员共同研究，本文重点论述了本人完成的关于适应度函数和变异操作的部分。 关键词：物流配送车辆优化调度遗传算法时间窗
Abstract Recent years, logistics, taken as "third profit resource”, has been developing rapidly. In the developed commercial society, traditional VSP algorithm have been unable to meet the requirement that Quick Response to customer demand had brought forth, then the conception of Time Window has come into being. The vehicle-scheduling problem with time window is also a NP-hard problem being more complicated than VSP. This text has been researched to the vehicle-scheduling problem with time window on the basis of researched to logistic vehicle scheduling problem. And it has explained the basic theory of genetic algorithm. On the VSP with time window, while the restraints of capacity and time windows are changed into object restraints, a mathematic model is established. We use technique such as maximum preserved crossover and design genetic algorithm on nature number, which can deal with soft time windows through experimental analysis, have made better result. Because this problem was studied together for group members, this text has expounded the part about fitness function and mutation operator that I finished. Key words:logistic distribution vehicle scheduling problem genetic algorithm time windows
公交车调度方案的优化设计
公交车调度 公共交通是城市交通的重要组成部分，作好公交车的调度对于完善城市交通环境、改进市民出行状况、提高公交公司的经济和社会效益，都具有重要意义。下面考虑一条公交线路上公交车的调度问题，其数据来自我国一座特大城市某条公交线路的客流调查和运营资料。 该条公交线路上行方向共14站，下行方向共13站，第3-4页给出的是典型的一个工作日两个运行方向各站上下车的乘客数量统计。公交公司配给该线路同一型号的大客车，每辆标准载客100 人，据统计客车在该线路上运行的平均速度为20公里/小时。运营调度要求，乘客候车时间一般不要超过10分钟，早高峰时一般不要超过5分钟，车辆满载率不应超过120%，一般也不要低于50%。 试根据这些资料和要求，为该线路设计一个便于操作的全天（工作日）的公交车调度方案，包括两个起点站的发车时刻表；一共需要多少辆车；这个方案以怎样的程度照顾到了乘客和公交公司双方的利益；等等。 如何将这个调度问题抽象成一个明确、完整的数学模型，指出求解模型的方法；根据实际问题的要求，如果要设计更好的调度方案，应如何采集运营数据。
