运筹说 第63期｜论文速读之无人机车辆路径问题

前几期的推送已经讲解了整数规划的基本知识、数学模型和相关算法，相信大家对整数规划已经有了充分的了解，这期小编将带大家一起来读一篇关于无人机车辆路径问题的文章。

1.文章信息

题目：Vehicle routing problem with drones

作者：Zheng Wang，Jiuh-Biing Sheu

来源：Transportation Research Part B: Methodological

出版信息：Volume 122，April 2019，Pages 350-364

网址：Redirecting

2.文章导读

城市物流服务提供商一直在寻找更快、更经济的最后一公里配送方式，无人机则为城市物流从业者带来了一个新的机会，与普通的送货卡车相比，无人机具有避免道路拥堵、送货更快、运输成本更低等优势。但由于大多数无人机都是电池供电的，因此装载能力和飞行距离与卡车相比是有限的，并且无人机无法自行承担所有可能的运送任务。此外，卡车还可以携带更重的包裹，行驶更长的距离，并携带无人机更接近客户。因此使用卡车和无人机联合运输成为一种有效的方式，可以最大限度地利用它们的优势。现如今，合理规划无人机和卡车路径在应急管理工作与物流配送方面至关重要，尤其在新冠疫情形式下，无人机和卡车的协同配送在医疗物资运输方面的应用愈发广泛，这使得无人机车辆路径问题（Vehicle routing problem with drone，VRPD）逐渐成为一个备受关注的研究热点。

3.摘要

VRPD问题不仅使用卡车，而且使用无人机向客户递送包裹。其显著特点是只要满足飞行距离和装载能力的限制，无人机就可以从其站点起飞为客户服务，并降落在服务中心与另一辆卡车一起配送。不同于经典的车辆路径问题，本文以集成的方式安排卡车和无人机，使该问题更具挑战性。为应对该问题，本文提出了一个混合整数规划模型并开发分支定价算法进行求解，并对随机生成的实例进行大量实验，结果表明该算法具有良好的计算性能。此外，本文还对可能影响解决方案总成本的关键因素进行了敏感性分析。

4.主要内容

VRPD中有两种类型的车辆：无人机和卡车。无人机可能有多次飞行和着陆，每一次飞行和着陆都可能与不同的卡车相关联；一辆卡车可以在不同的时间和地点发射和收集多架无人机。本文旨在解决如何将卡车和无人机一起调度以实现成本效益高的车辆路径方案。

本文的无人机是与卡车联合配送，首先由卡车将无人机携带到指定释放点，无人机和卡车分别配送相应的客户包裹。在配送的路径上会设置一些节点，该节点无人机与卡车都会经过，卡车在该节点将包裹放下，由无人机对该包裹进行配送，无人机在配送完所有包裹后自行返回仓库。本文VRPD的解决过程中需要确定卡车收集或发射无人机的地点，车辆行驶的路线以及无人机的路径等问题。如何在空间和容量限制下，以集成方式对卡车和无人机进行布线，也是本文需要解决的最具挑战性的问题。

因为无人机是与卡车联合配送，若无人机没有匹配的卡车弧和卡车节点的路径，则无人机路径将不可行。为了解决这个问题，文章提出两个引理：

1、最终解决方案的无人机路径中的任何卡车弧必须通过解决方案的卡车路径行驶，否则没有卡车通过弧运输无人机。

2、最终解决方案的无人机路径中的任何停靠点和卡车节点必须由卡车经过，否则没有卡车向节点处的无人机提供客户包裹。

由于无人机路径取决于卡车的路径仅有两种情况：（1）无人机需要由卡车通过弧形运输到某一节点；（2）无人机在某一节点运送的客户包裹需要由卡车运输到该节点。引理1确保了情形（1）的可行性，引理2通过任何对接节点都有卡车经过确保情形（2）的可行性，因为情形（2）只发生在无人机可以着陆的对接节点上。

