Ali soeur REVIEW: problème de routage de véhicules (véhicule d'acheminement problème, VRP) est l'un des plus de problèmes d'optimisation de la logistique classique, une grande importance académique et la valeur pratique. réseau recrue avancée d'experts dirigé par l'entrepôt Hu Haoyuan avec l'équipe algorithme intelligent après deux années de recherche et de développement, et peu à peu précipiter un son et un véhicule robuste moteur de routage Solver qui fournit une assistance technique pour un certain nombre d'activités au sein d'une recrue à l'extérieur. En permanence explorer polir l'algorithme, nous avons finalement brisé plusieurs records du monde dans le problème des véhicules et plus de routage plate-forme d'évaluation faisant autorité, qui marque la recherche technologique réseau recrue dans ce domaine est entré dans l'avant-garde du monde.
questions introduites
Le problème est d'acheminement du véhicule l'un des plus classique problème d'optimisation Optimize domaine de la logistique. Dans ce numéro, il y a un certain nombre de clients ont une certaine quantité de la demande de biens particuliers, véhicules de livraison peut ramasser de l'entrepôt au client après. Point et les clients de point pour former un réseau de distribution d'entrepôt, le véhicule peut se déplacer dans ce réseau pour compléter la tâche de distribution. Dans le processus de résolution de ce problème, les variables de décision doivent être optimisés pour la distribution de chaque client doit être assigné la tâche à laquelle une voiture, et chaque voiture pour compléter la tâche de l'ordre de livraison du client afin d'optimiser le nombre d'objectifs de véhicules et de minimiser l'utilisation de la distance de Voyage total du véhicule (pour minimiser le nombre de véhicules est généralement la première cible d'optimisation).
Dans i, j représente le noeud de réseau de distribution (i, j {0,1,2, ..., N}), où 0 représente le site de stockage, le client indique d'autres points), pour indiquer que le véhicule k (k {1, 2, ..., K}), à
Les variables de décision, ce qui indique que le véhicule k si je voyage d'un point à j. Le problème du véhicule standard peut Routing être utilisé sous la forme de la description du plan de données suivantes:
Parmi eux, l'expression (1) représente l'objectif d'optimisation pour réduire au minimum l'utilisation du nombre de véhicules, l'expression (2) indique que chaque point a une et une seule voiture est responsable de la distribution des produits dont ils ont besoin, l'expression (3) indique que jusqu'à chaque véhicule responsable d'une ligne de distribution; expression (4) représente la vitesse d'écoulement des conditions d'équilibre du réseau, l'expression (5) est responsable de la distribution des produits de chaque véhicule qui ne dépasse pas la limite de capacité de charge, l'expression (6) pour empêcher l'apparition de l'anneau soliton contraintes.
Problème d'application de routage des véhicules dans le domaine de la logistique et de la zone de production est très large. Donc, dans les applications pratiques, il y a eu des variations du problème sur la base du critère de l'augmentation après quelques changements. L'un des plus communs comprennent:
- CVRP: Capacitation VRP, ce qui limite le volume de distribution de la charge du véhicule et du poids.
- VRPTW: VRP avec temps Windows, le délai de livraison des clients des marchandises les exigences relatives aux fenêtres.
- VRPPD: VRP avec ramassage et de livraison, le véhicule peut tout en attirant du côté de la distribution dans le processus de distribution, plus fréquente chez les plats à emporter scène O2O.
- MDVRP: Multi-Depot VRP, il existe plusieurs réseaux de distribution d'entrepôt, le même peut ramasser la marchandise à plusieurs entrepôts.
- OVRP: Ouvrez VRP, le véhicule n'a pas besoin de retourner à l'entrepôt après l'achèvement des tâches de distribution.
- VRPB: VRP avec les voyages de retour, le retour du véhicule pour ramasser après l'achèvement des tâches de distribution.
La relation entre les divers problèmes ci-dessus peuvent être représentés par la figure 1:
Figure 1 VRP toutes sortes de problèmes de variations
algorithme classique
Le problème est d'acheminement du véhicule un problème NP-dur typique, très difficile. Et à cause de sa grande valeur dans l'application pratique, les universités et l'industrie pour explorer des algorithmes d'optimisation tels problèmes, il a été en cours depuis plusieurs décennies. L'algorithme classique existant peut être divisé en les algorithmes exacts de la solution et heuristiques deux catégories.
