摘要
随着环境问题成为了人们的重点关注对象，低碳生活、绿色发展成为了公众的共同目标，并为此开展了经济、科技等多领域的改革创新。由此，电动汽车运势而生，而用电动物流车代替传统燃油物流车也成为现阶段物流行业的发展趋势。然而，电动物流车的续航里程短的问题，以及充电基础设施的建设不完善的现状，都成为了阻碍电动物流车发展的重要障碍。在物流行业的运营中,物流配送成本是物流活动总成本的重要组成部分，而物流配送路径的科学合理性直接影响着物流配送成本的高低。充电站作为电动物流车的续航来源，其位置与容量直接影响着电动物流车的配送路径。在此背景下，考虑充电站位置与容量因素的电动物流车路径规划问题显得尤为重要。 为了实现电动物流车在物流配送领域应用的推广，响应“绿色物流”政策，推进物流企业的可持续发展，达到降低物流配送总成本的目标，本文综合考虑了充电站位置与容量约束、时间窗约束等多个因素，建立了充电站位置与容量约束下电动物流车路径问题模型。总目标函数为充电站位置与容量因素产生的成本、固定成本、运输成本、充电成本以及惩罚成本等多个成本之和最小，继而实现物流配送效率的提供与服务质量的提升。 针对充电站位置与容量约束下电动物流车路径问题，本文对现有的各种求解路径规划问题的算法进行研究分析，最终选择遗传算法，并将变量邻域下降法引入遗传算法，得出一种改进后的遗传算法作为本文的求解模型的方式。通过应用Solomom标准算例进行对比实验，得出改进后的遗传算法相对于标准遗传算法更接近最优解，在求解电动物流车路径问题上拥有更高的应用价值。 研究结果表明，当电动物流车在进行城市配送任务时，选择尽量不偏离原配送路径且容量更大的充电站能够有效降低物流企业的配送总成本，从而提供物流企业的配送效率以及服务水平。与此同时，本研究对电动物流车在市场上的推广与应用也具有重要的现实与理论意义。
NETL