如果任一服务站节点满足引理1和引理2，则可以确保无人机路径的可行性，从而构造了基于路径的VRPD模型（path-M）。

基于路径的模型是一个混合整数规划模型，其变量数目较多，而分支定价是组合优化中的一种常见方法,其适用于求解大规模混合整数线性规划问题。故为了解决基于路径的模型，本文开发了一个分支定价算法。该算法除了可以应用于本文的车辆路径问题，其还可以应用于广义指派问题和图形多色问题。该算法主要流程包括两步，即主问题的线性松弛和解决定价子问题，其在解决定价子问题中提出的改进的pulse算法极大的提高了搜索速度。

在主问题的线性松弛中，将客户集首先分为两个子集，一个子集包含无人机从仓库可以到达的客户，另一个子集包含其他客户。无人机和卡车分别用于为两个子集的客户提供服务，每一个子集只与一种车辆类型的路由问题相关联。利用经典的节约启发式算法，得到了每一个子集的解，并将两个子集的解组合成一个初始解。

在定价子问题中，设计了一个能够区分不同类型路径和节点的特殊网络，并提出了一种改进的pulse算法，通过定制的修剪和扩展策略解决定价子问题，这一改进大大提高了搜索进度。并且为了缓解列生成中缓慢收敛带来的拖尾效应，本文应用了交替拉格朗日下界和列生成稳定性。然后，利用一种基于约束的分支规则来处理受限主问题的非整数解。该规则首先将基于路径的模型的解转化为基于弧的模型的等价解，然后识别部分弧流，最后在其中一个弧流上分支。利用这种分支方案，在分支后保留了定价子问题的结构。

最后对随机生成的实例进行大量实验，在不同参数设置下进行敏感性分析，通过分支定价算法与Gurobi对比,验证了分支定价算法的良好计算性能。并将VRP解决方案与VRPD解决方案对比，证明了无人机配送的有效性。在敏感性分析中，观测到将无人机飞行时间延长一倍的先进电池技术将使后勤成本降低近10%，这个结论将有助于后续研究。

图3显示了某一实例的路由方案。从图中我们可以看到，卡车必须沿着地面上可能拥堵的道路行驶，但无人机可以飞越道路，从而大大缩短了一对节点的行驶时间。在该解决方案中，卡车依次通过节点6、5、10、8、1和2，以便能够在节点6发射无人机并在两个对接节点与无人机相遇。作为卡车的助手，无人机在其飞行范围和装载限制范围内运送了四个客户，包括最远的客户3和客户7、9和2。若没有卡车的参与，无人机就无法为这些客户提供服务。若没有无人机，卡车必须花费更多的成本为四个客户服务，卡车与无人机的联合配送实现了良好的协作。

5.结论

本文研究了无人机车辆路径问题（VRPD），其中卡车和无人机都用于配送交货。本文首先提出了一种基于弧的VRPD整数规划模型，但由于特殊的问题结构导致了大量的约束，将其重新表述为基于路径的模型，并开发了分支定价算法。在主问题中，利用经典的节约启发式算法，得到初始解。在定价子问题中，设计了一个能够区分不同类型路径和节点的特殊网络，并通过改进的pulse算法进行修剪和扩展。最后，本文利用一种基于约束的分枝规则来处理受限主问题的非整数解。本文研究得出的VRPD解决方案不仅有助于节省平均成本，而且将缩减配送交付时间。

6.贡献

本文将VRPD问题与现实实例相结合，首次研究了城市物流领域的VRPD问题，并为该问题开发了一个有效的算法—分支定价算法。其次，本文进行的敏感性分析确立了可能影响解决方案总成本的关键因素。本文研究的内容有助于解答决策者所面临的两类交通工具服务顾客的顺序及车辆行驶的路线等问题

7.展望

由于本文是第一批研究卡车和无人机混合使用的文章之一，因此有许多潜在的研究领域。引入对接枢纽有利于车辆的协调，但这需要投入大量的资源和管理，所以如何以最低成本定位、调整和配置服务站，以及如何预先在每个服务站处重新安置无人机，从而实现有效的卡车与无人机路线安排，仍然是一个重大问题，这有望成为日后的研究重点。