Routing路径系列数学建模(TSP+CVRP)

1.Traveling Salesperson Problem(TSP)

参考:维基百科TSP

给定一些城市和城市之间的距离,找到最短路径,经过每个城市最后返回起点,组合优化问题中属于NP-hard难度。对于TSP问题有两类混合整数规划模型:Miller--Tucker--Zemlin (MTZ)形式和Dantzig--Fulkerson--Johnson (DFJ)形式,DFJ模型更好,但是在某些特定条件下,MTZ模型仍然有用。两类模型有一些通用的符号。

上述模型不能保证解中不出现子回路,我们只需要得到一个经过所有点的回路,有以下两种方式消除子回路。

Miller--Tucker--Zemlin formulation(MTZ)

  • Dantzig--Fulkerson--Johnson formulation(DFJ)

两种形式的完整数学模型如下:

2.Vehicle Routing Problem(VRP)

参考:维基百科VRP

为了向一组给定的客户交付货物,车队要经过的最佳路线集是什么?这是TSP问题的扩展

目标函数:

  • 最小化全局运输成本和固定成本
  • 最小化使用的车辆
  • 最小化行驶时间和车辆负载的方差
  • 最小化低服务质量的惩罚
  • 最大化利润

VRP变种:

  • Vehicle Routing Problem with Profits (VRPP):带有利润的车辆路径规划问题。与标准VRP不同,它允许车辆不必访问所有的顾客点,而是要在限定的时间内访问尽可能多的顾客以最大化利润。车辆需要从仓库出发,访问顾客,然后返回仓库,同时需要在每辆车的行驶时间内完成任务。具体问题包括Team Orienteering Problem (TOP),Capacitated Team Orienteering Problem (CTOP),TOP with Time Windows (TOPTW)等
  • Vehicle Routing Problem with Pickup and Delivery (VRPPD):具有提货和交付的车辆路径规划问题。有一组车辆需要从仓库或起始点出发,分别访问一系列提货地点以收集货物,然后将货物交付到相应的交付地点,最终返回仓库或结束点。问题的目标通常是最小化总行驶距离、时间或成本,或者在满足一定的约束条件下,找到一组最佳的路线方案。
  • Capacitated Vehicle Routing Problem (CVRP):容量限制车辆路径规划问题。在CVRP中,每辆车辆都有一个限定的最大携带容量
  • Vehicle Routing Problem with Time Windows (VRPTW):带有时间窗口的车辆路径规划问题。在VRPTW中必须在每个配送地点的时间窗口内完成配送。时间窗口表示了在一定的时间范围内必须到达每个客户或配送地点,以满足客户的需求。
  • Vehicle Routing Problem with LIFO:带有LIFO(Last-In-First-Out)规则的车辆路径规划问题。在每个交付地点,要交付的货物必须是最近提取的货物。换句话说,车辆遵循LIFO规则,最后提取的货物必须首先被交付。这个规则的主要目的是减少在交付地点的装卸时间,因为不需要临时卸载除了应该被交付的货物之外的其他货物。
  • Vehicle Routing Problem with Multiple Trips (VRPMT):具有多次行程的车辆路径规划问题。车辆具有更大的灵活性,可以执行多个行程,即在一次任务执行后返回仓库,然后重新出发执行另一个任务。
  • Open Vehicle Routing Problem (OVRP):开放车辆路径规划问题。车辆不要求返回到起始点或仓库。
  • Multi-Depot Vehicle Routing Problem (MDVRP):多仓库车辆路径规划问题。存在多个仓库,每个仓库都可以作为车辆的起始点和结束点。这意味着不同的车辆可以从不同的仓库出发,执行任务后返回到同一仓库或不同的仓库。

2.1 CVRP

参考:Comparison between LP bound of the Two-Index and the Three-Index Vehicle Flow Formulation for the Capacitated Vehicle Routing Problem

​​​​​​​CVPR有两种建模方式:two-Index Vehicle Flow Formulation 和 three-Index Vehicle Flow Formulation,区别在于决策变量的索引数

2.1.1 two-Index Vehicle Flow Formulation

该模型中变量数为个等式,个不等式,共个约束

2.1.2 three-Index Vehicle Flow For- mulation

相关推荐
wwer1425263634 小时前
数学建模_熵权法确定权重
数学建模
FF-Studio10 小时前
【硬核数学】3. AI如何应对不确定性?概率论为模型注入“灵魂”《从零构建机器学习、深度学习到LLM的数学认知》
大数据·人工智能·深度学习·机器学习·数学建模·自然语言处理·概率论
wwer14252636316 小时前
数学建模_非线性规划
数学建模
wwer14252636317 小时前
数学建模_整数规划
数学建模
ZzzZ3141592612 天前
七天速成数字图像处理之七(颜色图像处理基础)
图像处理·人工智能·深度学习·计算机视觉·数学建模
人大博士的交易之路13 天前
龙虎榜——20250620
大数据·数学建模·数据挖掘·程序员创富·缠中说禅·龙虎榜
飞舞哲14 天前
埃夫特各种系列机器人运动学建模、轨迹规划和工作空间求解
数学建模·机器人
IT古董15 天前
【第一章:人工智能基础】04.数学建模基本方法-(3)概率与统计基础
人工智能·数学建模
speop15 天前
数学建模会议笔记
笔记·数学建模
IT古董17 天前
【第一章:人工智能基础】04.数学建模基本方法-(2)矩阵运算与线性代数
人工智能·线性代数·数学建模