第三方整车物流配载优化建模及算法研究

　　摘要:随着我国汽车产业的快速发展，我国已成为化界第一大汽车生产国和汽车消费国。汽车产销量巨大，导致对汽车配送的需求也越来越大。当前，我国汽车配送主要采用的是公路运输方式。汽车产品通过公路运输不仅有很大的安全隐患，而且容易造成交通拥堵，增加对环境的污染程度。并且，随着我国汽车产业竞争的加剧，公路运输车辆容量过小的瓶颈问题在汽车配送过程中越来越突出，公路拖车运输容量的限制决定了汽车生产厂商难降低汽车产品的公路运输费用，即物流成本始终高窟，这使得汽车生产厂商难在汽车产品价格逐渐下降的行业趋势下保持竞争优势。多式联运具有规模经济效应，并且较为环保和安全，能够有效降低汽车产品的运输成本，因此，在汽车行业采用多式联运的运输方式已经成为汽车巧业的普遍需求。另外，我国XX正在大为建设综合运输体系，积极兴建多式联运的基础设施，解决多式联运的运输瓶颈，推进多式联运运输方式的全面开展。在物流成本带来的竞争压力和社会发展多式联运的大好机会面前，我国的各大汽车生产厂商和汽车物流企业积极开展整车多式联运运输。面对当前已经形成的结构复杂的汽车整车多式联运网络，如何最化地进行整车多式联运，是汽车企业目前需要解决的重要问题。物流业是社会发展的重要产业,通常被人们称为“第三利润源泉”,物流配送是物流对消费者直接相连的关键的环节之一,通常理解为货物由物流节点发至收货人的过程。运输在物流业中占有极重要的位置,对物流成本的影响很大,对运输车辆的合理规划对降低成本起着至关重要的作用,本文的主要内容是使用遗传算法如何解决车辆路径问题。本文首先分析了目前车辆路径问题国内外的研究现状,并提出带时间窗的车辆路径问题这一研究内容,之后,介绍了遗传算法相关理论,以好问题为例进行了问题表述、建立模型、算法设计并且实现此算法。最后以遗传算法为基础,提出一种改进的遗传算法,将遗传算法与传统解法进行比较,体现改进遗传算法的可行性与优越性。

　　关键词：整车物流；遗传算法；物流配

　　整车物流是指成品汽车从生产流水线下线以后,通过火车、轮船、大型汽车等运输工具将整车运往销售总库、各地分销库,最终到达消费者手中的一系列物流储运过程。据统计数据显示：2006年，我国汽车销量已达到722万辆，第一次超越日本，成为仅次于X的第二大汽车消费国；2007年我国汽车销量达到879万辆。按现在的发展速度，今年我国的汽车产量就可望达到1000万辆，占世界市场的1/8。作为汽车销售的重要环节,整车物流业的发展速度必须跟上整个行业的发展步伐。我国汽车工业的快速发展不仅为整车物流业带来前所未有的发展机遇，也对整车物流企业运输网络的能力、成本、质量、服务等提出了更高的要求，整车物流业本身的性质必将有一个量变到质变的过程。然而，由于整车物流配载涉及知识面广，技术要求高，实施难度大，在我国其发展才刚处于起步阶段，普遍存在着缺少科学方法指导，简单重复劳动工作量繁重的问题，大部分整车物流企业的配载过程仍主要依靠手工操作，配载方案的决策基本取决于装卸工人师傅的经验，造成了配载结果差错率高，运输工具运力浪费，装卸过程常有质损事故发生，进而信息传输变慢，管理效率降低等诸多弊端。而国外许多著名的整车物流企业都在运用计算机辅助技术，以及虚拟仿真软件等先进的科技手段来加大物流信息系统的建设力度和一体化集成趋势。一方面，整车物流业的性质使配载信息的处理格外重要,因为没有信息系统的支持引导,物流业不可能正常运转,更不可能向高度合理化迈进。信息处理能力决定着企业的营运能力和应变能力。世界各国特别是X、日本、欧洲等发达国家，确定了新世纪交通运输技术战略，把信息技术广泛地应用于交通运输和物流领域，发展该领域的系统化、集成化和网络化技术，并使其适时地更新换代，从而全方位地提高和保证交通运输的安全性以及物流的准确、快速、节约和高效性。另一方面，在经济型轿车是主流的中国市场，在汽车厂的成本敏感度日益上升的今天，

　　汽车整车物流成本的节约将是各汽车制造企业竞争制胜的重要因素。汽车整车物流企业能力评价的研究成果表明：整车物流企业能力由市场能力、运输及仓储能力、服务质量能力、信息技术能力、物流成本控制能力五方面来评价考核。其中，运输能力是最基本的物流资源之一，它直接决定了整车物流企业的年运输规模、网络覆盖面积和物流成本要素，对提高物流效率、降低物流成本、满足需求变动具有十分重要的意义，而运输工具的利用程度是运输能力的直接体现，是反映一个整车物流企业运能的关键指标。除此之外，研究还指出：质损率也是直接影响着整车物流企业服务质量能力评价的关键指标（质损率是指在装卸过程中发生有刮痕、轻微的凹凸等质量损坏的商品车数量与总运输商品车数量的比值）。综上所述不难看出，在现有运输条件下如何应用计算机辅助技术来重点解决运输工具的运输能力最优化问题，以及将这些问题的处理方式和结果作为整车物流的配载知识经验进行有效积累，如何指导调度系统自动处理客户配载订单，一直是整车物流企业所关注的焦点。

　　本课题正是在上述背景下展开的，本文试图通过研究整车物流中具有代表性的公路运输工具——轿运车的配载过程，将轿运车、商品车数据库信息与轿运车最大运能优化配载解决方案以及混装订单配载优化功能有效地集成。研究成果无论对整车物流企业挖掘自身运能、控制物流成本、提升服务质量与增强市场竞争力，还是进一步构筑统一性集成化可扩展的整车物流信息交换平台，都具有重要意义。

　　物流是指利用现代信息技术和设备，将物品从供应地向接收地准确的、及时的、安全的、保质保量的、门到门的合理化服务模式和先进的服务流程。我国的物流行业是随着改革开放的脚步发展起来的，随着市场覆盖面，社会需求量的增大，产品的生产与供应，供应与消费之间在时间和空间上都产生了矛盾。许多生产或者供应商家已经意识到单靠自己的力量己经无法克服这种矛盾，便将其委托给专业的物流公司，由他们完成对商品的运输配送，也就是第三方物流产生了。也就是说，正是经济的高速发展才促进了物流行业的发展，才有了今天第三方物流的快速发展。而一个国家物流行业的发展好坏直接影响了这个国家经济发展步伐。因此，近些年来，物流作为一个新兴行业正如雨后春舆般快速成长了起来。但是，由于我国生产力还比较落后，物流行业的发展中也存在了许多问题，通过对物流行业的探讨，寻求合适的方法解决现实运作中的问题，已经成为许多专家学者正在研究的课题，也是企业管理者非常关心的问题。本文研宄的整车物流即以商品车为物品的一种物流方式，由于商品车具有形状不规则，价值高，品种繁多，不能压缩等特殊情况，致使许多整车物流公司没有很好的物流方案，单凭经验操作，所以一个很好的物流配送模型具有很大的意义。

　　1.3.1国外研究现状

　　物流行业的发展不仅与当时社会的生产力发展水平有关，更与科技发展水平有关，在许多发达国家，物流行业己经发展的相当完善。X是世界上发展物流业最早的国家之一，X的物流市场虽然错综复杂，但却十分活跃。XXX在物流高度发达的经济社会环境下，不断的通过XX宏观引导，确立了以现代物流发展带动社会经济发展的战略目标，而为了促进产品的销售，诸如可口可乐、沃尔玛这样的公司都致力于建立全球的物流网络。国际物流量不断增加，这使物流业X经济发展中的比重越来越大。欧洲和X相当，在物流业发展方面走在了世界的最前沿。科技进步，尤其是技术的发展及相关产业的合并联盟，促进了欧洲物流业的快速发展。欧洲的许多国家，其物流管理体制基本上是XX监督控制、企业自主经营的市场运作模式。日本物流业的发展可认为处在世界领先水平，近年来，日本XX为了大力扶持物流产业的发展，采取了一系列宏观政策导向，使得日本物流产业得到快速发展。这些发达国家的物流发展现状告诉本文，物流行业发展的好坏取决于对现代科技技术的应用程度。只有形成完善的调度系统，规范的调度流程，充分将企业运营各环节与现代科技技术融合，才能够使其得到长远发展。近年来，我国物流行业得到了迅猛发展，但是介于生产力水平的限制，与世界先进国家相比，我国的物流行业还存在很大差距。总结我国物流行业的发展，主要有以下几个问题：第一，我国的基础设施比较落后。我国的铁路里程居世界第三，但人均占有量却还不到一支烟的长度，根本无法满足我国快速发展的物流要求；公路建设近几年来得到了很好的发展，但是大多数公路设施技术等级差，这很大程度上影响了物流的效率，为此，建立合理的线路规划模型对提高物流配送效率有很大帮助。第二，物流技术落后，机械化，自动化水平低。我国的物流领域许多环节仍然以人力为主，比如实施分拣作业时，人工拣选速度慢，效率低，且不适合拣选具有危险性和腐烛性的物品，本文需要针对这种情况，构建合理的物料分拣逻辑，指导计算机操作，以便使企业的配送过程更加自动化，机械化，减少人力作业，提高效率，减少支出。第三，物流标准化程度低，给物流带来极大不便。到目前为止，我国的托盘标准有十几种，给物流各环节对接时带来了不便，同时，我国企业物流产品的包装也是各行其是，缺乏统一的标准，极大影响了物流作业的速度，也给我国的国际贸易带来了难题。因此，本文还要根据企业情况，标准化包装，这有利于整个物流系统的自动化，规范化。针对以上问题，本文欲以某整车物流公司为依托，建立适合我国现状的智能调度模型。目前，很多国外研究人员借鉴精确算法与智能优化算法原理，建模并求解相应实际配载问题。Camacho和Ochoa等主要研究二维不规则装箱问题，其求解问题则采用一种结合适应度的DJD启发式算法；此后，Camacho又和Terashima等建立一种超启发式框架模型，可快速并准确的求解一维或二维装载或切割问题；J.Lee和kim等根据风力发电机法兰切削需求，提出一种基于背包问题的启发式算法用于求解实际二维装载问题；L.Lee和M.Sarabian等等对非定向的二维矩阵装箱问题进行研究，运用优化部分映射交叉，采用新置换方法筛选，从而改进遗传算法求解问题；文献也阐述了相关求解问题的算法。CM.Quiroz和Cruz-Reyes等提出一种基于分组传输控制基因的新型遗传算法，用于求解一维装箱配载问题。K.Kang和I.Moon等针对三维装箱问题，以减少空间维度为装载策略，提出一种新型求解问题的混合遗传算法；文献提出了相应三维装箱配载问题的求解方案。背包问题，简单的讲，就是在背包中放入不同的物品，使之物品总价值最大。近半个世纪，随着背包问题在各行各业的实践与运用，背包问题形成了众多分支，如有界背包问题（BoundedKnapsackProblem）、无界背包问题（UnboundedKnapsackProblem）、0-1背包问题（0-1KnapsackProblem）、多选择多约束背包问题(MultidimensionalMultiple-choiceKnapsackProblem，MMKP)等等。许多简单背包问题出现于20世纪后半叶，随着进入21世纪，多约束多选择背包问题成为众多国内外学者研究重点。L.Brotcorne和S.Hanafi等将分支定界算法与动态规划算法有效集合，提出一种新型动态规划算法用于求解双层背包问题（BKP）；G.Perboli和R.Tadei等利用极值的渐近理论，对随机问题的确定性精度进行测试，从而处理随机背包问题的不确定性；KK.Bhattacharjee和SP.SarmahSP主要对离散混合蛙跳算法进行改进，使其快速地求解0-1背包问题。V.Srivastava和F.Bullo通过对非凸问题的sigmoid函数进行近似处理，使其满足对背包问题的全局优化。也针对具体背包问题提出了相应求解方法。

