基于聚類非支配排序的電動物流車路徑規劃及充電策略

徐婷婷，胡曉銳，胡 文，李雙慶，池 磊

(1.國網重慶市電力公司 營銷服務中心,重慶 401123；2.重慶大學 計算機學院，重慶 400044)

物流配送對規模和時效性要求越來越高，物流車輛路徑優化問題顯得極其重要，合理的車輛路徑規劃方案可以為企業節省大量配送成本。另一方面，傳統物流車輛已造成嚴重的污染物排放問題，而物流汽車電動化是解決排放治理的重要手段，但電動物流車最大的問題在于配送里程焦慮。考慮物流總路程、用戶時間窗口、總時間的條件下，提出一種加權AP聚類的非支配排序遺傳算法(AP-NSGA-Ⅱ)來解決電動物流車的路徑優化配送問題。

電動物流車物流配送大部分關注的是路徑優化。葛顯龍等[1]運用混合模擬退火算法研究了靈活充電策略帶時間窗口的電動物流車的配送問題，Schneider和Stenger等[2]在VRP條件下，通過車載電池容量的增加，搭建了電動物流車的車輛路徑優化問題，并建立電動汽車數量最小和路徑最短的多目標，尋求最優行駛路徑。Lim和Kuby[3]基于公共設施的選址問題，提出電動汽車的能源補充設施選址模型。馮智泉等[4]應用蟻群算法對分段路線進行優化，在全局充電方案中加入行駛路徑的約束，將兩部分結合形成全局的最優行駛路徑。文展等[5]提出一種改進的粒子群優化算法解決離散域的組合優化問題及車輛路徑規劃。但這些方法普遍存在以下問題：1)隨著配送點的增加，車輛路徑可行解呈階乘增長，使用啟發式或者亞啟發式算法的求解效率低，且容易陷入局部最優，貪婪隨機自適應搜索算法等[6-10]；……