下载掌阅APP，畅读海量书库
立即打开
需求确定的车辆路径问题可以被描述为在一个配送系统中有若干个配送中心和一定数量的客户，每个客户的位置和需求已知，车辆从配送中心出发为客户进行配送服务再回到配送中心，在满足约束条件的情况下科学规划配送路径，以实现配送路程最短、成本最低等目标。Pop等（2013）在客户点需求已知的前提下，引入车容量限制约束研究了车辆路径问题，提出一种有效的混合启发式算法来求解此问题。Kourank和Hejazi（2015）在需求确定的基础上，构建了带软时间窗约束的仓库配送路径规划模型，并设计了一种将列生成和元启发式算法结合的高效启发式算法。范厚明等（2020）根据客户需求，以行驶里程最短、车辆数最少以及客户满意度最高为目标，构建基于可信性测度理论的多目标模糊机会约束模型，并将遗传算法的交叉算子进行改进，引入局部优化算法及擂台法则，得到适合模型求解的混合遗传算法。综上所述，国内外对需求确定性车辆路径问题的研究成果很丰富，且研究涉及的范围和领域也很广泛。
在现实生活中，相对于确定性车辆路径问题，不确定性车辆路径问题更加常见。Sungur等（2008）提出一种鲁棒优化方法来解决具有需求不确定性的车辆路径问题，这种方法产生的路线可以使运输成本最低，同时在给定的有界不确定性集中满足所有需求。侯玲娟等（2011）针对需求不确定的车辆路径问题，建立了一个随机规划模型，提出了一种带有自适应机制的改进遗传算法。李嫚嫚等（2018）对客户需求量尚未确定的时间窗指派车辆路径问题展开研究。在构建了混合整数线性规划模型的基础上，采用不同约束处理并依据帕累托方法设计了2个多目标遗传算法。李国明等（2019）考虑客户需求未知，针对求解过程中大规模车辆规划复杂度较高、规划时间较长等问题，提出一种改进的两阶段算法。