　　1.3.2国内研究现状

　　总结我国物流行业的发展，主要有以下几个问题：第一，我国的基础设施比较落后。我国的铁路里程居世界第三，但人均占有量却还不到一支烟的长度，根本无法满足我国快速发展的物流要求；公路建设近几年来得到了很好的发展，但是大多数公路设施技术等级差，这很大程度上影响了物流的效率，为此，建立合理的线路规划模型对提高物流配送效率有很大帮助。第二，物流技术落后，机械化，自动化水平低。我国的物流领域许多环节仍然以人力为主，比如实施分拣作业时，人工拣选速度慢，效率低，且不适合拣选具有危险性和腐烛性的物品，本文需要针对这种情况，构建合理的物料分拣逻辑，指导计算机操作，以便使企业的配送过程更加自动化，机械化，减少人力作业，提高效率，减少支出。第三，物流标准化程度低，给物流带来极大不便。到目前为止，我国的托盘标准有十几种，给物流各环节对接时带来了不便，同时，我国企业物流产品的包装也是各行其是，缺乏统一的标准，极大影响了物流作业的速度，也给我国的国际贸易带来了难题。因此，本文还要根据企业情况，标准化包装，这有利于整个物流系统的装箱问题，属于典型的布局组合优化问题。

　　相比国外，虽国内研究时间不是很长，但也出现了不少成绩。主要研究有：大理理工大学的于洪霞借鉴相关数学理论，建立非线性模型，提出非线性Lagrange算法，求解二维装箱问题；屈援与王雪莲基于自然数编码，考虑空间利用率，采用禁忌启发式算法来求解大型二维装箱问题；厦门大学的刘艳娟通过对原有装箱算法进行优化及改进，提出借鉴递归策略的SA算法和动态分层最大利用率的启发式算法，可以有效求解二维装箱问题；文献也阐述了相关算法用于装箱问题的求解。如今，国内背包装载问题的研究主要有：厦门大学的刘裴寰采用数据挖掘中的聚类分析思想，将其与经典的背包问题结合起来，借鉴多样性策略和节点集中性，建立并求解基于聚类分析的背包模型；合肥工业大学的汪采萍借鉴蚁群算法的多个优点，结合实际需求，提出改进蚁群算法，改变计算时机和受益量密度，引用“轮盘赌”方式，提高搜索能力及改善原有过早收敛的缺点来解决问题；北京邮电大学的韩宇利用种群染色体的相似度来提高变异种群的多样性，同时在交叉算子过程中引用模拟退火思想提高变异率和收敛性能，提出混合思想的启发式算法来求解背包问题。文献也阐述了求解背包问题的方法。由于汽运整车物流发展起步较晚较慢，国内对其研究不是很多，主要有：合肥工业大学的陈一永等借鉴多重旅行商问题求解思路，结合时间窗和容量约束条件，对C-K节约算法进行优化改进，使其满足实际需求，从而求解配载调度模型。井祥鹤等运用遗传算法和FFD算法对平车进行装载，利用修正与计算控制方法有效地避免进化中的无效染色体等问题，从而求解多辆平车装载优化问题。上海交通大学的苏在汽运整车物流配载优化中，借鉴工程中排样算法，并通过外部结构特征提出最大运能算法。孙黎宏介绍了目前我国配送中心存在的多车型配载问题，指出了其发展遇到的瓶颈以及解决的有效方法，运用层次分析法求解问题。陈晨结合实际部队作战需要，运用启发式思想策略对基本遗传算法中算子进行优化改进，提出了新型混合遗传算法，很好地解决了作战装备和物资的车辆装载问题。上海交通大学的陈赛虎通过对调度系统中配载流程的分析，提出整数规划算法和事例推理的方法，对轿运车的配载进行了研究。

　　王海平（2011）对中国集装箱的发展战略、多式联运与现代物流的融合发展问题进行了研巧，分析了集装箱多式联运系统在联运方面的不足，提出了发展集装箱多式联运的政策措施。荣朝和（2011）从宏观经济分析出发研究了集装箱多式联运与综合物流的形成机理，从系统演化角度分析了系统演化机理，指出了我国集装箱多式联运系统具有耗散结构特征和发展中存在的问题。真红（2013）对集装箱多式联运系统进行了研究，指出多式联运系统中各种运输方式的合理组合可改善货物流通环节，降低流通成本。朱晓宁（2011）系统地论述了国际集装箱运输与多式联运的理论与实务，对集装箱多式联运通道及其特征进行了分析，探讨了集装箱多式联运通道的一般运作机理，对集装箱运输网络规划的特征、集装箱货运站布局及集装箱运输网络流等有关问题进行了研究。魏际刚和荣朝和（2011）从宏观上对我国集装箱多式联运存在的协调问题进行了研究。张国伍（2011）认为运用系统工程和管理理论来研究我国综合交通枢纽的作业过程、信息共享和多组织的Agent代理管理模式等将有助于综合运输体系的形成，提出了综合运输枢纽的虚拟组织发展模式。周勇（2012）论述了各集装箱办理站采用不同的运输方案，其整个作业过程产生的时间消耗不同，并分析了有利的作业方案。此外，一些国内学者对我国集装箱港口、码头的建设、发展和业务协作问题进行了研究。韩要稳、朱晓宁（2013）等人指出集装箱码头是物流链中不可缺少的中也环节，需要与由不同运输方式组成的集装箱运输通道实现无缝连接，并研究了集装箱码头作业环节协调性的问题。吕孰（2012）对多式联运运输路径的规划、运输方式的选择进行了研究。王杨壁（2010）深入分析了现代多式联运系统的特性，研究了多式联运的组织结构、沮织形态及其影响因素，进一步完善了现代多式联运经济姐织的解释框架，并讨论了组织变革对于具有湿著规模经济的运输行业参与多式联运的重要作用和意义，针对中国铁路集装箱多式联运存在的组织问题，提出通过改善经济组织提升多式联运效率的建议。

　　综上所述，我国国内对多式联运的研究主要是针对集装化多式联运的研究，并且主要集中在集装箱运输工具的使用及集装箱化的多式联运体系的研究。当前的研究内容较少涉及非集装化多式联运相关理论和应用方面的研究。这在一定程度上，影响了我国多式联运理论和应用的发展。由于汽车产业在国内外发展迅速，在汽车供应链的物流配送环节，国内外已开发出较为成熟的小汽车专用运输工具，如铁路小汽车专用运输车辆和滚装船。这类专用运输工具ｔｉｌ其装卸方便、运输容量大、运输成本低等优势也成为我国汽车多式联运的主要运输工具。在我国特殊的地理环境下，多式联运的整车运输在成本节约方面的优势思而易见，因此，需要对非集装箱化的汽车多式联运展开研宛，填补理论和应用上的空白。

　　1.4.1研究内容

　　本文主要研究以下几项内容：

　　（1）实现了面向轿运车的最大运能优化的研究。通过对轿运车和商品车参数化的产品家族简化模型的建模技术，对其特征结构进行模块化的知识表达，提取具有共性的几何特征和空间结构，同时只保留模型繁衍所必需的几何尺寸参数，通过这些主模型的演变，能够生成一系列具有本族特征与功能的模型家族，从而满足系统对大量轿运车和商品车模型的需求。利用整数规划算法，通过对规划对象的动态归类变化来调整计算的速度和精度以满足客户在不同时期的使用要求，优化出每辆轿运车针对不同种类商品车的最大运能配载方案；

　　（2）实现了面向混装订单的配载优化的研究。对最大运能配载方案数据库的管理；对订单配载优化事例库的特征提取、分层存储表示和储存来有效管理大量订单配载优化和轿运车最大运能事例；利用有效的事例搜索技术快速可靠的搜索出与订单相匹配的事例，按一定的规则对这些事例进行重新组合优化，从而给出订单优化的解决方案。