公交车调度方案的优化设计 摘要 本文利用某一特大城市某条公交路线上的客流调查运营资料，以乘客的平均抱怨度、公司运营所需的总车辆数、公司每天所发的总车次数以及平均每车次的载客率为目标函数，建立了的分时段等间隔发车的综合优化调度模型。在模型求解过程中，采用了时间步长法、等效法以及二者的结合的等效时间步长法三种求解方法，尤其是第三种求解方法既提高了速度又改善了精度。结合模型的求解结果，我们最终推荐的模型是分时段等间隔发车的优化调度方案。 在建立模型时，我们首先进行了一些必要假设和分析，尤其是针对乘客的抱怨程度这一模糊性的指标，进行了合理的定义。既考虑了乘客抱怨度和等待时间长短的关系，也照顾了不同时间段内抱怨度对等待时间的敏感性不同，即乘客在不同时段等待相同时间抱怨度可能不一样。 主要思想是通过逐步改变发车时间间隔用计算机模拟各个时间段期间的系统运行状态，确定最优的发车时间间隔，但计算量过大，对初值依赖性强。等效法是基于先来先上总候车时间和后来先上的总候车时间相等的原理，通过把问题等价为后来先上的情况，巧妙地利用“滞留人数”的概念，把原来数据大大简化了。很快而且很方便地就可求出给定发车间隔时的平均等待时间，和在给定平均等待时间的情况下的发车间隔，但该方法只能对不同时段分别处理。结合前两种方法的优点提出等效时间步长法，即从全天时段内考虑整体目标，使用等效法为时间步长法提供初值，通过逐步求精，把整个一天联合在一起进行优化。通过对模型计算结果的分析，我们发现由于高峰期乘车人数在所有站点都突然大量增加，而车辆调度有滞后效应，从而建议调度方案根据实际情况前移一段适当的时间。在模型的进一步讨论和推广中，我们还对采集运营数据方法的优化、公共汽车线路的通行能力以及上下行方向发车的均衡性等进行了讨论。 在求具体发车时刻表时，利用等效时间步长法，较快地根据题中所给出的数据设计了一个较好的照顾到了乘客和公交公司双方利益的公交车调度方案，给出了两个起点站的发车时刻表（见表二），得出了总共需要49辆车，共发440辆次，早高峰期间等待时间超过5分钟的人数占早高峰期间总人数的0.93%，非早高峰期间等待时间超过10分钟的人数占非早高峰期间总人数的3.12%。引入随机干扰因子，使各单位时间内等车人数发生随机改变。在不同随机干扰水平下，对推荐的调度方案进行仿真计算，发现平均抱怨度对10%的随机干扰水平相对改变只有0.53%，因此该方案对随机变化有很好的适应性，能满足实际调度的需要。
车辆调度问题
车辆调度问题 设某车队有8辆车，存放在不同的地点，队长要派出其中5辆到5个工地去运货。各车从存放处调到装货地点所需费用列于下页表，问应选哪5辆车调到何处去运货，才能使各车从车所在地点调到装货地点所需的总费用最少 MATLAB 程序——Kuhn-munkras 算法 function sumw=kuhngong(A) n=size(A,1); w=A; l=zeros(n,2); for i=1:n for j=1:n if l(i,1) end end FLAG_AGL=zeros(n,n); FLAG_S=zeros(1,n); FLAG_T=zeros(1,n); FLAG_NGLS=zeros(1,n);f=zeros(n,2); for i=1:n for j=1:n if l(i,1)+l(j,2)==w(i,j) FLAG_AGL(i,j)=i; end end end M=zeros(n,2); for i=1:n for j=1:n if (FLAG_AGL(i,j)==i)&(~M(j,2)) &(~M(i,1)) M(i,1)=i; M(j,2)=i; end end end FLAG3=1; while FLAG3 FLAG3=0; u=0; for i=1:n if ~M(i,1) u=i; break; end end end while FLAG4 for i=1:n if FLAG_S(i) for j=1:n if FLAG_AGL(i,j)==i FLAG_NGLS(j)=1; end, end, end, end FLAG_EQU=1; for i=1:n if FLAG_NGLS(i)~=FLAGT(i) FLAG_EQU=0; break; end, end FLAG4=0; al=inf; if FLAG_EQU for i=1:n for j=1:n if (FLAG_S(i))&(~FLAG_T(j)) temp=l(i,1)+l(j,2)-w(i,j); if al>temp al=temp; 物流配送车辆优化调度的一种神经网络算法 摘要：本文讨论了物流配送车辆优化调度问题的分类，建立了解决非满载车辆卸货路线优化的神经网络模型，提出了解决配送车辆优化调度问题的步骤，并进行了具体的调度试验，验证了算法的可行性。 关键词：配送，调度，神经网络 0 引言 据统计，美国2000年的运输费用为5900亿美元，占当年GDP总值99600亿美元的%，可见，减少运输费用是有效减少物流成本的重要方面。对于物流中心和第三方物流企业的货物配送，运输车辆的调度是工作的重点，正确合理的调度可以有效减少车辆的空驶率，实现合理路径运输，从而有效减少运输成本，节约运输时间，提高经济效益。 