一种推式配送模式下加油站连续多次补货的配送优化方法技术

本发明专利技术提供了一种推式配送模式下加油站连续多次补货的配送优化方法。该方法包括：将每个油罐作为客户，将每个客户的每次成品油配送需求作为一个订单，获取每个调度期中各个客户的订单；构建配送网络和配送路径，基于配送网络和配送路径建立连续多次配送、多行程、带隔舱的车辆路径问题问题的混合整数数学规划模型；采用混合蚁群算法迭代求解混合整数数学规划模型，完成每次迭代后，采用变邻域搜索算法对精英蚂蚁生成的解进行优化，输出迭代完成后的最优解，得到各个客户的订单的配送方案。本发明专利技术方法同时考虑了推式配送模式、多隔舱、多行程、罐容约束、多次连续配送等复杂场景，更具实用价值，以实现有效地对成品油进行物流配送。送。送。

【技术实现步骤摘要】
一种推式配送模式下加油站连续多次补货的配送优化方法


[0001]本专利技术涉及成品油物流配送
，尤其涉及一种推式配送模式下加油站连续多次补货的配送优化方法。

技术介绍

[0002]石油石化产业是国民经济发展的血液，石油是国家发展的重要资源，随着汽车保有量的持续增加，我国汽油消费量持续稳定增长。而石油市场上的大型石油企业的成品油流通成本中，最主要部分是其中的物流成本。通过制定高效的配送策略可以有效控制成品油流通成本，对于提高石油企业的竞争力有着重要的战略意义。
[0003]成品油的物流配送可分为一次配送和二次配送。一次配送指从炼油厂配送至各地区油库的过程，多采用管道配送，设施固定不具备灵活性，因此物流成本降低空间较小；二次配送是由专用油罐车将成品油由油库输送至各个加油站的过程，二次配送成本约占总物流成本的60％
‑
70％，是石油企业提高配送效率、降低物流成本的核心环节。在组织二次配送时，不同企业往往采用不同的物流组织模式。中国石化、中油BP等企业采取外包物流模式，由专业化的第三方运输商承运，在这种模式下，供应方完全掌握加油站的销售终端数据，通过销售预测结合供应总量来制定各加油站的补货计划。加油站无须关心库存和配送，只需将精力集中于市场营销与销售。站在配送管理的角度，这是一个“推”的动作，即将供应总量以合理的方式分配给各个加油站，即推式配送模式。
[0004]成品油二次配送问题本质上是一类车辆路径问题(Vehicle Routing Problem，VRP)。VRP问题一般是指，已知多个客户以及车场的位置、所需配送物品的需求量等，在满足车辆容量约束、配送时间窗、调度期约束等一系列约束条件下，寻找满足所有配送需求的配送路径，使配送成本最小或路程最短。其中带隔舱车辆路径问题(Multi
‑
Compartment Vehicle Routing Problem，MCVRP)是一个亟待解决的问题。
[0005]目前，现有技术中有学者提出了多隔舱车辆路径问题MCVRP，并对其进行了系统的描述，自此多隔舱车辆路径问题正式成为了车辆路径问题的研究分支之一。为解决这个问题，有方案提出了基于路径链接的模因算法(MemeticAlgorithm，MA)与禁忌搜索算法，并通过实验证明了算法的有效性。还有方案提出了一个局部搜索过程，首先使用节约算法获得初始解，再通过经典的移动、交换、重新定位、2
‑
opt等算子进行优化，并且利用邻域列表与标记机制加速搜索。其算法运行时间更短，解质量更高，算例结果表明在产品种类更多、车辆容量较大、客户分布较分散的场景下，更适合使用多隔舱车辆配送，在相反情况下，单隔舱车辆配送更优。还有方案提出了一种新的禁忌搜索算法对基础MCVRP求解，基本思想是利用禁忌搜索算法搜索局部最小值再对其施加扰动跳出局部最优，通过不断迭代向最优解逼近，解质量得到进一步优化。还有方案限制每趟车最多可访问的客户数，以最小配送成本为目标，使用遗传算法求解此问题。但作者通过实验得出遗传算法只在较小的局部内可得到最优解，缺乏全局搜索能力。除了以最短路径和最小配送成本为优化目标以外，还有方案以便利店补货为场景，考虑制冷成本、配送成本与车辆固定使用成本最小为目标函数构建了
优化模型。研究中采用拉格朗日松弛算法求得了满意解，证实了其对实际场景的应用价值。还有方案以最小配送时长为目标，提出了一种禁忌搜索启发式算法，并将其嵌入到迭代局部搜索中求解MCVRP。研究中分析了迭代禁忌搜索的性能，并将其与其他文献算法进行了比较。证明此算法始终能产生比现有启发式算法更好的解决方案。
[0006](1)上述现有技术方法研究的场景为高速公路上加油站的成品油配送。高速公路加油站的布局呈线状分布，并且间距很远，整车配送更经济。配送油罐车为单隔舱，且必须以整车为单位进行配送，即订单的配送量只能等于油罐车的容积，并且每次配送只能服务于一个加油站。
[0007](2)上述现有技术方法设置了最小时间间隔概念，用此间隔将一个调度期分成了多个时段。行驶、装油、卸油等任务的开始时刻只能为各时段的开始时刻，也就是说，此问题中的任务开始时间是离散变量而非连续的，从而进一步简化了问题。
[0008](3)上述现有技术方法没有设计启发式算法，因此只能解决小规模问题。本专利技术建立了PDM
‑
CMD问题的数学规划模型，并设计了融合VNS的混合ACO算法，并且针对某公司的实际配送网络规模(72个加油站)，均能在可接受时间内求解出满意的配送方案，更具实际应用性。
[0009](4)上述现有技术方法所设计的交互式算法比较简单，采用的是传统的通用型局部优化算子，并未针对该问题的特点进行设计。