　　1.4.2研究思路

　　多参数约束的第三方整车物流配载的优化建模及算法研究，首先需查阅国内外相关领域的研究文献，明确论文的研究目标、对象和方法。其次分析配载优化问题的相关理论，确定影响配载优化问题因素，主要是轿运车与商品车的外部结构特征、批量订单、FVRP，并明确各因素之间的关系。然后对配载优化的影响因素进行优化处理，建立本文整车物流配载优化的数学模型，并对相关求解算法进行改进。最后运用MATLAB和Oracle分别实现算法的编程和数据的管理，以及借助算例对模型及算法进行检验和分析。

　　我国的物流行业是随着改革开放的脚步发展起来的，随着市场覆盖面，社会需求量的增大，产品的生产与供应，供应与消费之间在时间和空间上都产生了矛盾。许多生产或者供应商家已经意识到单靠自己的力量己经无法克服这种矛盾，便将其委托给专业的物流公司，由他们完成对商品的运输配送，也就是第三方物流产生了。也就是说，正是经济的高速发展才促进了物流行业的发展，才有了今天第三方物流的快速发展。而一个国家物流行业的发展好坏直接影响了这个国家经济发展步伐。因此，近些年来，物流作为一个新兴行业正如雨后春舆般快速成长了起来。但是，由于我国生产力还比较落后，物流行业的发展中也存在了许多问题，通过对物流行业的探讨，寻求合适的方法解决现实运作中的问题，已经成为许多专家学者正在研究的课题，也是企业管理者非常关心的问题。

　　整车物流过程主要有以下构成要素：

　　供应商和接收方

　　整车物流公司是作为第三方物流公司，以运输车辆为主要业务，所以必须有车辆的供应商和接收方，在这里，供应商即指主机厂，接收方即指客户。整车物流企业与主机厂签订合约，为其提供物流服务，主机厂向物流公司下达订单，公司根据订单获得客户信息，将主机厂的商品车运输给客户。在这里，客户是物流的最重要因素，是其利润来源的根本源泉，所以，物流公司必须确保自己的服务能够达到客户的满意程度。

　　运输车辆

　　一般情况下，运输公司都自有部分运输车，但是由于这部分车保养难，成本高，并不承担主要的运输任务，承担主要运输任务的运输车辆是隶属于各运输公司，他们与物流公司签订合约，将车辆供给物流公司调度，服从其调度命令，物流公司根据这部分运输车辆的工作量按照一定标准付给费用，由于承运车辆不是自己所有，约束力就不会很强，其灵活性就比较大，发生拒载或者私自变更路线的情况也会比较多，这种情况必然会导致物流企业的利润下降甚至会造成客户不满，降低企业的诚信度。因此制定合理有效的评价标准来约束承运公司的承运车辆是整个物流工作运作良好的前提。

　　调度中心

　　物流公司从主机厂提取的商品车需要在自己的调度中心进行配载和装置，所以要有自己的调度中心，也就是物流公司的一级工作现场，工作人员在这里通过网络获得所需信息及数据，并根据己获得信息及数据重新组合产生新的信息数据运输车辆在配送中心根据下达运单装车，进入运输任务。数据库物流企业的数据库需要包括订单信息，可用车辆信息，运单信息等，要能达到随时更新，这里订单信息内容包括客户地点，名称，所需车辆的车型，大小，数量及需要时间等；车辆信息包括车辆的状态（可用，在途，具体位置），属性，值等；运单信息包括运输车辆的车型，大小，数量，需要的车辆，最晚发车时间等。

　　工作人员

　　无论是数据库维护，更新，还是车辆配载装卸，以及客户满意度的追踪，都需要专业人员的工作，目前，我国的物流企业人工化还比较严重，工作人员需要完成大量的重复性工作，造成了严重的人力浪费。

　　整车物流配载问题的定义为：已知一定数量的订单（Order），每个订单中只包含一种商品车（FinishedVehicle），并从数据库的订单表中获取商品车表的ID、以及商品车下单数量、客户具体目的地信息，以及得到商品车基本信息。同时悉知可使用的轿运车（Vehicle））信息，并从数据库的轿运车表中获取轿运车结构基础参数信息。求得一种拼装方式，使有限轿运车的装载空间内，合理地装配商品车，并要求轿运车满载率最大及轿运车的使用量最少。根据问题的定义，以及实际情况，可得出流配载问题考虑以下几个方面：

　　第一，整车物流配载问题的核心就是充分考虑轿运车的装载空间，结合轿运车及商品车的空间各维的约束条件，对商品车进行合理的拼装和布局。

　　第二，根据整车物流服务对象的特殊性，相对于一般运输货物，轿运车中商品车的拼装一定要摆正。

　　第三，由于轿运车与商品车自身结构的特点，需要考虑两者之间各个位置的几何特点，对其进行建模处理，对将两者的结果特征信息录入数据库相应表格中，以方便对其进行操作。

　　第四，整车物流配载环节的宗旨是服务整个物流配送过程，因而需要考虑路况信息等动态因素对其配载的影响，使配载的结果更加符合配送计划制定的要求。

　　第五，配载过程中需要考虑轿运车装载的总重量，使其符合国家相关运输管理规则，保障轿运车的安全，使其不因总质量过大而导致额外经济损失。

　　整车物流配载问题的研究对象主要为订单（包括商品车）和轿运车。订单是整车物流配载问题的前提，而订单的处理速度将直接影响整个配送的响应周期，目前整车物流企业对订单处理的方式比较传统，效率不是很高。由于订单不能及时的处理，导致配载的效率降低，配送计划的制定拖延，整个配送环节的周期加长。订单处理速度较慢的原因有很多，比如接受的订单数量多、订单信息的完整性需要进行审核或修改、订单分类处理方法的速度较慢等。如何高效处理批量订单，优化或改进订单处理方式，已成为压缩订单响应周期所需要解决的核心问题。轿运车，全称为轿车运输车，其主要功能是运输各种型号的商品车，是轿运车配载的主要的载体，直接影响配载模型的求解。目前，以商品车为运输对象的物流运输设备模式主要有三种，分别为汽运设备（大型轿车运输车）、铁路运输设备（汽车运输的铁路专用列车）和水运设备（大型滚装船）。目前，汽运模式在整车物流市场的份额要远远高于铁路与水运模式的总和，其主要原因有以下两个方面：

　　第一，铁路与水运自身发展受到很多制约因素。随着市场经济的发展，铁路人员实际参与汽车运输的组织管理经验不足，以客户为中心的服务意识较为薄弱，而水运的码头费用较高。此外，铁路、水运模式的转运受到自身特点的约束，不能实现高效联运，目前铁运与水运的时间相比汽运模式不存在优势，还有铁运模式与水运模式的支线运输能力还需结合汽运模式。

　　第二，高速公路的快速发展。如今，我国高速公路属于大发展期，每年有很多新的高速公路开通，高速公路网纵横交错，四通八达。随着整车物流的发展，按时抵达指定地点，成为高品质物流服务的一个基本要求，便捷的高速公路有助于压缩物流配送的时间，满足实际要求，增强市场竞争。轿运车主要是由牵引车头和装载半挂车构成，轿运车有很多种的类型，其分类详见下表

　　轿运车主要由上下底架、侧边、附件、制动系统、支承装置、轮毂冷却系统等组成，其半挂车主要采用两层装载平台式结构，根据装载商品车实际参数信息特点，借助液压装置对上底架进行升降操作，以方便对商品车进行装载与卸载作业。此外，基于对商品车的保护，必须采用绑带和限位器对商品车进行紧固与限位操作，以免商品车在配送运输途中产生质损问题。

　　轿运车的配载比较复杂，其主要原因为轿运车的装载空间的不规则性及商品车的类型多样性。因此，需要首先对配载问题进行数学描述，然后根据二者外部结构特征，如何对轿运车、商品车建立相应模型并优化处理，最后结合实际，如何建立轿运车配载问题数学模型，明确配载模型的相关目标函数及约束条件。

　　已知一定数量的客户订单，每个订单中只有一种商品车，订单的客户目的地不完全相同，订单中包括相应的客户和商品车信息，当前可使用的轿运车类型及数量已知。如何根据客户订单，合理调配轿运车，以及对订单中的商品车进行合理的配载，并制定详细的配载方案，从而满足轿运车的使用量少，装载率高，运输成本低等需求。

　　3.2.1轿运车结构建模研究

　　轿运车的牵引车头由整车物流企业结合需求自行采购，而半挂车一般为订制，即由相关厂家按照整车物流企业实际规格、吨位要求来进行生产与加工。本文主要研究轿运车的半挂车结构。轿运车的半挂车主要结构包含上层装载平台（又称上底架）、下层装载平台（下底架）、侧边、额颈、后桥，此外，半挂车还有辅助设备、支承转置、液压系统等。目前从轿运车每层可用排数的角度来区分，下层装载平台一般只有一排，而上层装载平台、有一排和二排两种情况，上层装载平台结构相对简单，主要由多块孔板构成，可将其近似看成水平面进行优化处理，下层装载平台除了额颈之外的部分同样可近似看成水平面，而额颈部分的装配面为曲面，可将曲面看作由平面和斜面组成，从而简化整个轿运车的结构，便于对配载问题的研究

　　3.2.2商品车结构建模研究

　　由于不同品牌不同型号的商品车，其外部结构特征不一样，属于不规则物体，但现实中商品车都存在一定规律的长宽高尺寸，因而先对商品车种类进行归类，便于对商品车几何形状进行简化及建模处理。目前，整车物流企业服务的商品车，可分为皮卡和乘用车两类，通常乘用车主要有以下四种：

　　第一，基本商品车。即传统意思的轿车，分为两种：两厢轿车和三厢轿车，两厢轿车的车长一般在3.5m~4.5m之间，其停泊方便、较为时尚且经济适用；三厢轿车的车长一般在4m~5m之间，相对于两厢轿车，给人感觉较为安全、稳重，最为符合中国传统对轿车的理解。第二，多功能乘用车(Multi-PurposeVehicles，MPV)。车身长度一般在4.3m~5.2m之间，车内空间灵动性较好、载人较多、舒适宽敞，适合商务或多人旅游。第三，运动型多用途汽车（SportUtilityVehicle，SUV）。其类型较多，车身长度既有小于4m，又有大于5m。SUV的底盘较高，给人感觉高大有气势，可在复杂路况上行驶，当然，其油耗较大。第四，交叉型乘用车（CrossPassengerCar）。又称跨界车，是其他车型的交叉组合，综合其他车型的优势，可以满足家用与商用需要。由于商品车类型很多，不可能对所有的商品车进行建模处理，因而对商品车的结构进行常规简化，其原则是只保留与轿运车配载紧密相关的几何外形特征与尺寸，本文以车身长度较大的三厢轿车为例，对其结构进行建模.

