摘 要 本文以湖南省丘陵—湖区混合地貌为背景,研究“主干无人车 + 末端无人机(及 末端轻型物流车)”的两级协同配送优化问题。研究区抽象为 100 × 100 km 2 平面,含 1 个初始物流中心 C0、22 个物流点与 39 条可通行主干道路。围绕“最短完成时间 → 时效—经济权衡 → 时限准时 → 物流中心选址”四个递进层次,本文建立了统一的两 级路径—调度—选址耦合模型,以“ε-约束法 + TOPSIS”处理多目标 [6],以“分解 + 精确枚举 + 迭代改进”求解 NP-hard 子问题,并给出全部四问的协同配送方案与 多项评价指标。 针对问题一(300 个需求点、1998 件包裹、2422 kg;每物流点固定 2 架无人机、 不含轻型物流车),本文按附件 7 口径以“全部包裹送达时刻的最大值”为目标建立两 级模型。关键发现是单个需求点的包裹总重最高达 21 kg、300 点中有 180 点超过无人 机 6 kg 的载重上限,故末端调度的最小单元必须是“包裹”而非“需求点”。据此设计 “最近可行物流点指派 → 逐包裹装箱(6 kg/40 km)+ 逐段按剩余载重查表定速 + 双 机 LPT 调度 → 干线多批次 mVRP(贪心分趟 + 随机交换)→ 瓶颈点需求改派”的 四层算法,求得 T ∗ = 14.0502 h、干线网络运输总里程 1761.61 km、无人机 415 架次, 瓶颈位于 P04,相对初始方案缩短 6.978 h(33.2%)。 针对问题二(需求点增至 800 个、5291 件、6303 kg,引入末端轻型物流车并放开 各点设备数量),本文证明两条关键性质:因要求完成全部配送,包裹配送收入为常数 (26477 元/日),故最大化日均净收益等价于最小化运输成本;又因约束 T ≤ Tε 关于物 流点可完全分离,设备配置可在 26 种可行组合内精确求解,而非启发式近似。据此以 ε-约束法求得精确 Pareto 前沿,并以 TOPSIS 等权折中选题:推荐方案 T ∗ = 27.0932 h、 运输成本 4593.25 元/日、日均净收益 21883.75 元/日、包裹平均送达时间 16.0591 h, 配置为无人机 22 架与轻型物流车 23 台。对照实验进一步表明无人机经济性更优、轻 型物流车时效性更优:若地面可达点亦全部交无人机,净收益升至 23405.87 元/日但完 成时间增至 32.04 h。 针对问题三(新增 200 个 C 类时限需求点,合计 1000 点、5696 件、6708 kg),C 类时限仅取 {2, 4, 6} h 三档,而问题二干线末批到货已逾 23 h。本文为 C 类设计三重 优先机制:干线首批发运并均衡分配至 6 台车、末端按类分组装箱、调度按最早时限 优先(EDD);由于 C 类总重仅 405 kg,小于首批总运力 1800 kg,全部 C 类可在批 次一一次运抵。将 ε-约束的目标改为最大化利润贡献后精确求解,得 T ∗ = 35.2697 h、 C 类准时率 48.64%、日均净收益 18315.89 元/日;其中 C 类平均送达仅 4.9356 h,为 A、B 类(24.0847 h)的五分之一,印证优先机制有效。对照实验显示:C 类改交轻型 物流车使准时率降至 36.05%,批次一改用几何序降至 45.19%。 针对问题四(依托既有物流点新增第二中心,两中心合计 8 台无人车,无人机与 轻型车数量沿用问题三),本文以依托点为离散选址变量、以两中心无人车分配为整数 1决策,构建“选址—运力分配—两中心干线调度”模型;并证明在设备固定、建设成 本与主干运输成本不计入的口径下,经济优化等价于“提高 C 类准时率、降低充电成 本”。对 154 个有效候选完全枚举求得精确解:最佳依托点为 P17(64, 16),无人车分配 C0 : C1 = 7 : 1,对应 T ∗ = 29.1633 h、干线总里程 4024.45 km、C 类准时率 64.20%、 日均净收益 20205.89 元/日、平均送达 16.9545 h。隔离检验(同为 8 台车的单中心对 照)表明,新增中心使总配送时间缩短 16.3%、准时率提高 7.66 个百分点、净收益增 加 930 元/日,且干线里程反而减少 341 km。 本文从四个层次检验模型:约束可行性(四问全部约束经独立脚本逐条复算,无 一违规)、复算一致性(回读结果文件重算、重复运行结果完全一致、随机种子扰动 5 次结果不变)、解的质量(设备配置与选址均完全枚举,为相应子空间的精确最优;启 发式环节给出改进幅度)、参数稳健性(投资上限、行驶速度、配送模式等扰动下结论 稳定)。检验结果表明本文模型与结果正确、可复现且稳健。 关键词:两级车辆路径问题;无人机协同配送;ε-约束法;TOPSIS 多属性决策;物流 中心选址
面向复杂地形的无人车—无人机协同配送多目标优化模型与选址决策