Jármű útválasztási probléma
három fő különböző megközelítés létezik a VRP
- Járműáramlási formulációk modellezésére—ez az egyes ívekhez társított egész változókat használja, amelyek megszámolják, hogy hányszor halad át az él egy jármű által. Általában az alapvető VRP-khez használják. Ez jó azokban az esetekben, amikor a megoldás költsége az ívekkel kapcsolatos költségek összegeként fejezhető ki. Azonban nem használható számos gyakorlati alkalmazás kezelésére.
- Áruáramlási formulációk—további Egész változók társulnak az ívekhez vagy élekhez, amelyek az áruk áramlását képviselik a járművek által megtett utak mentén. Ezt csak a közelmúltban használták a pontos megoldás megtalálásához.
- Set particionálási probléma-ezek exponenciális számú bináris változóval rendelkeznek, amelyek mindegyike más megvalósítható áramkörhöz kapcsolódik. A VRP – t ezután egy meghatározott particionálási problémaként fogalmazzák meg, amely megkérdezi, hogy mi a minimális költségű áramkörök gyűjteménye, amelyek kielégítik a VRP korlátait. Ez nagyon általános útköltségeket tesz lehetővé.
Jármű flow formulationsEdit
A megfogalmazása a TK által Dantzig, Fulkerson Johnson meghosszabbították, hogy hozzon létre a két index jármű flow készítmények a VRP
min ∑ én ∈ V ∑ j ∈ V c i j x j {\displaystyle {\text{min}}\összeg _{i\V}\összeg _{j\V}c_{ij}x_{ij}}
a témát, hogy
∑ én ∈ V x i j = 1 ∀ j ∈ V ∖ { 0 } {\displaystyle \összeg _{i\a V}x_{ij}=1\quad \forall j\in V\backslash \left\{0\right\}}
|
|
(1) |
∑ j ∈ V x i j = 1 ∀ i ∈ V ∖ { 0 } {\displaystyle \sum _{j\in V}x_{ij}=1\quad \forall i\in V\backslash \left\{0\right\}}
|
|
(2) |
∑ i ∈ V x i 0 = K {\displaystyle \sum _{i\in V}x_{i0}=K}
|
|
(3) |
∑ j ∈ V x 0 j = K {\displaystyle \sum _{j\in V}x_{0j}=K}
|
|
(4) |
∑ i ∉ S ∑ j ∈ S x i j ≥ r ( S ) , ∀ S ⊆ V ∖ { 0 } , S ≠ ∅ {\displaystyle \sum _{i\notin S}\sum _{j\in S}x_{ij}\geq r(S),~~\forall S\subseteq V\setminus \{0\},S\neq \emptyset }
|
|
(5) |
x i j ∈ { 0 , 1 } ∀ i , j ∈ V {\displaystyle x_{ij}\in \{0,1\}\quad \forall i,j\in V}
|
|
(6) |
In this formulation c i j {\displaystyle c_{ij}}
represents the cost of going from node i {\displaystyle i}
to node j {\displaystyle j}
, x i j {\displaystyle x_{ij}}
is a binary variable that has value 1 {\displaystyle 1}
if the arc going from i {\displaystyle i}
to j {\displaystyle j}
a megoldás részét képezi, és 0 {\displaystyle 0}
egyébként, k {\displaystyle k}
a rendelkezésre álló járművek száma és R ( K ) {\displaystyle R(S)}
megfelel az S sorozat kiszolgálásához szükséges járművek minimális számának {\displaystyle s}
. Azt is feltételezzük, hogy 0 {\displaystyle 0}
a depó csomópont.
az 1.és a 2. megszorítás kimondja, hogy pontosan egy ív lép be, és pontosan egy elhagyja az ügyfélhez társított csúcsokat. A 3.és 4. megszorítás szerint a raktárból kilépő járművek száma megegyezik a belépő számmal. Az 5. megszorítások a kapacitáscsökkentési korlátozások, amelyek előírják, hogy az útvonalakat össze kell kapcsolni, és hogy az egyes útvonalakon a kereslet nem haladhatja meg a jármű kapacitását. Végül a 6. megszorítások az integralitás korlátai.
a 2 | V | {\displaystyle 2|v|}
megszorítások közül egy tetszőleges korlátot a fennmaradó 2 | V | − 1 {\displaystyle 2|V|-1}
így eltávolítható. Az S {\displaystyle s}
ügyfélcsoport által meghatározott vágásokat nem kisebb ívek keresztezik, mint r ( s ) {\displaystyle r(s)}
(a kiszolgáláshoz szükséges járművek minimális száma) Set s {\displaystyle s}
).
alternatív formulációként a kapacitáscsökkentési megszorítások generalizált subtour eliminációs megszorításokká (gsecs) történő átalakításával lehet előállítani.