　　3.2.3整车物流配载模型建立

　　根据整车物流配载问题的描述，配载问题需要考虑的几个方面，及结合轿运车、商品车结构建模的研究，可对整车物流配载问题建立数学模型。

　　3.2.3.1条件

　　已知某整车物流企业轿运车数量为m，轿运车mii),,2,1的各种参数可从数据库的T_Vehicle表中读取。客户订单数量为n，且每个订单只含有一种商品车，且客户目的地并不完全相同，订单njj,,2,1的客户信息与商品车信息可从数据库的T_Order和T_Finished_Vehicle表中读取。

　　3.2.3.2目标函数

　　目标函数，是建模的中非常重要的一环，本文研究的整车物流配载模型目标函数主要有以下几个方面：

　　（1）轿运车的使用量最少对于整车物流企业来说，配送过程在满足条件情况下，使用轿运车的数量越少越好，不仅有助于更好地配置有限的物流资源，且有益于控制整车物流运输成本，提高市场竞争力和占有率。以此，轿运车的使用量是整车物流配载模型的首先考虑的目标函数，其表达式为：

　　（2）轿运车的运输利润最大

　　对于物流企业，不仅提升物流服务质量，而且需要追求运输的最大利润。只有创造更大运输的利润空间，才能帮助第三方整车物流更好的发展。轿运车运输利润由轿运车运输收入与轿运车运输成本组成，其运输成本主要有路桥费、油费、罚款费用三大部分构成。

　　（3）每辆轿运车的每排装载量最多

　　只有轿运车每排装载量最大，才能实现轿运车整体提高满载率。

　　3.2.3.3约束条件

　　结合实际情况，整车物流配载模型有如下几个方面的约束条件：

　　（1）非负整数集

　　约束根据整数物流自身的特点，其配载结果必须为非负整数，即：

　　（2）每个订单中商品车下单量的约束

　　不管如何对商品车进行配载，其对应的商品车数量都不会超过每个订单中商品车的订单量，即：

　　（3）每辆轿运车总重量的约束

　　根据国家相关规定，轿运车运输的最大重量不能超过公路承载能力的限制载重最大标准，即轿运车的限载重量。其约束表达式为：

　　（4）轿运车空间维度的约束

　　由于轿运车的上下层装载平台结构的差异，故需要分别对轿运车装载空间的约束进行分析。

　　上层装载平台约束条件

　　在上层装载平台中，对于配载模型而言，主要是长度、宽度、装载坡度的约束，即：商品车在转载时，其每排商品车的总装载长度（包括商品车装载之间安全距离）须小于轿运车上层装载平台每排可装载使用长度；装载的商品车宽度须小于每排的装载宽度。其约束表达式为：

　　本章研究实现系统第二个功能模块：面向混装订单的配载优化。前一章节已经介绍了利用整数规划的方法来实现轿运车最大运能的配载优化，本章主要研究的内容是如何对前一模块轿运车最大运能优化中所求得的最大运能配载方案，按一定规则进行分类储存、如何进行数据的特征提取、如何进行信息表达以及如何选取合理的算法来处理这些大量的数据，通过合理的搜索技术来提取合适的数据，快速的优化组合出订单配载方案，以求达到利用最少的轿运车来运送订单中的所有商品车的目的。由于这模块将直接为用户提供轿车物流配载的解决方案，因此这一模块的算法和相关数据管理技术的选取尤为重要，既要时算法达到用户所需要的计算速度又不能很大程度的影响到配载优化精度，本文是通过事例推理（CBR）的方法来实现对轿运车最大运能方案的组合优化的。。

　　4.1.1推理方法简介

　　目前，基于知识的设计系统(knowledge-BasedDesignSystem,KBDS)中使用的推理方法主要有:基于规则的推理(Rule-BasedReasoning,RBR)、基于模型的推理(Module-BasedReasoning,MBR)和基于事例的推理(Case-BasedReasoning,CBR)，三种推理方法各有特点:

　　1.基于规则的推理

　　RBR是一种发展较为成熟的推理模式，有着近30年的应用实践经验，早期的专家系统基本上采用它作为推理机制。RBR将领域知识或经验以规则库的形式进行存储，以IF-Then的形式进行推理，使计算机做出领域专家级的决策。这种推理方法具有计算机容易实现、推理过程透明化等优点，但也存在致命的缺陷，如知识获取瓶颈、知识组合爆炸、系统缺乏记忆性、鲁棒性差等。RBR进行推理的前提是拥有大量的规则知识，但在注塑模设计中，设计人员的知识多半是直觉或经验，很难将这些知识以规则的形式提取出来，这也就限制了RBR在该领域中的应用。

　　2.基于模型的推理

　　MBR通过设计对象的结构—功能—因果—行为模型的方式解决问题。MBR的一个主要目的是寻找事物变化的原因和结果，其中的因果模型是实现这个目的的关键，结构、功能模型描述系统的状态，行为模型描述控制系统行为的各种约束关系。构造模型是一种创造性的活动，因此MBR比较适合解决不依赖于经验的新问题。MBR解决问题的一个前提是约束充分，但这在处理复杂问题时一般难以满足，使得MBR变得难以控制，又限制了它的应用。MBR与RBR一样，不具有记忆能力。

　　3.基于事例的推理

　　CBR兴起的主要原因是RBR系统在知识获取问题上存在瓶颈。CBR降低了知识获取的难度，不需要得出像规则那样准确和抽象的知识，而是直接使用隐含着难以提取规则的知识片段（事例），主要有以下优点：（1）知识获取只是相对简单的事例收集，绕过知识获取的瓶颈；（2）CBR系统具有记忆能力，可以迅速给出一个解，不必从头开始推理；（3）CBR使用具体事例产生的解比RBR,MBR产生的解释性解更容易让人信服；（4）CBR系统维护容易，不需要像RBR那样要保持规则的完整性；（5）CBR具有自学习能力，能够反应一个企业或组织的特色。CBR是一种增量式学习方法，如果相同的CBR系统由不同的企业使用，经过一段时间后就会变成不同的CBR系统，增加的事例反映了这个企业独特的知识和经验。而RBR的规则或MBR的模型反映的是领域知识，它不会随着企业的不同使用情况而有所改变。虽然CBR较RBR,MBR在许多方面占有优势，但并不意味着CBR系统就可以完全取代RBR或MBR系统。CBR是根据经验来进行问题求解的，但处理实际问题时这往往是不够的，通常还需要一些原理性的和领域性的知识支持，如果将MBR,BRB,CBR等多种推理机制结合起来则更为有效，更贴近领域专家解决问题的过程。本课题选取的是以CBR为主并结合RBR的混合推理方法来解决轿运车混装订单优化的问题。

　　4.1.2CBR的基本原理

　　基于事例的推理是一种类比推理，其核心是依据过去的成功的或失败Case(事例，亦称事例，案例)来推导出所求问题的解。基于事例的推理就是直接利用以前一系列设计中的设计经验和结果，利用类比推理的匹配方法，选择与新问题相近的设计事例，达到解决新的设计问题的目的。它提供了一种近似人类思维模型的建造专家系统的新方法学，这与人对自然问题的求解是相一致的。它强调这样的思想：人类在解决问题时，常常回忆过去积累下来的类似情况的处理，通过对过去类似情况处理的适当修改来解决新的问题。过去的类似情况及其处理技术被称之为事例(Case)。过去的事例还可以用来评价新的问题及新问题的求解方案，并且对可能的错误进行预防，运用这一基本思想进行推理被称为CBR技术。一个经典的CBR问题求解过程通常分为4个阶段:检索(Retrieve)、重用(Reuse)、修正(Revise)、存储(Return)，

　　4.1.3CBR的关键技术

　　仅从CBR的定义上看，本文可能会觉得应用CBR方法是一件非常容易的事情，只要将当前的问题同过去已成功解决的相似问题进行匹配即可，但要成功运用CBR方法解决实际问题，还涉及到很多关键技术，如事例的表示方法、事例库的组织、事例的索引构造、相似度评价方法等都需要具体问题具体分析，下面介绍一些关键技术常用的处理方法。

　　1.事例的表示

　　事例的表示是CBR循环中碰到的第一个关键技术，它的合理与否直接影响后面的事例的检索、事例修改、事例库维护的难易程度，主要包括3个方面:事例的表示内容、事例的表示方法、事例的存储。

　　2.事例的检索

　　事例检索是CBR循环的重要环节，根据问题的信息描述和各种特征属性，按照一定的检索策略，从事例库中找出与问题事例最相似的事例。其中，检索算法是决定系统推理效率的关键因素之一，它取决于事例索引和事例的存储结构。一个新事例的检索过程可分为三个步骤:(1)检索只与新事例重要属性匹配的候选事例；(2)计算两比较事例的整体相似度；(3)找出总体相似度最高的事例。常用的检索算法有最近邻法、归纳法、知识导引法等。

　　3.事例的修改

　　由于检索到的最相似事例一般与目标事例不可能完全相同，这时对源事例进行相应的修改是必需的。事例的修改通常包括3个环节:给出建议解、评估建议解和解的修改，即首先要找出源事例和目标事例之间的差异，然后运用一定的知识或规则将事例之间的差异转变成对源事例解决方案的修补。根据参考事例的数量，修改类型分为两种。

