【摘要】:配送中心D拥有2辆载重量分别为1t、1.5t的运输车辆为Y区的14个客户配送货物,每辆车每天只执行一次配送任务。迭代局部搜索算法获得的解为1950,相应的路径为0→12→2→1→4→13→14→7→0、0→11→9→6→8→10→5→0,用时约2s。可以看到,迭代局部搜索算法的精确度达97.5%,用时仅为精确算法的2.1%。
以本节介绍的情景为案例背景。配送中心D拥有2辆载重量分别为1t、1.5t的运输车辆为Y区的14个客户配送货物,每辆车每天只执行一次配送任务。配送中心与Y区的14个客户的地理相对位置如图10-10所示。表10-9为配送中心及各客户点间的时间距离。这14个客户某一天的需求量、配送时间窗、服务时间(如卸货时间)及配送中心可获得的相应收益如表10-10所示。在满足客户服务时间窗及车辆容量限制的前提下,优化这一天两辆车的配送路径使获得的总收益最大。
图10-10 配送中心及各客户点的地理相对位置图
表10-9 配送中心及各客户点之间的时间距离 (单位:h)
(www.daowen.com)
表10-10 各客户点的需求量、服务时间、配送时间窗及收益
利用Lingo软件编程对上述案例进行求解,获得的最优解为2000,相应的最优路径为0→1→2→4→3→10→8→7→0、0→12→6→11→9→13→14→0,用时1.6h。
迭代局部搜索算法获得的解为1950,相应的路径为0→12→2→1→4→13→14→7→0、0→11→9→6→8→10→5→0,用时约2s。可以看到,迭代局部搜索算法的精确度达97.5%,用时仅为精确算法的2.1%。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。