En termes de l'algorithme solution exacte, la méthode la plus fondamentale pour la branche et de l'algorithme lié, bien qu'il puisse garantir théoriquement la solution optimale pour un temps limité, mais les calculs du temps une forte présence dans le calcul réel. Afin d'améliorer l'efficacité de la résolution, les chercheurs ont proposé une variété de Direction générale et Cut et méthode Branch-Cut-et prix, ce qui réduit considérablement le temps de solution de l'algorithme. Mais (par exemple, plus de 200 points d'émission), l'algorithme de solution exacte toujours pas être en mesure de terminer le calcul dans un délai raisonnable pour les grands problèmes d'application pratique. Donc, il y a une majorité de la recherche a mis l'accent sur le domaine des algorithmes heuristiques.
Nous avons pensé heuristiques à travers une série de règles heuristiques pour construire et modifier la solution, afin d'améliorer progressivement la qualité de la solution. Pour le VRP, l'algorithme heuristique plus classique algorithme Clarke-Wright. De plus, grâce à la recherche d'exploration continue, métaheuristique a été démontré avoir de bons résultats et l'efficacité de la résolution de VRP. Après un certain nombre de bien conçus heuristiques meta, telles que la recherche de recuit simulé, Tabu, algorithme génétique, algorithme de colonie de fourmis, recherche de voisinage variable, recherche de quartier d'adaptation à grande échelle algorithme a une très bonne performance dans la résolution du VRP.
Rookie Routing Véhicule moteur processus de R & D
Première étape: la fondation de base de l'algorithme de développement
Au début du développement, entrepôt recrue de l'équipe avec algorithme intelligent enquête approfondie de VRP dans le domaine des papiers universitaires et produits logiciels connexes, et en fin de compte déterminer la recherche de quartier d'adaptation à grande échelle (Adaptive Grand quartier Recherche, ALNS) l'algorithme que l'algorithme de base moteur de la construction. Avantage sur les autres algorithmes, les algorithmes ALNS comprennent:
- cadre algorithme est facile à développer, en plus de résoudre le VRP standard, mais peut aussi être résolu VRPPD, MDVRP et d'autres variations du problème;
- Recherche locale par rapport au type ordinaire de l'algorithme, ALNS à chaque étape du processus de recherche d'explorer un espace de solution plus grande;
- ALNS au cours de l'algorithme de recherche peut sélectionner l'opérateur adaptativement approprié, il peut être de bons résultats relativement stables pour résoudre le problème des différents types de données;
- Conçu et mis en uvre par les différents types d'opérateurs, ALNS différentes stratégies de recherche peuvent être mises en uvre pour faciliter l'algorithme d'extension de mise à niveau.
L'algorithme classique ALNS flux principal illustré à la figure 2:
Algorithme pour le flux principal de la Fig. 2 ALNS
Les principales étapes ALNS algorithme est représenté sur la Figure 2:
Pour algorithme ALNS comme le noyau, avec l'équipe d'entrepôt recrue algorithme intelligent terminé la première version du moteur d'optimisation recherche et développement VRP. Comparaison des résultats des tests montrent que l'efficacité et l'efficience de sa solution est nettement mieux que la source ouverte populaire jsprit internationale VRP Solver. Sur cette base, l'entrepôt d'équipe recrue avec moteur algorithme intelligent a également réalisé en tant que service, ce qui rend plus facile de servir les clients internes et externes.
Deuxième étape: riche et système d'algorithme de mise à niveau
Afin de mieux servir les utilisateurs internes et externes, l'entrepôt de l'équipe recrue avec des algorithmes intelligents en permanence les composants de base de l'algorithme d'optimisation VRP du moteur ont été riches et mises à niveau. Principalement dans les domaines suivants:
1. améliorer la fonction: Sur la base du cadre de base de l'algorithme original, en ajoutant le support pour ramassage et de livraison (côté véhicule livraison côté Lanshou), multi voyage (véhicule de livraison multivols) et d'autres types de problèmes, mais par l'abstraction des questions d'affaires réels, résume les différents types d'équations objet d'optimisation (prix par exemple à plusieurs niveaux minimiser le coût total, ce qui réduit les délais de livraison) et des contraintes (par exemple, les limites la distance de déplacement du véhicule, les commandes limites véhicule de livraison, le nombre de véhicules des limites transversales, etc.). De ce fait résoudre le problème du moteur qui peut être résolu gamme plus complète.