　　1）单事例修改

　　(SingleCaseAdaptation)是指只有最相似的那个事例被作为修改对象，它又可分为:空修改(NullAdaptation)，对源事例的解不作任何修改，直接作为目标问题的解。在推理复杂而解决方案又非常简单的情况下，通常使用这个方法。如一个去银行申请贷款时，在回答很多问题之后最终的结果十分简单:提供贷款、拒绝贷款或进一步审查。转换式修改(TransformationalAdaptation)，应用规则和领域知识，重新组织建议解的组成元素，在一定条件下通过修改、添加、删除或置换等操作产生新的解。根据解的结构有无改变，可分为取代式修改(SubstitutionalAdaptation)和结构化修改(StructuralAdaptation)，前者只改参数不改结构，后者通过添加、删除等操作改变解的结构。诱导式修改(DerivationalAdaptation)，重用源事例的求解过程产生的算法、方法或规则形成目标事例的解决方案。在这种修改方法中，形成源事例解决方案的计划顺序、方法等必须包含在解的组成结构中。这种方法多应用在一定优化方法指导下的事例修改。

　　2）复合事例修改

　　(CompositionalAdaptation)指由于问题的复杂性，有时检索不到相似事例，则可以把目标事例的问题分解成几个独立的子问题进行检索，通过组合子问题的解成为新的解。事例的修改是CBR研究的一个难点问题，由于实际问题的特殊性和复杂性，目前没有成熟通用的事例自动修改方法。人们通常将具有事例修改功能的CBR系统称为第二代CBR系统，第一代CBR系统实际上就是一个事例检索系统，事例的修改功能完全由用户自行完成。

　　4.事例库的维护

　　随着对CBR系统实践经验的增长，人们越来越认识到事例库维护（Case-basemaintenance,CBM）工作的价值和进行维护策略研究的重要性。CBR系统是一种增量式系统，通过不断增加解决问题的经验(事例)来提高问题的求解能力。一个新事例加入到事例库的过程中，通常碰到3种情况：（1）直接作为一个新的事例加入到事例库中；（2）替换旧事例；（3）如果事例库中有非常相似的事例，则放弃存储。在CBR系统运行过程中，不断有新的事例加入到事例库中，如果不采取一定的管理策略，势必会导致事例库中出现大量的冗余，降低系统推理效率。如何在不降低CBR系统解决问题能力的情况下，有效地进行事例维护成为当前CBR研究新的热点。

　　4.2.1子系统总体设计

　　基于推理的混装订单优化子系统模块功能介绍：

 

　　1.特征提取模块：用来提取订单中待配载的商品车、轿运车等信息。

　　2.CBR推理机：从订单数据库中搜索相似订单事例，并对事例进行改进，得出新的订单配载方案。

　　3.RBR推理机：作为对CBR推理机的补充和辅助，在找不到相似订单事例库的时候，从轿运车最大运能数据中找到合适的事例，通过一定的规则推理出订单配载方案。

　　4.轿运车最大运能数据库：用来储存上一子系统计算出来的每辆轿运车针对不同商品车的最大运能配载方案。

　　5.订单配载事例库：用于储存历史订单优化配载数据，为新订单优化提供推理依据。

　　6.事例库维护模块：对轿运车最大运能数据库和混装订单数据库进行维护，对实际装载中出现问题的数据进行及时的改进，覆盖包容的配载方案。

　　4.2.2订单配载实例的表示和储存

　　订单配载优化子系统的事例库主要包括：轿运车最大运能优化事例库和订单配载优化事例库两个部分。在轿运车最大运能优化子系统中所求得的每辆轿运车的最大运能配载方案保存到轿运车最大运能事例库中，作为订单优化的数据基础，而订单优化的结果又作为新的事例储存在订单优化事例库中，作为新的订单优化的相似匹配事例。事例库的管理主要就是事例的表示和储存技术，而要对事例进行有效的表示和储存就必须先对事例的特征进行分析，才能知道事例的哪些信息是需要表示的，哪些信息要作为主要的关键信息来表示出来。而这些信息往往也是事例储存的依据。

　　1.事例特征分析：

　　事例问题主特征作为检索条件参与事例匹配时的相似度计算，事例问题副特征作为方案修正时的参考，帮助设计人员进行更全面的思考。订单配载优化事例问题的描述部分就是事例问题主特征和副特征的集合。确定问题主特征是订单配载优化事例特征信息提取的关键，它使一事例区别于其它事例。本系统以问题主特征为主要索引特征，它是两事例相似性判断的主要依据，直接决定了CBR系统的检索精度。因此，要使系统能够工作良好，必须有效地提取历史订单事例的主特征信息及作为参考的副特征信息。每一个订单优化事例都包含一批商品车，和一批运载这些商品车的轿运车。每一辆轿运车的最大配载方案事例又包含大量的信息，包括轿运车、商品车信息；商品车与轿运车装载干涉信息；商品车在轿运车上位置信息等等，订单事例中最主要的特征是轿运车和商品车以及他们的装载关系，只要把这三个信息表达清楚那么一个订单事例也就一目了然了，因此在事例库设计时就把商品车的型号、轿运车的型号、以及每辆轿运车上装载的商品车数量作为主特征，而其他信息作为副特征信息。

　　2.事例的表示：在分析了轿运车以及订单事例的特征后，要使CBR系统能够处理这些信息，还必须采用适当的事例表示方法将其表示成计算机能够处理的知识。最简单的设计事例表示方法是将问题的描述、解的描述、结果的描述作为一个整体来表达，这种表示方法使事例数据比较集中紧凑，但不适合表达复杂的事例，各事例间的共享属性也需要独立表示，数据冗余较大，目前大多数设计型

　　CBR系统采用层次结构表示方法，抽象的、共性的特性位于顶层，越具体、越个性化的特性越趋向于底层，节省了存储空间。这种分层表示方法允许将复杂的对象分解成若干个简单对象，具体分解到什么程度视设计时对该对象的具体化程度。订单优化配载事例库采用的就是层次结构表示方法，每个订单事例都由一组轿运车配载数据组成，每辆轿运车的配载又可分为上层配载和下层配载，每层配载数据又包含若干辆商品车，这就构成了订单事例的主要层次结构，其他信息的表达都是从这些主要层次结构的基础上衍生出去。如商品车的相关信息表达于第四层，轿运车的相关信息则表达于第二层。

　　3.事例的储存：单个事例的存储方式有2种：（1）统一组织，事例不进行分解，作为一个整体进行存储；（2）分散组织，将事例分成若干子事例，各子事例可分别存放于不同的块，并可单独使用。如果事例的结构性差，各子事例的相关性强，通常采用统一组织，这种方法事例存取简单，但应用不够灵活；反之，采用分散组织可增加事例应用、更新、维护的灵活性。事例的分层表示决定了轿运车配载优化事例采用分散组织存储比较合适，这种组织方式在关系数据库中表现为一系列数据表的组合，轿运车最大运能事例库以及订单配载优化事例库的设计采用分散组织的形式，有利于降低事例库的规模，提高事例的检索效率，方便事例的修改和事例库的维护，并且可以实现事例的网络化分布式存储。每个子对象通过整体事例的唯一标识号表明自己的归属，这种事例特征逐步细化、分别存储的方法，符合轿运车实际装载的结构，有利于相似度比较。每一结构层只储存相对应的事例信息，而层与层之间采用数据库索引技术组成交互式的链接关系网。

　　4.2.3订单配载事例的检索和匹配

　　1.事例的检索

　　事例的检索通过三个子过程：特征辨识，初步匹配和最佳选定来实现特征辨识是指对问题进行分析，提取有关的特征。提取的方式有：

　　（1）从问题的描述中直接获取问题的特征，如自然语言对问题进行描述并输入系统，系统可以对句子进行关键词的提取，这些关键词既是问题的某些特征；

　　（2）对问题经过分析理解后导出特征，如图像分析理解中涉及的特征提取；

　　（3）根据上下文或知识模型的需要从用户那里通过交互方式获得的特征。本文采用这种方式来提取相关特征。检索过程由三个核心部分组成：检索算法，匹配函数和情境分析。在本系统所采用的具体的检索方法中，事例的检索过程为以下几步：

　　第一步：对系统中待求解的事例进行描述，确定事例各个属性的值，为事例确定一个空间位置，因为事例的属性分类不同，需对不同类别的属性做不同的处理，以特征出现的次数的值来代表属性，作为事例检索的输入。

　　第二步：对事例库中的所有事例进行属性空间的生成，建立事例库中每个事例的属性空间。在属性空间确定以后，按照索引顺序为各个属性空间排列比较的顺序，其中可以考虑到时间戳和最近使用频率的情况。这样，就为待解事例提供了一个检索空间。

　　第三步：按照组织好的事例空间对待求解事例进行比较检索，即在事例库各事例的属性空间中为待解事例定位。如果比较后结果唯一，那么，转入事例的匹配。

　　第四步：当第三步结果不唯一时，对结果集进行最近相邻算法的求精，以得到最后唯一的解。相似度计算方法：

　　2.事例的匹配

　　采用上述最近相似算法相结合进行检索得到的实例不一定符合具体的问题，有以下几种情况：如果未得到实例，则检索失败，需要进行新一轮实例检索或是将问题提交给RBR推理系统按推则进行推理；如果得到一个解，首先需要对得到的唯一的结果进行判定，判定是否符合系统的要求，以保证解的有效性。本文可以使用一个判定值来对解进行约束。就是要求最相似实例和待解实例之间的相似度不可以超过判定值。如果相似度值大于闭值，则舍弃，否则得到最终解。其次要根据专家经验并结合实际问题判断实例是否满足问题要求，如果满足，则匹配成功，若不满足问题要求，则对实例进行修改或提交给RBR推理系统按推则进行推理。

