摘要
随着电子商务行业的高速发展，物流运输需求不断增长。传统的车辆运输方式已经无法满足消费者对于配送速度和质量的需求。无人机以其高速响应、高效配送、低能耗成本等优势，引起了物流企业的广泛关注。然而，无人机载重能力和续航时间受到限制，需要与高续航、高载重的卡车配合使用。车辆和无人机联合配送提高了物流配送的安全性和可靠性，降低了运输成本，实现了更高效的配送过程。车辆和无人机合作的配送方案面临如下挑战:需要设计适应不同配送场景的车机联合配送问题，需要划分车辆和无人机各自服务的客户集合，需要合理安排车辆配送路径和无人机的调度方案。为了应对以上挑战，本文做出了如下工作: (1)针对实际场景中单一的无人机站点无法满足客户的配送需求的问题，本章设计了基于多无人机站点的车辆和无人机并行配送的旅行商问题与优化算法。本章建立了以系统交付时间最小化为优化目标的混合整数规划(MixedIntegerLinearProgramming,MILP)模型，设计了基于合作式的自适应大领域搜索算法解决大规模问题，在不同规模的数据集上进行数值实验验证了MILP模型的正确性以及所提算法的有效性和实用性。 (2)针对偏远散地区的客户无法或很难被车辆直接服务的问题，本章提出了多模式下的车辆和无人机联合配送的旅行商问题与优化算法，并在车辆和无人机机并行配送模式中引入车载无人机，融合了车辆与无人机协同配送与并行配送模式。本章建立了以系统交付时间最小化为优化目标的MILP模型，设计了基于知识学习策略的多算子遗传算法解决大规模问题，在不同规模的数据集上通过数值实验验证了MILP模型的正确性以及所提算法的有效性和实用性。 本文的研究成果有望为物流配送领域提供重要的理论和实践支持，为企业实现降低成本、提高效率、提高服务质量等目标提供可行的技术方案和思路。
NETL