2. opérateur riche: Afin d'améliorer les performances de la solution et la stabilité du moteur, l'entrepôt recrue avec algorithme intelligent pour résoudre l'équipe du moteur de VRP a également ajouté une optimisation plus poussée des opérateurs, tels que différents types d'opérateurs de recherche locale (comme deux Opt, trois Opt, Cross-échange, etc.), différents types de politique d'acceptation des résultats intermédiaires (par exemple Greedy, recuit simulé, etc.).
3. Pour renforcer l'effet: entrepôt Rookie avec l'équipe d'algorithme intelligent a également essayé une variété d'algorithmes pour améliorer les moteurs de performance de la solution, y compris:
- Recherche d'éjection guidée (GES): Cet algorithme essaie constamment de couper une voiture, et ajouter le service à la clientèle de ce véhicule à d'autres véhicules, ce qui permet de réduire le nombre d'utilisation du véhicule. Cet algorithme a un très bon effet pour réduire le nombre de véhicules;
- Recherche rapide locales (services en français): Dans le processus de recherche, la recherche uniquement les promettant d'améliorer le voisinage de l'espace actuel de la solution, ce qui réduit considérablement le calcul de la recherche, l'algorithme pour améliorer la vitesse;
- serach locale guidée (GLS): L'application d'un terme de pénalité à certaines caractéristiques des optima locaux dans le processus de recherche, de manière à changer la direction de recherche, afin d'éviter l'optimum local;
- assemblage bord croisé (EAX): Celui dans lequel deux solutions pour générer une nouvelle approche basée sur la solution, la solution peut être des individus mères nouvellement générés ont hérité d'une bonne structure spatiale;
- Branch-and-Prix-Axée sur la recherche par voisinage: Cet algorithme problème VRPTW restreint jusqu'à Maître et problème Sous-problème. Où le Maître restreint problème, en fonction de la gamme de chemins possibles aux solutions du problème initial est obtenu en résolvant le problème ensemble de la partition, en Sous-problème, la recherche de nouveau chemin viable par la recherche Tabou;
- Chemin-Relink: L'idée de base de cet algorithme est que en déplaçant progressivement de la solution initiale à la solution de guidage, et explorer le vaste quartier entre les deux solutions, permettant de trouver une meilleure solution;
- Hybrid Cluster et heuristiques: Cet algorithme est pour très problèmes à grande échelle et la conception, le premier point aux clients du cluster par algorithme de classification appropriée au problème d'origine en plusieurs petits sous-problèmes, puis résoudre parallèlement, éventuellement le démontage sous-problème devenir une solution au problème d'origine.
Trois étapes: mise à niveau de l'algorithme parallèle
Pour la plupart algorithme heuristique, peut naturellement par un calcul parallèle d'améliorer l'efficacité de la recherche et de l'efficacité, par exemple, calcule une évaluation de la qualité d'une pluralité de solutions parallèles adjacentes, à une pluralité de recherche de voisinage en utilisant une variété de directions ou de stratégies recherche, et même en parallèle en utilisant une variété d'algorithmes de recherche et ainsi de suite. Par conséquent, afin d'améliorer encore le moteur de VRP qualité de la solution, l'entrepôt d'équipe recrue avec moteur algorithme intelligent parallélisation de VRP a été mis à jour. Dans ce processus, nous avons mis au point un algorithme parallèle pour atteindre les trois architectures.
Île Population
Population de l'île algorithme L'architecture est représentée sur la figure. Pendant l'exécution de l'algorithme, il y a un certain nombre de calculs effectués à l'Île parallèle, chaque île est Evolve indépendamment, et qui ont une pluralité de maître ouvrier, dans laquelle le calcul de travailleur responsable des tâches spécifiques effectuer la recherche, la répartition et la coordination tâche avec le maître responsable la communication entre les autres îles. Sera le même chaque communication entre un certain nombre de pas, le maître de chaque île, à partager leurs connaissances obtenues dans le processus de recherche, afin d'améliorer l'efficacité globale de la recherche.
