中文摘要：

我国十一五规划中将现代物流业作为今后重点发展领域，提出到2010年全社会物流成本下降2-3个百分点。作为物流系统优化关键的一环，车辆路径优化问题成为研究热点。在实际中受交通流量、交通事故、天气变化等因素的影响，车辆行驶速度总在不断变化，静态车辆路径问题理论和方法已无法适用，这就使得对动态网络车辆路径问题的研究成为迫切需要。本项目从实际中抽象并归纳动态网络车辆调度问题，针对预测型动态网络车辆路径问题提出满足先进先出准则的时变特性处理方法，针对实时交通信息下的动态网络车辆路径问题设计实时路线更新机制，将微观路网与车辆路径优化相结合，建立数学模型。针对两类问题构造基于大规模邻域搜索技术的智能优化算法进行求解，通过理论分析和数值计算研究算法策略和运行参数对问题求解的影响，保证算法求解质量优、效率高，最终为改进实际物流配送车辆运输路线提供新的优化理论和方法，具有重要的理论意义和实际应用价值。

结论摘要：

我国”十一五”规划中将现代物流业作为今后重点发展领域，提出到2010年全社会物流成本下降2-3个百分点。在”十二五”规划纲要提出的要求中，降低物流成本仍然是首要目标。运输配送是影响物流总成本的重要因素，大约占物流成本的60%。作为物流系统优化中关键的一环，物流配送车辆的优化调度问题成为研究热点。在以往的静态车辆调度问题(Static Vehicle Routing Problem，简写SVRP)研究中，车辆路径安排大部分都是基于确定性的信息，包括顾客需求确定、车辆位置确定和车辆在路途的行驶时间确定等。但在实际的车辆行驶过程中，通常包含一些不确定性的因素，如顾客需求、车辆行驶时间以及车辆出现故障等情形。本课题将动态交通路网与VRP问题相结合，研究两类动态网络VRP问题，分别为预测性动态网络VRP和基于实时信息的动态网络VRP。针对预测型动态网络车辆路径问题提出满足先进先出准则的时变特性处理方法。针对实时交通信息下的动态网络车辆路径问题考虑了实际交通网络发生重复性拥堵和非重复性拥堵两种情形。提出一类将初始路径安排与实时路线调整相结合的求解策略。初始路径安排通过采用遗传算法求解重复性拥堵情形对应的时变网络VRP (Time-Dependent VRP，简写TDVRP) 问题得到。在车辆行驶过程中，考虑实时更新的交通信息和新出现的顾客需求，引入一种在关键点更新路线的新机制和局部优化策略。数值算例验证了新策略比目前文献中已有的其他策略更有效，且随着交通网络动态性增加其优势更加明显。此外，项目中还研究了一类需求不确定情形下的VRP，并将路径问题延伸到供应链上，把库存问题和路径问题相结合。确定了最优库存策略和配送策略。