1 配送车辆调度优化问题分类 运输车辆的优化调度问题由Dantzig和Ramser于1959年首次提出，由于该问题在交通运输、工业生产管理等领域具有广泛而重要的应用，因此30多年来其研究得到很大重视，国外的Bodlin，Christofider，Golden，Assad, Ball 等人对该问题进行了较为深入的研究[1] [2] [3]。 总体上看，车辆的优化调度问题一般可根据时间 特性和空间特性分为车辆路径规划问题和车辆调度问题。当不考虑时间要求，仅根据空间位置安排车辆的线路时称为车辆路径规划问题（VRP-Vehicle Routing Problem）；考虑时间要求安排运输线路时称为车辆调度问题VSP（Vehicle Scheduling Problem）。某些学者将有时间要求的车辆调度问题称为Vehicle Routing Problem with Time Windows。车辆优化调度问题可根据不同性质具体分为以下几类。 按照运输任务分为纯装问题、纯卸问题以及装卸混合问题，所谓的装卸混合问题就是车辆在运输途中既有装货又有卸货。 按照车辆载货状况分为满载问题和非满载问题，满载问题是指货运量多于一辆车的容量，完成所有任务需要多辆运输车辆。非满载问题是指车的容量大于货运量，一辆车即可满足货运要求。 按照车辆类型分为单车型问题和多车型问题。 按照车辆是否返回车场划分为车辆开放问题和车辆封闭问题，车辆开放问题是指车辆不返回其出发地，车辆封闭问题是指车辆必须返回其发出车场。 按照优化的目标可分为单目标优化问题和多目标优化问题，单目标优化是指某一项指标最优或较优，如运输路径最短。多目标优化则是指同时要求多个指标最优或较优。如同时要求运输路径最短和费用最省。 物流配送车辆优化调度 的一种神经网络算法 Document serial number【KKGB-LBS98YT-BS8CB-BSUT-BST108】 物流配送车辆优化调度的一种神经网络算法 摘要：本文讨论了物流配送车辆优化调度问题的分类，建立了解决非满载车辆卸货路线优化的神经网络模型，提出了解决配送车辆优化调度问题的步骤，并进行了具体的调度试验，验证了算法的可行性。 关键词：配送，调度，神经网络 0 引言 据统计，美国2000年的运输费用为5900亿美元，占当年GDP总值99600亿美元的5.92%，可见，减少运输费用是有效减少物流成本的重要方面。对于物流中心和第三方物流企业的货物配送，运输车辆的调度是工作的重点，正确合理的调度可以有效减少车辆的空驶率，实现合理路径运输，从而有效减少运输成本，节约运输时间，提高经济效益。 1 配送车辆调度优化问题分类 运输车辆的优化调度问题由Dantzig和Ramser于1959年首次提出，由于该问题在交通运输、工业生产管理等领域具有广泛而重要的应用，因此30多年来其研究得到很大重视，国外的Bodlin，Christofider，Golden，Assad, Ball 等人对该问题进行了较为深入的研究[1] [2] [3]。 总体上看，车辆的优化调度问题一般可根据时间特性和空间特性分为车辆路径规划问题和车辆调度问题。当不考虑时间要求， 仅根据空间位置安排车辆的线路时称为车辆路径规划问题（VRP-Vehicle Routing Problem）；考虑时间要求安排运输线路时称为车辆调度问题VSP（Vehicle Scheduling Problem）。某些学者将有时间要求的车辆调度问题称为Vehicle Routing Problem with Time Windows。车辆优化调度问题可根据不同性质具体分为以下几类。 按照运输任务分为纯装问题、纯卸问题以及装卸混合问题，所谓的装卸混合问题就是车辆在运输途中既有装货又有卸货。 按照车辆载货状况分为满载问题和非满载问题，满载问题是指货运量多于一辆车的容量，完成所有任务需要多辆运输车辆。非满载问题是指车的容量大于货运量，一辆车即可满足货运要求。 按照车辆类型分为单车型问题和多车型问题。 按照车辆是否返回车场划分为车辆开放问题和车辆封闭问题，车辆开放问题是指车辆不返回其出发地，车辆封闭问题是指车辆必须返回其发出车场。 按照优化的目标可分为单目标优化问题和多目标优化问题，单目标优化是指某一项指标最优或较优，如运输路径最短。多目标优化则是指同时要求多个指标最优或较优。如同时要求运输路径最短和费用最省。 按照货物的种类要求可分为同种货物优化调度和多种货物优化调度。多种货物优化调度问题是指运输货物的种类多于一种，车辆调度时可能要考虑某些种类的货物不能同时装配运输的要求，如灭害灵等杀虫剂和食品等不能混装运输等。 货运车辆优化调度方法 据统计，美国2000年的运输费用为5900亿美元，占当年GDP总值99600亿美元的5.92%，可见，减少运输费用是有效减少物流成本的重要方面。对于物流中心和第三方物流企业的货物配送，运输车辆的调度是工作的重点，正确合理的调度可以有效减少车辆的空驶率，实现合理路径运输，从而有效减少运输成本，节约运输时间，提高经济效益。 