Figure 3 Population Île architecture parallèle
Parallel Memetic
l'architecture de l'algorithme mémétique parallèle représenté sur la figure. L'algorithme ensemble peut être divisé en deux étapes, la première étape du calcul de réduire le nombre de mise au point (Route Delete) du véhicule utilisé dans cette étape, un certain nombre de parallèle le calcul des travailleurs et des informations de part chaque nombre prédéterminé d'étapes de communiquer les uns avec les autres. Après la première étape, plusieurs résultats intermédiaires peuvent être obtenus, par exemple l'évolution de la population initiale sur chacune de la deuxième étape est calculé travailleur. Le calcul d'une seconde réduction de la distance de déplacement du véhicule de mise au point de l'étape (réduire la distance), a également mécanisme de partage des connaissances pour communiquer avec l'autre entre la deuxième étape travailleur, et peut être ajusté de manière dynamique en contrôlant le mécanisme de sélection individuelle de processus parent EVOLUTION exploration et exploitation.
La figure 4 l'architecture parallèle parallèle Memetic
Piscine Central
l'architecture centrale Piscine algorithme est représenté sur la figure. Il y a un certain nombre de travailleurs dans l'algorithme utilisé pour tâche de recherche spécifique, revenir en arrière et recherche la solution résultante à la piscine centrale, une sorte de solution par le gestionnaire central, le dépistage, le regroupement et d'autres traitements, puis Directeur Central sera basé dans la piscine centrale actuelle la nouvelle solution ensemble de circonstances généré et envoyé des tâches informatiques travailleurs effectuent. Central Manager peut être une caractérisation raisonnable de l'espace de solution, et un équilibre entre l'exploration et l'exploitation par les tâches de contrôle de calcul de la distribution, de manière à accroître l'efficacité de calcul.
Figure 5 centrale Piscine architecture parallèle
Nous avons obtenu les résultats
En optimisant l'algorithme de mise à niveau continue itérative, ainsi que des mises à jour sur le projet pour améliorer les infrastructures, le moteur de planification d'itinéraire de véhicule recrue de réseau dans le service a reçu une réalisation majeure de la technologie, mais aussi des précipitations des clients externes.
Dans le domaine de l'algorithme VRP, la plate-forme d'évaluation comparative qui fait autorité pour l'institut de recherche européen indépendant SINTEF a lancé le mieux la liste des solutions du monde (mieux connu Solution) et de gestion, y compris la collecte de données pour Salomon (1987 proposé) et les données Gehring & Homberger ensemble (introduit en 1999) du total record mondial de 356 données de test. top algorithme d'optimisation des chercheurs du monde (par exemple, Jakub Nalepa, D. Pisinger, Yuichi Nagata, etc.) et les entreprises technologiques d'optimisation (tels que Quintiq, etc.) sont constamment rafraîchir le record du monde sur cette plate-forme, la planification dans le domaine de la technologie de routage du véhicule progressivement à l'extrême.
réseau Rookie avec l'équipe d'entrepôt d'algorithme intelligent dans le processus de développement de l'algorithme de ces données a été défini comme l'algorithme principal de l'indice d'évaluation. Avec l'optimisation de l'algorithme d'indexation continue, de plus en plus de données sur près de ou même que le record du monde.
Enfin, en Septembre 2018, l'entrepôt de l'algorithme avec l'équipe d'algorithme intelligent a finalement obtenu un meilleur résultat que le record du monde, et après vérification de la plate-forme, a été ouvert aux chercheurs du monde entier. Au début du mois Avril 2019, une recrue sur cette collecte de données sur le profil réseau détient un total de 48 records du monde, le nombre d'exploitations à l'avant-garde de nombreuses équipes de recherche, qui a marqué la recrue dans ce domaine de la technologie dans le haut niveau du monde , nous avons gagné une grande influence pour le groupe de recrue et de la technologie.
Résumé et perspectives
Dans le processus de développement de deux ans, les étudiants entrepôt recrue avec l'équipe d'algorithme intelligent fait de grands efforts et le travail acharné. En même temps, dans le processus, frères équipe plus d'une division du groupe dans l'algorithme de recherche, d'ingénierie et de la technologie, offre aussi beaucoup de bons conseils professionnels, pour exprimer mes sincères remerciements!
Après le travail, l'entrepôt recrue avec algorithme intelligent à l'équipe VRP construira un moteur plus puissant, stable, facile à utiliser et d'optimiser le produit, fournir un appui technique pour le développement de ses activités et le groupe recrue, et il y a des plans sur la production, l'industrie de la logistique de la Chine, ce qui permet l'efficacité.