{\displaystyle \sum _{I\in s}\sum _{j\in s}x_{ij}\leq | S | − r ( s)}
amely előírja, hogy legalább r(s) {\displaystyle R ( S)}
ívek hagyják el az S {\displaystyle s}
ügyfélkészletet .
a Gcec-k és a CCC-k exponenciális számú korlátozással rendelkeznek, így gyakorlatilag lehetetlen megoldani a lineáris relaxációt. A megoldás egyik lehetséges módja, ha figyelembe vesszük ezeknek a korlátozásoknak egy korlátozott részhalmazát, és szükség esetén hozzáadjuk a többit.
egy másik módszer ismét az, hogy egy család megszorítások, amelyek egy polinom kardinalitása, amelyek az úgynevezett MTZ megszorítások, ezeket először javasolta a TSP, majd kiterjesztette Christofides, Mingozzi és Toth. u j − u i ≥ d j − C ( 1 − x j), ∀ i , j ∈ V ∖ { 0 } , i ≠ j s.t. d + d j ≤ C {\displaystyle u_{j}-u_{i}\geq d_{j}-C(1-x_{ij})~~~~~~\mindazt, i,j\a V\backslash \{0\},én\neq j~~~~{\text{s.t. }}d_{i}+d_{j}\leq C}
0 ≤ u i ≤ C − d i ∀ én ∈ V ∖ { 0 } {\displaystyle 0\leq u_{i}\leq C-d_{i}~~~~~~\mindazt, én\a V\backslash \{0\}}
ahol u , én ∈ V ∖ { 0 } {\displaystyle u_{i},~i\a V\backslash \{0\}}
további folyamatos változó, amely a terhelés maradt a jármű után látogató, vásárló i {\displaystyle úgy}
, majd a d i {\displaystyle d_{i}}
az ügyfél igénye i {\displaystyle i}
. Ezek mind a csatlakozási, mind a kapacitási követelményeket előírják. Amikor x i j = 0 {\displaystyle x_{IJ}=0}
megszorítás, akkor i {\displaystyle i}
nem kötelező’ mivel u i\c\displaystyle u_ {I}\leq C}
és u j d j {\displaystyle u_ {J}\GEQ D_{J}}
míg X I J = 1 {\displaystyle x_ {IJ}=1}
azt írják elő, hogy u j o i + d j {\displaystyle u_ {J} \GEQ u_{i}+D_{j}}
.
ezeket széles körben használták a basic VRP (CVRP) és a VRPB modellezésére. Hatalmuk azonban ezekre az egyszerű problémákra korlátozódik. Csak akkor használhatók, ha a megoldás költsége az ívköltségek költségeinek összegeként fejezhető ki. Azt sem tudjuk, hogy melyik jármű halad át az egyes íveken. Ezért nem használhatjuk ezt bonyolultabb modelleknél, ahol a költség vagy a megvalósíthatóság az ügyfelek megrendelésétől vagy a használt járművektől függ.
kézi versus automatikus optimális útvonalszerkesztés
számos módszer létezik a jármű útvonalválasztási problémáinak kézi megoldására. Például az optimális útválasztás nagy hatékonysági kérdés a nagy raktárakban lévő targoncák számára. Néhány kézi módszer a leghatékonyabb útvonal eldöntésére: legnagyobb rés, S-alak, folyosóról folyosóra, kombinált és kombinált +. Míg a kombinált + módszer a legösszetettebb, így a legnehezebb a targonca-üzemeltetők számára, ez a leghatékonyabb útválasztási módszer. A kézi optimális útvonal és a valódi optimális útvonal közötti százalékos különbség átlagosan 13% volt.