技术实现思路

[0010]本专利技术的实施例提供了一种推式配送模式下加油站连续多次补货的配送优化方法，以实现有效地对成品油进行物流配送。
[0011]为了实现上述目的，本专利技术采取了如下技术方案。
[0012]一种推式配送模式下加油站连续多次补货的配送优化方法，包括：
[0013]将每个油罐作为客户，将每个客户的每次成品油配送需求作为一个订单，获取每个调度期中各个客户的订单；
[0014]根据所设计的配送量离散化的配送网络构建策略完成配送网络构建，根据所设计的车辆并行路径构建策略完成配送路径的构建；
[0015]以所有客户的订单的运输成本、车辆卸油成本与缺货成本构成的总成本最小为目标，基于所述配送网络和配送路径建立连续多次配送、多行程、带隔舱的车辆路径问题问题的混合整数数学规划模型；
[0016]采用融合变邻域搜索算法的蚁群算法迭代求解所述混合整数数学规划模型的目标函数，完成每次迭代后，采用变邻域搜索算法对精英蚂蚁生成的解进行优化，输出迭代完成后的最优解，得到各个客户的订单的配送方案。
[0017]优选地，所述的根据所设计的配送量离散化的配送网络构建策略完成配送网络构建，包括：
[0018]将各加油站内装着不同油品的油罐表示为节点，车辆在中途需要多次到油库装油，为表示油库节点每次被访问的状态，为每台车设置一个虚拟的油库节点，用有向图G＝(V,E)表示成品油的配送网络，V表示顶点集，V＝C∪F0∪F1，C＝{1,
…
n}表示油罐节点集合，n表示油罐的总数，F0＝{n+1,
…
,n+m}表示起点油库的虚拟油库集合，F1＝{n+m+1,
…
,n+2m}
表示终点油库的虚拟油库集合，m表示油罐车的总量，车辆k始终从油库节点n+k装油并出发，配送后返回节点n+m+k。E表示边集，E＝{(i,j)|i,j∈V,i≠j}。
[0019]优选地，所述的根据所设计的车辆并行路径构建策略完成配送路径的构建，包括：
[0020]采用车辆并行路径构建策略构建配送路径，将车辆k每一趟的成品油配送方案称为一个行程trip，车辆k在调度期内执行的所有行程trip构成车辆k的回路tour
k<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种推式配送模式下加油站连续多次补货的配送优化方法，其特征在于，包括：将每个油罐作为客户，将每个客户的每次成品油配送需求作为一个订单，获取每个调度期中各个客户的订单；根据所设计的配送量离散化的配送网络构建策略完成配送网络构建，根据所设计的车辆并行路径构建策略完成配送路径的构建；以所有客户的订单的运输成本、车辆卸油成本与缺货成本构成的总成本最小为目标，基于所述配送网络和配送路径建立连续多次配送、多行程、带隔舱的车辆路径问题问题的混合整数数学规划模型；采用融合变邻域搜索算法的蚁群算法迭代求解所述混合整数数学规划模型的目标函数，完成每次迭代后，采用变邻域搜索算法对精英蚂蚁生成的解进行优化，输出迭代完成后的最优解，得到各个客户的订单的配送方案。2.根据权利要求1所述的方法，其特征在于，所述的根据所设计的配送量离散化的配送网络构建策略完成配送网络构建，包括：将各加油站内装着不同油品的油罐表示为节点，车辆在中途需要多次到油库装油，为表示油库节点每次被访问的状态，为每台车设置一个虚拟的油库节点，用有向图G＝(V,E)表示成品油的配送网络，V表示顶点集，V＝C∪F0∪F1，C＝{1,
