摘要：针对带时间窗的时间依赖型同时取送货车辆路径问题（Time-Dependent Vehicle Routing Problem with Simultaneous Pickup-Delivery and Time Windows， TDVRPSPDTW），建立以车辆固定成本、驾驶员成本、燃油消耗及碳排放成本之和为优化目标的数学模型，并在传统蚁群算法的基础上，利用节约启发式构造初始解初始化信息素、改进状态转移规则、引入局部搜索策略，提出一种带自适应大邻域搜索的混合蚁群算法（Ant Colony Optimization with Adaptive Large Neighborhood Search， ACO-ALNS）进行求解，最后分别选取基准问题算例、改编生成TDVRPSPDTW算例进行实验。实验结果表明：本文提出的ACO-ALNS算法可有效解决TDVRPSPDTW的基准问题；而相较于模拟退火算法、带局部搜索的蚁群算法，本文算法求解得到的总配送成本最优值平均分别改善7.56%、2.90%；另外，相比于仅考虑碳排放或配送时间的模型，本文所构建的模型综合多种因素，总配送成本平均分别降低4.38%、3.18%，可有效提高物流企业的经济效益。
文章目录
0 引言
1 问题描述及数学模型
1.1 问题描述
1.2 时间依赖函数
1.3 数学模型
2 混合蚁群算法
2.1 初始化
2.2 状态转移规则
2.3 局部搜索的ALNS算法
2.3.1 破坏算子
2.3.2 修复算子
2.4 信息素更新规则
3 实验及结果分析
3.1 算法及模型参数设置
3.2 算法有效性验证
3.3 TDVRPSPDTW算例分析
3.3.1 算法性能比较
3.3.2 时变路网特性
3.3.3 不同目标函数
4 结论