1 运输车辆调度规划问题分类 货运车辆优化调度问题可根据不同性质具体分为以下几类： 按照运输任务分为纯装问题、纯卸问题以及装卸混合问题。按照车辆载货状况分为满载问题和非满载问题，满载问题是指货运量多于一辆车的容量，完成所有任务需要多辆运输车辆。非满载问题是指车的容量大于货运量，一辆车即可满足货运要求。 按照车辆类型分为单车型问题和多车型问题；按照车辆是否返回车场划分为车辆开放问题和车辆封闭问题，车辆开放问题是指车辆不返回其出发地，车辆封闭问题是指车辆必须返回其发出车场。 按照优化的目标可分为单目标优化问题和多目标优化问题；按照有无休息时间要求可分为有休息时间的调度和无休息时间调度问题。 实际中的车辆优化调度问题可能是以上分类中的一种或几种的综合。 车辆优化调度问题是一个有约束的组合优化问题，属于NP难题（Nondeterministic Polynomial Problem）。随着问题输入规模的扩大，求解时间呈几何级数上升。 求解车辆优化调度的方法可以分为精确算法、启发算法和智能算法。精确算法主要有分支界定法等；启发式算法主要有构造算法、两阶段法等；智能算法分为神经网络方法、遗传算法和模拟退火算法等。 精确算法的计算量随着车辆优化问题规模的增大呈指数增长，如当卸货点的数目超过20个时，采用精确算法求解最短运输路径的时间在几个小时以上。精确算法不适合于求解大规模的车辆优化调度问题。 2 启发式算法 启发式方法是从尚未安排的车辆、运输任务或行驶路径中按照构造算法进行选择，直到所有任务和车辆均被调度为止。构造的每一步，根据某个判别函数，把当前的线路构形和另外的构形进行比较并加以改进，以最小代价把一个不在当前构形上的需求对象插入进构形，最后得到一个较好的可 文献综述 车辆调度算法研究及其应用 一、前言部分 车辆调度问题是现代物流系统优化中关键的一环，也是开展电子商务不可缺少的内容。对车辆调度优化理论与算法进行系统研究是构建综合物流系统、建立现代调度指挥系统、发展智能交通运输系统和开展电子商务的基础[1]。 车辆调度问题是运筹学与组合优化领域的研究热点。有效的调度车辆，不仅可以提高物流工作效率，而且能够为及时生产模式的企业提供运输上的保障，从而实现物流管理科学化。由于该问题的理论涉及很多学科，很多实际问题的理论抽象都可归结为这一类问题，研究该问题具有很重要的理论意义和实际意义。 1 . VRP（Vehicle Routing Problem）问题描述及其分类 VRP问题一般可定义为：对一系列的装货点或卸货点，组织适当的行车路线，使车辆 有序地通过它们，在满足一定的约束条件(货物需求量、发送量、车辆容量限制、行驶里程限制、时间限制)下，达到一定的目标(路程最短、时间最小、费用最省、车辆数目最少等)。由于该问题研究范围非常广，根据其网络性能大致可以分为两类：一类为静态 VRP (StaticVRP, SVRP)，一类为动态VRP (dynamic VRP, DVRP)。 (1)静态VRP问题描述 SVRP 问题是VRP 中较简单的一类问题，是大部分研究者研究的热点。该问题具有一 个很重要的特征：在安排初始路线时，和路线相关的所有信息已知，并且在安排路线以后其相关信息始终保持改变[2]。以下列举了一些常见的SVRP 问题:仅考虑车辆容量限制的 VRP(CVRP)、带时间窗的VRP(VRPTW)、带有回收的VRP(VRP with backhauls)、带有集派的VRP(VRPPD)。除此以外，还有许多其它 CVRP 的延伸问题，如顾客有优先权，考虑卸货时间、装卸时间、等待时间等，甚至综合了以上不同的特征。这些问题的相关信息均已知且保持不变[3]。 (2)动态VRP问题描述 所谓DVRP，是指在安排初始路线时，并不是和路线相关的所有信息都为已知，并且初始路线安排以后，其相关信息可能发生改变。DVRP 研究范围较广，需求不确定、动态网络、服务车辆不确定、提供数据有偏差等都属于DVRP 的研究范畴。从网络性能角度，DVRP 可以分为以下三种类型：1)时间依赖型VRP (TDVRP)。2)概率VRP (PVRP)。车辆运行时间以离散 公交车辆运营指挥调度系统方案 1.前言： 随着我国国民经济的飞速发展，城市建设日新月异,城市交通问题日益严重，已成为严重影响许多大中城市发展的重点问题之一。由于城市公共交通具有客运量大，相对投资少，占有资源少，效率高，污染相对较少，人均占用道路少等优点（与小汽车比）。大力优先发展公共交通，实现数字化，智能化城市交通管理，提高公共交通运营管理效率和社会服务水平，是适合中国国情的现代化大城市发展的必然要求。 用现代化的智能交通（ITS）技术改造传统的公交产业，以信息化带动现代化.建设新型智能化,自动化的公交调度管理系统，把公交系统的管理,服务工作提高到新的水平。