　　4.3.1商品车的包容关系

　　首先为了方便事例推理，要定义一种商品车的包容关系原则：商品车1的长和高都小于商品车2的长和高，则认为商品车2包容商品车1，即可装载商品车2也可装载商品车1；否则，认为商品车1和商品车2属于两种类型。建立这种关系后，本文认为只要轿运车可以装载上级商品车就一定可以装载。它所包容的下一级商品车。这样在搜索相似事例时如果没有完全匹配的商品车，则可以放大搜索到此商品车的上一级进行搜索，直到搜索到最高级的商品车为止就必然可以找到相匹配的商品车。

　　4.3.2订单优化流程

　　在前文中已经解决了用CBR算法进行订单优化的所有技术难题，下面将介绍子系统用CBR进行订单推理的具体流程，

　　具体的优化步骤如下：

　　1.从用户给出的订单信息中提取事例特征，即商品车的种类数量，可配载的轿运车种类、型号、数量等信息。

　　2.从历史订单数据库中搜索相似的事例，用最相似算法计算，如果存在历史订单事例和待解事例之间的相似度超过某判定值，则认为存在相似事例，反之则认为不存在相似事例，转到步骤4。

　　3.历史订单事例库中存在相似事例，把事例按每辆轿运车为单位进行分后，再提取不同事例中各个轿运车装载数据中与待配载订单最相似的部分进行事例的重新组合，从而生成新的订单配载方案，经过算法验证评估满意后保存到未验证的订单优化事例库。

　　4.历史订单事例库中不存在相似事例，说明在轿运车最大运能数据库中没有类似的轿运车或商品车，那么就要对订单中的这些商品车和轿运车运用本文第三章中所介绍的最大运能算法进行计算，将计算的结果通过分类组合保存于未验证的订单优化事例库。

　　5.用户从未验证的订单优化事例库中拿到订单优化的配载方案，然后进行实际的配载，由于这个订单优化方案中所包含的每辆轿运车配载方案都是由最大运能算法计算而来，而且算法检验了大部分装载中有可能出现的干涉情况，但是考虑的算法的计算速度，也有一小部分不常见但可能出现的干涉情况（如小立柱对开门的影响、轿运车变形对装载的影响等）没有经过算法检验，因此这些问题只有从现场的装载反馈来检验，如果出现问题就要进行修正。

　　6.最后要对装载合格的订单优化事例进行有效的分类表示，并与历史其他事例进行比较，覆盖原来重复和低效的装载事例。本文在4.4.1中已经建立了商品车的包容关系，因此在实际的配载优化中，当相似事例为空时，本文可以直接从轿运车最大运能数据库中搜索相似的数据，从所要装载的商品车开始搜索，不断放大搜索范围，直至搜索至顶层商品车。由于上级商品车包容下级商品车，即顶层商品车包容所有的商品车，则当搜索至顶层商品车时，所有的商品车都可以完成装载，具体推理流程如下：

　　1）在轿运车最大运能数据库中搜索完全匹配的优化装载方案，进行装载；

　　2）如果订单中还有商品车剩余则把剩余的商品车放大到上一级商品车进行搜索，然后完成装载；

　　3）依次类推，直至订单中所有商品车都装载完毕或搜索到达最高级商品车，完成装载。

　　配送车辆路径问题的求解方法是多种多样的,究其实质一般可以分为精确算法和启发式算法两种类型,由于车辆路径问题是一问题,伴随着实际问题规模的变大,算法的复杂度成指数增长,因此在解决小规模的车辆路径问题方面精确算法比较擅长的,但在处理带有各种约束的大规模问题就会出现这样那样的问题由经济效益方面来说。而启发式算法在解决问题的过程中,需要在规定的多项式时间范围内得到近似满意解或最优解,所以启发式算法的设计和改进被认为是有效地解决车辆路径问题的重要研究内容。本章首先详细地介绍了问题的解决方法,然后主要分析了本文使用的遗传算法的理论基础、优缺点,并用实例介绍了遗传算法在求解问题中的具体应用。

　　对车辆路径问题的解决方法可由精确式与启发式两种算法组成。

　　5.1.1精确算法

　　精确算法是指能求出最优解的算法。从根本上讲,车辆线路安排问题的研究也可被认为是旅行商（TSP）问题的延伸,而如果采用精确算法解决旅行商(TSP)问题,通常有割平面法、分解算法、动态规划法及分枝定界法等类型。

　　1、割平面法

　　该算法既可以对纯整数规划问题进行求解,也可对一般的混合整数规划问题进行求解。其基础是用解线性规划问题的方法去解整数规划问题。它可通过增加线性约束条件使得原可行域中切割掉包含非整数解部分,约束条件的增加使可行解域缩小,从而实现找到最优解的目标。

　　2、分解算法

　　分解方法作为现代优化技术的一种,已在求解大规模非线性规划和大规模线性规划问题得到成功使用。这种方法还可用于处理难于求解的完全或困难问题。当用该方法对整数规划问题进行求解时,分解算法通常是通过对原有问题进行适当的变形或转换,化简、或消去问题的一些复杂约束和或复杂变量,将原来复杂问题的求解转变成为对另一个或一系列比较简单问题的求解。

　　3、分枝定界法

　　有效地处理组合最佳化的求解方法之一就是分枝界限法,这种方法可用于解决纯整数和混合整数规划问题,在上个世纪年代被提出,有三个主要步骤构成,分别为分枝步骤、界限步骤和洞悉步骤。首先,选择出目前认为的最佳值,然后按照分枝法找到下一个节点,进一步把这个节点的下一阶层延伸出若干个新节点。通过使用界限步骤得到新节点之下界。最后,去掉这种包含高于已知可行解目标值范围类型节点的方法通常是由通过熟悉步骤实现的。然后一直进行上述步骤,并最终使所有节点都能达到要求。在1996年等首次使用分枝界限法得出了问题路径的最优解。而在年和年发表的论文里提出了分枝界限法的求解效率会与其目标值下的限定宽松存在密切的联系,因此这种问题也被认为使用分技界限法求解的主要因素。

　　4、动态规划法”

　　动态规划求解问题的方法是年等人提出的,其使用的最关键的思路也就是最佳化,这种方法可描述为在整个配送过程中所确定的最佳策略应该具有这样的性质,即不管过去的状态和决策如何,对所定决策带来的状态而言,这种决策必须形成最佳策略。其原理是对一个问题进行分割,再分别由几个方面形成,最后分别加以求解。通常认为动态规划法存在着计算过程的计算量过于庞大,引起了计算量逐步跟随指数的大小变化而变化,这是这种方法的缺点。虽然可以通过这种方法得出最佳解,但一般只能用在小规模的领域内。从上面论述知,精确算法通常认为是通过严密的数学推理过程完成的,在处理容易问题的方面,它的最终结果会好于启发式算法。同时因为由于采用了严谨的数学工具,这样会出现如何或是能不能避免指数爆炸问题,导致这种类型的算法的应用范围通常只能使用在中小规模的即问题。

　　5.1.2启发式算法

　　和精确算法比较,启发式算法在解决中小规模的问题过程中,并不具有很强的精度上的优势。但如果用来于解决大规模的过程中,启发式算法能够在要求的时间范围内,快速地求解出符合要求的可行解或者次优解,此优势是精确算法不能达到的。所以,启发式算法在处理现实问题的过程时存在比较大的范围。依照解的生成方式和过程,启发式算法通常分作初始过程中的启发式算法与改进过程中的启发式算法两种过程。其中的初始启发式算法主要是依照已知的约束条件并得出车辆路径问题的一些初始解而改进启发式方法通常是以一种搜索策略的引导来针对特定的操作对初始解的特性完成改进。此论文通过以下这种分类方法研究求解即的启发式方法的内容进行较明了地进行描述。

　　（1）初始启发式方法

　　初始启发式方法主要按照某些约束条件,比如特定的顾客、车辆、运输中心等信息和其他有联系的约束因素像时间窗,并最终可以得到即问题的一个符合要求的初始可行解。通常有三种类型的方法来完成初始解的启发式,这三种初始解的启发式方法分别为两阶段、构造算法和基于精确算法的启发式方法。常见的两阶段方法主要有扫描法、先聚类后规划方法以及一般分配法等,上述方法一般都是首先完成客户聚类,然后分别找出每个聚类的最优路径。由上述分析,得到两阶段方法的内容为通过两个不同阶段产生满足问题要求的一个初始解。像节约法、插入法和最近邻居法等等都属于常见的路径构建启发式方法。路径构建启发式方法的概念是把所全部客户分别放到目前的路径里产生初始解,每次构建的过程中应该采用并行或者顺序的构建方式。当构建路径的时侯把客户区分到不同路径也有大量的标准,像上述三种常见的路径构建启发式方法。通过利用不一样的标准,就可以产生出更多功能更强大的启发式方法。基于精确算法的启发式方法可以属于第三种启发式方法。

　　（2）改进启发式方法

　　改进启发式方法也有称之为智能算法。问题的初始解通过初始启发式方法求得之后,通常有必要使用一些算法对初始解做进一步的改进。改进启发式方法为一种使用特定搜索策略搜索当前解的邻域完成对问题初始解持续完善的方法。“令仔域搜索”可以被全部的改进启发式方法的优化流程来利用。第一步就是按照问题初始解的要求,根据具体的邻域生成原理连续产生当前解的邻域解,利用目标函数来完成对邻域解的判别功能,第二部依据特定的接受准则如混沌性、概率性、确定性进行选择采用哪个邻域解,代替目前使用的解来进行连续选择,一直到符合算法要求的准则后就停止替换。利用邻域搜索能够较为完整地得到当前解的邻近空间,进一步获得和当前解对应的目标函数的进一步优化的解,并最终达到了完成对解的进一步优化。如果按照搜索邻域解使用的不同策略,上述的改进方法能够由全局优化与局部优化方法两种类型构成。局部优化方法为一种较早的“下降”算法,由解空间的某解开始对当前解进行查找的邻域,假设另外的邻近解与当前解相比更优,就可以选择这个解来替换当前解,不断查找一直到符合替换停止条件的要求。对当前解的邻域查询的过程中,局部优化方法只完成能对目标函数值进行改善的步骤,如果查询不能够对目标函数做较大的改善时,就可以存在局部的最优解。由上知,局部优化方法的查询方向是一个方向的,也会比较随机,通过查询过程中得到的信息可以产生一个新解的生成次序。如果目标函数的数值不能进一步的完善,查询过程就不再进行,所以下降方法能够造成其的“下降”,并引起进入局部极值的怪圈。