…
n}表示油罐节点集合，n表示油罐的总数，F0＝{n+1,
…
,n+n}表示起点油库的虚拟油库集合，F1＝{n+m+1,
…
,n+2m}表示终点油库的虚拟油库集合，m表示油罐车的总量，车辆k始终从油库节点n+k装油并出发，配送后返回节点n+m+k。E表示边集，E＝{(i,j)|i,j∈V,i≠j}。3.根据权利要求2所述的方法，其特征在于，所述的根据所设计的车辆并行路径构建策略完成配送路径的构建，包括：采用车辆并行路径构建策略构建配送路径，将车辆k每一趟的成品油配送方案称为一个行程trip，车辆k在调度期内执行的所有行程trip构成车辆k的回路tour
k
，蚂蚁f模拟车队所构造的路线称为蚂蚁f的配送路径方案plan
f
＝{tour
k1
,tour
k2
,
…
,tour
km
}。4.根据权利要求2或者3所述的方法，其特征在于，所述的以所有客户的订单的运输成本、车辆卸油成本与缺货成本构成的总成本最小为目标，基于所述配送网络和配送路径建立连续多次配送、多行程、带隔舱的车辆路径问题问题的混合整数数学规划模型，包括：以所有客户的订单的运输成本、车辆卸油成本与缺货成本构成的总成本最小为目标，基于所述配送网络和配送路径建立连续多次配送、多行程、带隔舱的车辆路径问题问题的混合整数数学规划模型的目标函数为：min(c1+c2+c3)))所述总成本由三部分构成，第一部分c_1为车辆的运输成本，与车辆行驶距离相关，第
二部分c2为车辆卸油成本，与卸油时长相关，第三部分c3为缺货成本，由销售损失来表示；所述混合整数数学规划模型的约束条件包括：节点访问约束、配送量约束与时间约束，具体如下：节点访问约束包括：节点访问约束包括：节点访问约束包括：节点访问约束包括：节点访问约束包括：节点访问约束包括：节点访问约束包括：节点访问约束包括：节点访问约束包括：节点访问约束包括：节点访问约束包括：节点访问约束包括：节点访问约束包括：节点访问约束包括：节点访问约束包括：
上述式子依次表示油罐车到达油罐节点后必须离开该节点；油罐车从专属虚拟油库节点出发并到达专属虚拟油库节点，且在调度期内同一台油罐车运行趟数有上限；每台车都需要被启用；如果节点第r次访问不存在，则一定不存在第r+1次配送；节点之间的访问顺序约束，应从虚拟油库起点出发，访问若干油罐后，返回虚拟油库终点，然后再从虚拟油库起点出发或终止行程；节点的某次访问最多只能作为路线的到达节点一次，离开节点一次。配送量约束包括：配送量约束包括：配送量约束包括：...

【专利技术属性】
技术研发人员：刘志硕，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：