多移动中转站下货车-多机器人协同配送路径优化
来源：交通运输系统工程与信息杂志2025年第6期北京时间：
作者：陈俊熙, 卫振林
单位：北京交通大学，交通运输学院，北京100044
摘要：针对货车禁行区的实际可达性及机器人的灵活投放与回收问题，构建一种多移动中转站下的货车多机器人协同配送路径优化模型(MMS-MTRCRP)，以最小化货车与机器人的路径成本及货车固定成本为目标，综合考虑货车路径约束、机器人行驶与续航约束、动态资源约束、客户的硬时间窗约束，以及货车与机器人在时间、空间和容量方面的耦合约束。针对耦合约束带来的复杂决策难题，提出基于投放与回收操作的贪婪路径初始化算法(DRGPIA)，并设计一种融合优化操作的改进自适应大规模邻域搜索算法(IALNS)。基于12个Solomon算例与GUROBI12.0.1的对比实验表明，所提算法在求解质量与效率方面均优于精确求解器。在小规模算例中，IALNS在结果与时间上均优于GUROBI；在中大规模算例中，也表现出良好的性能。此外，通过消融实验与多模式对比分析发现：优化算子对算法性能均产生积极影响，尤其在3个大规模算例中，优化模块使求解成本平均降低8.9%；在单中转站及多中转站原地回收模式无法获得可行解的场景下，多中转站协同优化策略仍可求得满足硬时间窗的可行解，且平均成本分别降低20.6%与17.1%。
关键词：物流工程,协同路径优化,改进的自适应大规模邻域搜索,多货车-多机器人,多移动中转站
基金资助：中央高校基本科研业务经费专项资金(2024YJS107)；国家重点研发计划 (2023YFB4301900)。