　　全局优化方法的另外一个名称是“亚启发式方法”,由于在选择搜索策略的启发式方法的同时,也在进行着从当前解得到新解的步骤。全局优化常常是以局部优化方法为基础的,但这两者之间的区别为,全局优化不但能完成优化目标函数值的步骤,而且可在特定范围内完成恶化目标函数值的步骤。在完成对问题的最优解的搜索的时候,可以不使搜索进入局部极值,这样得到问题的全局最优解的概率会大大增加,所以全局优化方法可以方便地使用于解决大规模复杂问题。

　　一般来说,遗传算法、模拟退火、禁忌搜索法和神经网络等是应用范围最广的全局优化方法。遗传算法,简称是一种以群体遗传学为基础的自适应启发式方法,它的特点是鲁棒性强、可并行搜索和全局优化,特别在解决大规模复杂问题时非常具有优势,所以国内外已有很多学者对遗传算法在中的应用做了一些深入的研究模拟退火,则为一种随机搜索算法,它是基于迭代求解思想,它的理论基础由热力学退火原理得出,通过使用基于概率的双方向的随机搜索原理,进一步扩大搜索内容的范围,一般不会进入局总极值的陷阱,并且会带有全局优化的特点。在许多即的解决方法中目前模拟退火方法己占有了一席之地。禁忌搜索算法,通常被认为是一种模拟人的思维的智能搜索策略,其特点是采用了禁忌技术,可以采用使目标函数劣化的解当做新的当前解,这样就不会造成陷入局部极值现象的出现以列表方式为工具存储搜索路径的历史信息,存储最频繁发生或最近发生的动作,这样就不会重复查询,对查询效率有了改善。把方法用在解决问题目前己出现在一些学者的研究成果中。

　　神经网络,通过模拟人脑神经元机能来进行计算智能,它的特点是具有由经验中进行无导师学习和有导师学习等自适应调节的能力。一些研究人员目前引入了竞争型神经网络来解决问题。如果在问题里加入时间窗就可以引出带时间窗的车辆路径问题,它的解决方法仍可以采用求解一般问题的方法。虽然目前精确算法在对解决问题的研究有了进一步地完善,不过使用精确算法计算将会存在较多的计算与数据量,现在求解规模大的实际问题不是很适合。所以此论文仍使用启发式方法解决的问题。

　　在解决VRTPW的问题时,此论文使用的工具就是遗传算法。该算法是以生物领域自然选择和遗传理论为基础,将生物进化思想运用于工程优化方面的智能算法。遗传算法处理与分析问题的方式和一些常见的计算方法有一定的区别,所以本节将详细地说明遗传算法的工作原理、适用范围及其特征。

　　5.2.1遗传算法的产生与发展

　　遗传算法知,是一种较先进的智能算法,X大学的研究学者在20世纪的30年代开始首次提出了遗传算法的概念。遗传算法通常被认为是由自然界系统里生物的复杂适应过程开始,采用仿真生物进化的方式进行人工系统模型的建立。随后经过余年的发展,出现了一些理论较为成熟的论文,并有了一定的成果,尤其是最近一段时间以来智能计算、人工生命与进化计算已成为人工智能研究的主要方面之一,这样导致了遗传算法进一步受到从未有过的重视。在我国近年来对遗传算法等进化计算科研成果的应用在许多领域取得了令人瞩目的成果

　　5.2.2遗传算法的理论基础

　　遗传算法由可能潜在解集的一个种群来说明问题。而某个种群则由通过基因编码的若干数量的个体构成。每个个体可看成染色体具有某些特点的实体。遗传物质的主要载体是被称为多个基因的组合的染色体,通常被认为是特定的基因组合。它表明了个体的形状的外部表现,举例染色体中控制某种特征的一系列基因组合通常会反映黑头发的特征。所以首要的工作是完成编码的工作也就是确定由表现型至基因型的映射。因为完全对基因进行编码是非常困难的,这就要求研究人员能够对编码的工作简单化,通常会采用二进制编码。初代种群在完成生成以后,依据生物界的适者生存,优胜劣汰的规则,产生一代一代的种群,并逐步生成满足问题要求的近似解。在每一代种群中,按照问题的解域中个体的适应度大小选择合适的个体,然后依据生物界遗传学的遗传算子对种群的个体完成组合、交叉与变异,最终完成了新的更接近于最优解的种群。此步骤能够使问题的种群与生物进化产生相同的效果的,即保证后代种群能比前代更加适合外界的需要。因此末代种群中的最优个体通过解码,通常会被认为是求解问题的近似最优解。遗传算法构造了一种对复杂系统优化问题求解的通用框架,函数优化、组合优化、生产调度度问题、自动控制机器人智能控制等体领域,得到了广泛应用。

　　5.2.3遗传算法的特点

　　遗传算法是一种强大的优化搜索算法,具有顽强的鲁棒性,和一些常用的搜索算法,如神经网络、模拟退火等等相比,它采用了许多独特的方法和技术,归纳起来,主要有以下几个特征

　　（1）遗传算法要进行运算的对象是经过编码后的抽象个体,并不是一些固定的解或参数。这样遗传算法具有极大的应用领域,能够直接解决不同的具体对象的问题。

　　（2）一些传统的搜索算法通常为单点搜索算法,这种算法采用某种变动规则,可将问题的解由搜索空间内的当前解向另一个解转化。此种点对点的搜索算法在解决具有多峰分布特点的搜索空间通常常会较易导致局部极值。遗传算法却能够并行解决当前群体内的多个个体,同时搜索空间上的多个峰,所以遗传算法能够进行全局搜索性能,并且搜索的效率会较高。

　　（3）在求解问题的最优解过程中,遗传算法可以通过使用适应度来对群体中个体的优劣程度进行衡量,并可完成对种体中个体的遗传操作,而不需要以问题空间的知识为基础。因此不管要求解的优化问题是否存在连续性与可微性,只要优化问题的目标函数能够求解,遗传算法就可以使用,这样遗传算法与其他算法相比,解决问题时就具有更大的优势。

　　（4）遗传算法能够较灵活地调整求解问题的适应度函数与其不同参数,这样可用于解决各种的优化问题。

　　总的来说,遗传算法的优点有在使用遗传算法求解时对问题的知识使用极少,便于设计通用算法遗传算法不是从问题的单个解搜索,而是从问题解集开始遗传算法有极强的容错能力遗传算法不采用确定性规则,算法中的选择、交叉和变异都是随机操作遗传算法的流程具有通用性和灵活性。根据遗传算法具有上述的优点,并越来越吸引不同领域的学者采用它解决实际问题,本文在求解时以遗传算法为工具来进行解决问题。

　　本论文在主频为2.0Ghz、内存为1GB的上编写了以混合遗传算法为基础的车辆路径问题的语言程序,并进行了实验仿真。假设某物流中心的配送车辆数量是5台,每台车辆的最大负荷重量都是2t,每次进行配送服务的最大的行驶距离都是50km,对8个客户进行送货服务。使用pc随机地生成了物流中心与20个客户的位置坐标和每个客户对货物的需求量,其中,14.5km，13.0km为物流中心的坐标,20个客户的坐标及其货物需求量见表。需要对车辆的配送路线进行最优化的设计,达到车辆完成的配送总里程最短的目的。本文假设每个客户之间和客户与物流中心之间的路径距离都使用直线距离,此距离能够通过物流中心与客户的坐标计算出来。

　　实例坐标及客户需求量

　　按照上述实例所具有的特征,本文在使用混合遗传算法进行求解的过程中,假设群体规模为80,进化代数为1000,交叉概率为0.9,变异概率为0.08,变异时基因换位次数为5,进行爬山操作动作的爬山次数为40。按照上述参数对上面实例进行10次求解,最终的计算结果如表所示。由表知以改进遗传算法为工具,对上述实例的10次求解都得到了效果较好的解,其进行配送的总里程的平均值是。在求解的效率方面,次求解的平均计算时间是,运算的过程速度较快。

　　针对实例的混合遗传算法结果

　　除了使用改进的遗传算法求解,本论文还分别利用爬山算法与遗传算法对上面实例进行了10次求解,在每次求解的过程中,都是在解的搜索次数是20000次的条件下进行的,上述三种算法的最终结果的比较结果如表5所示。

　　针对实例的各种改进算法比较

　　由表5可以看出,由寻优结果角度来说,爬山算法与遗传算法的计算结果不如改进的遗传算法而由计算的效率来说,改进的遗传算法的计算效率会不如爬山算法,但往往优于遗传算法由算法的稳健性方面来说,改进的遗传算法的计算结果的稳定性比遗传算法与爬山算法要高的多。由上述实验计算可知,综合在局部搜索方面效果较好的爬山算法和遗传算法两种算法,形成了能够用于求解车辆路径问题的改进的遗传算法,能够较好地解决遗传算法在局部搜索能力方面的不足的问题,进而得出了比爬山算法与遗传算法都要理想的计算结果。并且改进的遗传算法也具有了较高的求解计算效率以及较稳定的计算结果的特点。

　　可以把系统按使用功能不同分为四个主要的模块：数据库管理模块、轿运车最大运能优化模块、混装订单配载优化模块和用户管理及其他工具模块。下面就按照系统的实际操作的顺序来介绍一下本系统的各个模块的内容和具体的功能。