通过应用本系统，全面实现了公交行业业务的电子化管理。智能公交系统为公交公司实现了对车辆的实时监控、优化调度，从而达到优化车辆、人员等资源配置，节省成本； 为公交公司和公交管理部门提供公交线路规划、资源分配、经济分析等决策支持；为市民实时提供公交车乘坐信息及其他信息服务，方便市民出行，提高了城市交通服务水平和城市整体形象。 2.系统结构： 2.2.系统硬件配置说明: ◆公交车载GPS模块:安装在公交车上，可以提供车辆实时定位、3G实时视频上传、 自动报站、里程统计、油耗统计、超速监视和提醒、超载监视和提醒、自定义拍照、系统对讲、规定路线、规定区域、路径导航等功能。 ◆互联网网关:连接调度中心内部局域网和互联网的网关计算机。 ◆数据库服务器: ◆Web服务器: ◆电话查询服务器:通过语音卡连接公共电话网。为乘客提供通过电话语音查询车辆行 驶信息的服务。 3.系统功能: 3.1.调度指挥功能: ◆调度功能：可以单呼或群呼在岗的司机，下达任务，进行通话. ◆行驶区域和路线监视：监视车辆行驶在指定的路线和区域里。 ◆历史运行轨迹会放：会放公交车某一次运行的运行轨迹记录。 ◆实时监视：监视车辆当前行驶位置、车载状态、油耗状态。监视车辆是否按时出发、 按时运行，按时到达。如果车辆运行不符合排班计划，就进行语音提醒。 ◆限速管理：设置各个运行路段的速度限制。监视车辆运行速度。进行超速提醒。 ◆路径导航：当行驶路线前方有拥堵时，指挥车辆绕路通过拥堵地段。 ◆车辆排班：对车辆进行自动排班。 ◆超载管理：监视和提醒超载情况。 ◆录像和拍照功能：进行录像，作为行驶记录资料。可以指定情况进行自动拍照并上 传。比如在超速时候，或者事故时候。 ◆油耗管理：对车辆油耗情况进行对比分析。防止偷油等情况的发生。 ◆投诉查证：对于乘客的投诉，比如，到站不停等情况，使用运行记录进行查证。 3.2.乘客查询服务功能: ◆语音查询：可以通过拨打电话，查询某个公交线路车辆运行情况。 ◆手机互联网查询：可以用手机通过3G网络查询某个公交线路车辆运行情况。 ◆手机短消息查询：可以编写和发送短消息来查询某个公交线路车辆运行情况。 ◆LED公交站牌：可以在公交车站的LED公交站牌上显示最近的公交车行驶到什么位 置了。 3.3.系统对外接口： ◆可以对外提供车辆排班数据和车辆配置数据。 ◆可以对外提供车辆运行实时定位数据。 物流配送车辆优化调度的神经网络算法 0 引言 据统计，美国2000年的运输费用为5900亿美元，占当年GDP总值99600亿美元的5.92%，可见，减少运输费用是有效减少物流成本的重要方面。对于物流中心和第三方物流企业的货物配送，运输车辆的调度是工作的重点，正确合理的调度可以有效减少车辆的空驶率，实现合理路径运输，从而有效减少运输成本，节约运输时间，提高经济效益。 1 配送车辆调度优化问题分类 运输车辆的优化调度问题由Dantzig和Ramser于1959年首次提出，由于该问题在交通运输、工业生产管理等领域具有广泛而重要的应用，因此30多年来其研究得到很大重视，国外的Bodlin，Christofider，Golden，Assad, Ball 等人对该问题进行了较为深入的研究[1] [2] [3]。 总体上看，车辆的优化调度问题一般可根据时间特性和空间特性分为车辆路径规划问题和车辆调度问题。当不考虑时间要求，仅根据空间位置安排车辆的线路时称为车辆路径规划问题（VRP-Vehicle Routing Problem）；考虑时间要求安排运输线路时称为车辆调度问题VSP（Vehicle Scheduling Problem）。某些学者将有时间要求的车辆调度问题称为Vehicle Routing Problem with Time Windows。车辆优化调度问题可根据不同性质具体分为以下几类。 按照运输任务分为纯装问题、纯卸问题以及装卸混合问题，所谓的装卸混合问题就是车辆在运输途中既有装货又有卸货。 按照车辆载货状况分为满载问题和非满载问题，满载问题是指货运量多于一辆车的容量，完成所有任务需要多辆运输车辆。非满载问题是指车的容量大于货运量，一辆车即可满足货运要求。 按照车辆类型分为单车型问题和多车型问题。 按照车辆是否返回车场划分为车辆开放问题和车辆封闭问题，车辆开放问题是指车辆不返回其出发地，车辆封闭问题是指车辆必须返回其发出车场。 按照优化的目标可分为单目标优化问题和多目标优化问题，单目标优化是指某一项指标最优或较优，如运输路径最短。多目标优化则是指同时要求多个指标最优或较优。如同时要求运输路物流配送车辆优化调度的一种神经网络算法
物流配送车辆优化调度的一种神经网络算法
货运车辆优化调度方法(DOC)
车辆调度算法研究及其应用文献综述
公交车辆运营指挥调度系统方案
物流配送车辆优化调度的神经网络算法