　　首先，用户使用本系统需要登陆，用户权限由系统管理员根据其使用级别来限定。

　　6.2.1轿运车最大运能优化模块介绍

　　最大运能配载优化模块主要包含有三个功能界面

　　1.指定公司计算界面：用于计算每辆轿运车针对不同的商品车公司下面的所有种类的商品车装载时的最大运能。

　　2.指定商品车计算界面：用户可以根据自己想要装载的商品车，选择一家商品车公司或者多家商品车公司下的一种或多种商品车进行最大运能配载优化计算。

　　3.手动配载检查界面：用来检查用户历史配载方案，此界面中用户可以在选定的轿运车的任何一个车位上检验任何一种商品车的装载干涉情况。相比前两个功能界面，手动配载检查界面将给用户提供多样化的配载方式（如倒装、跳板等）、更为详细的参数设定和结果输出。

　　6.2.2混装订单优化模块介绍

　　这个模块的实质是面向订单对配载方案进行优化。根据获得订单的方法不同，分为“自动订单配载优化”和“手动订单配载优化”两个功能界面。“自动订单配载优化”通过与调度系统连接，从调度系统读取订单信息，进行优化计算。“手动订单配载优化”是指由用户人工输入订单的信息，包括商品车的型号，数量，轿运车的牌照号，同样由软件进行优化计算，获得配载方案。其操作流程

　　6.2.3数据库管理模块介绍

　　数据库管理模块主要包括以下几个方面：

　　1.商品车数据管理：

　　商品车数据管理主要针对商品车数据，进行添加、修改和删除操作，三种操作的界面都是相同的，不同的是添加数据的界面其单元格都是为空的，而修改和删除数据是对已经存在的数据进行操作，所以它们会将数据库中的数据读出，填入相应的单元格中。

　　2.轿运车数据管理：

　　轿运车数据管理与商品车数据管理模块相同，也是针对轿运车的数据，进行添加、修改和删除操作。，三种操作的界面都是相同的，不同的是添加数据的界面其单元格都是为空的，而修改和删除数据是对已经存在的数据进行操作，所以它们会将数据库中的数据读出，填入相应的单元格中。

　　3.系统数据库的备份和还原

　　工程应用中的数据库通常包含很重要的数据信息，一旦丢失后果严重，因此定期备份数据库显得尤为重要。备份和还原数据库可以通过直接操作SQLServer2000进行，但是这要求用户有一定的专业知识，并且需要很复杂的操作过程。为了便于用户的使用，开发人员特意开发了数据库备份与还原模块，这样使本软件可以直接对数据库进行备份和还原，操作也非常简单

　　6.2.4用户管理和其他模块介绍

　　用户管理模块主要针对不同用户的权限管理，分为管理员权限和普通用户权限。其中管理员权限是最大的，可以操作系统任何界面以及进行数据库管理。普通用户则只限于使用系统的功能模块，包括轿运车最大运能优化界面、混装订单配载优化界面和一些数据查询界面等。系统除了以上介绍的功能模块外，还有一些其他的辅助功能包括：

　　1安全参数设置：用于限高、限长、限宽、限重、商品车装载最小间距、最后一辆商品车允许超出轿运车本体的距离等一些国家法规规定或安吉物流公司内部法规规定的一些安全参数的设置和修改

　　2.照片测绘功能：主要用于轿运车商品车建模时，一些厂家不提供的以及

　　手工难以测量的参数测绘。

　　本章综述了利用本文所研究的课题开发且已基本实现了面向轿运车的最大运能优化和面向混装订单的配载优化，本系统所具有的优化功能对整车物流企业挖掘自身运能、控制物流成本、提升服务质量与增强市场竞争力都有着重要的意义。

　　本文以整车物流中应用最广泛也最重要的公路运输工具——轿运车的配载过程为研究对象，结合安吉天地汽车物流有限公司的物流调度系统的配载流程进行分析，利用整数规划算法对每辆轿运车针对不同类型的商品车进行最大运能配载优化，并通过事例推理的方法对这些轿运车最大运能配载方案进行优化组合，开发出了面向混装订单的配载优化系统，并用实例进行了验证。

　　本文主要工作包括如下内容：

　　1.实现了面向轿运车的最大运能配载优化。首先通过对轿运车和商品车参数化的产品家族简化模型的建模技术，对目标轿运车和商品车模型进行分类简化，并对其特征结构进行模块化的知识表达，提取具有共性的几何特征和空间结构，同时只保留模型繁衍所必需的几何尺寸参数，通过这些主模型的演变，能够生成一系列具有本族特征与功能的模型家族，从而满足系统对大量轿运车和商品车模型的需求；然后应用整数规划的方法，通过算法的改进，给出轿运车最大运能配载优化的解决方案；提出了规划对象的参数化归类原则，通过改变规划对象的多少来调节算法的计算速度和计算精度以满足客户在不同工作情况下的要求。

　　2.实现了面向混装订单的配载优化。对最大运能配载方案数据库的管理；对订单配载优化事例库的特征提取、分层存储表示和储存来有效管理大量订单配载优化和轿运车最大运能事例；利用有效的事例搜索技术快速可靠的搜索出与订单相匹配的事例，按一定的规则对这些事例进行重新组合优化，从而给出订单优化的解决方案。

　　3.开发了轿运车配载优化系统。此系统通过对以上两种算法的实现具有轿运车最大运能优化和混装订单优化等功能模块。配载系统在安吉物流公司的调度部门及其下属运输公司配载部门的使用中取得了理想的效果，为公司提高配载效率，减少配载质损起到了显著的作用。

　　本系统在以下方面仍存在一些不足之处，有待进一步完善与改进：

　　1.商品车、轿运车模型优化规则还不够完善。若出现商品车新车型结构变化较大或者为提高装载效率而做出较大改动的轿运车新车型结构（比如多处车位斜置、倒装等）时，现有的主模型分类方法和预定义的知识规则尚不能做出有效的表达；

　　2.本算法仅从静态角度进行考虑，即只考虑商品车的装载最终位置，没有考虑其装载过程中可能出现的动态问题，例如刹车时商品车的前后颤动，可能引起的干涉与碰撞，目前的处理方法是统一留够固定的装载间隙，但是对于不会发生动态干涉的车位这样的处理可能会造成装载空间的浪费，但是动态问题设计面比较广，不仅要考虑到商品车与轿车运输车的几何结构，还要考虑到商品车本身的一些性能参数，因此需要进一步的研究和论证。

　　3.本算法研究的是如何合理安排商品车的装载位置使得轿运车的运载空间利用率最高及如何优化订单配载使运送一批商品车所需的轿运车最少，没有同时考虑运输过程中的线路问题，如果在以后的研究中加入对运输路线的考虑会进一步优化整个运输配载过程。

　　4.对于轿运车下层用来增加装载空间的复杂装载方式（如：飞机跳板）等可进行进一步深入的研究。

　　[11宫佩珊.集装箱递阶优化装箱方法[J].青岛大学学报，1997,12(4):90-92.

　　[12]杨传民，杨涛.立体包装件混装集装离散优化[J].包装工程，2000,21(2):43-45.

　　[13]何大勇，查建中.基于空间分解的集装箱布局启发式算法及布局空间利用率规律[J].计算机辅助设计与图形学学报，2000,5:367-370.

　　[14]袁雪妃，郭帅．论物流整合及融合的发展趋势[J]．物流科技，2014，(12)：30-32．

　　[15]张磊，袁建清，郑磊．汽车整车配载与运输路线优化方案及算法研究[J]．计算机技术与发展，2011，(06)：219-222．

　　[16]于洪霞．二维装箱问题的非线性优化方法[D]：大连理工大学，2006．

　　[17]屈援，王雪莲．大型二维装箱问题及其禁忌算法研究[J]．安徽大学学报(自然科学版)，2007，(05)：32-35．

　　[18]刘艳娟．二维装箱问题的启发式算法研究[D]：厦门大学，2007

　　[19]翟钰．三维装箱问题的混合遗传算法研究[D]：上海交通大学，2007．

　　[20]陈丽．基于三维装箱问题的混合遗传模拟退火算法的改进[D]：郑州大学，2013．

　　[21]曹玲芝．求解三维装箱问题的混合模拟退火算法研究[D]：华南理工大学，2013．

　　[22]刘裴寰．基于聚类分析的背包问题求解方法研究及其应用[D]：厦门大学，2007．

　　[23]汪采萍．蚁群算法的应用研究[D]：合肥工业大学，2007．

　　[24]韩宇．求解背包问题的混合遗传算法[D]：北京邮电大学，2009．[29]武燕．基于粗糙集—遗传算法的0-1背包问题求解[D]：太原理工大学，2010．

　　[25]周钱．多选择多约束背包问题的进化求解策略[D]：中国科学技术大学，2011．

　　[26]姜伟，王宏力，何星，等．并行免疫离散粒子群优化算法求解背包问题[J]．系统仿真学报，2014，(01)：56-61．

　　[27]陈一永，韩江，龚延成．带时间窗约束的配载车辆调度问题研究[J]．物流技术，2005，(03)：48-50．

　　[28]井祥鹤，周献中，徐延勇．多型号平车装载问题的混合遗传算法[J]．铁道学报，2006，(06)：10-15．

　　[29]苏伟．基于排样算法的轿车物流配载优化的研究[D]：上海交通大学，2006．

　　[30]孙黎宏．多车型配载问题的研究[J]．南平师专学报，2007，(04)：81-85．

　　[31]陈晨，缪嘉嘉，李爱平，等．机动车辆装载问题的一种混合遗传算法实现[J]．计算机应用研究，2007，(09)：34-36．

　　[32]陈赛虎．基于整数规划的轿车物流配载优化的研究[D]：上海交通大学，2008．

　　[33]中华人民共和国国家标准[S]．GB/T18354-2006物流术语.北京:中国标准出版社，2006．

　　[34]张乐乐，冯爱兰．现代物流与传统物流的比较分析[J]．物流技术，2005，(07)：5-8．

　　[35]项秀兰．我国第三方物流企业可持续竞争力研究[D]：上海交通大学，2012．

　　[36]庄耀．汽车整车第三方物流系统研究[D]：武汉理工大学，2004．

　　[37]吴保峰，刘仲英．我国整车物流发展趋势及资源整合问题研究[J]．汽车工程，2005，(03)：367-371．