容量限制VRP问题简要分析(主要是模型建立)

1. 基本VRP

目标函数

$$\min \sum _{k=1}^m\sum _{j=0}^n{c}_{ij}\cdot x_{ij}^k$$

• 含义：该目标函数旨在最小化总运输成本，其中$c_{ij}$表示从客户点$i$到客户点$j$的运输成本，$x_{ij}^k$是一个决策变量，表示车辆$k$是否从客户点$i$运输到客户点$j$。通过最小化总成本，可以提高运输效率。

约束条件

1. 每个客户点必须被访问且仅被访问一次：
   $$\sum _{k=1}^m\sum _{j=1}^n{x}_{ij}^k=1,\forall i=1,\dots ,n$$

   • 含义：每个客户点$i$必须被访问一次且仅被访问一次。这个约束确保了每个客户点的需求都被满足，并且不会重复访问。
   • 也就是说, 对于每个节点i来说, 所有从i出发到所有j的所有车辆只能有1辆。

2. 每辆车的路径必须从起点开始，并在终点结束：

   • 从起点出发：
     $$\sum _{j=1}^n{x}_{0j}^k=1,\forall k=1,\dots ,m$$
   • 在终点结束：
     $$\sum _{j=1}^n{x}_{j0}^k=1,\forall k=1,\dots ,m$$
   • 含义：每辆车$k$的路径必须从起点（通常是仓库或出发点）出发，并且在完成所有客户点的访问后返回到起点。这确保了车辆的行程是完整的。

3. Binary (0-1) 约束：
   x i j k ∈ { 0 , 1 } , ∀ i = 0 , … , n , j = 0 , … , n , k = 1 , … , m x_{ij}^k \in \{0, 1\}, \quad \forall i = 0, \ldots, n, j = 0, \ldots, n, k = 1, \ldots, m xijk​∈{0,1},∀i=0,…,n,j=0,…,n,k=1,…,m

   • 含义：决策变量$x_{ij}^k$是二元变量，表示车辆$k$是否从客户点$i$运输到客户点$j$。0表示不运输，1表示运输。这种约束确保了模型的决策是明确的，车辆要么选择运输，要么不选择运输。

总结

这些公式和约束条件共同构成了一个基本的车辆路径规划（VRP）模型，旨在优化运输成本，同时确保每个客户点的需求被满足，并且车辆的行程是合理的。通过这些约束，模型能够有效地规划车辆的运输路径。

2. 容量限制VRP

添加约束条件: 更新后的车辆容量限制表达式

$$\sum _{i=1}^n\sum _{j=1}^n{d}_j\cdot x_{ij}^k\le Q_k,\forall k=1,\dots ,m$$

解释

• 双重求和:

  • ${\sum }_{i=1}^n$: 表示车辆从每个客户点$i$出发。
  • ${\sum }_{j=1}^n$: 表示车辆访问每个客户点$j$。

• $d_j\cdot x_{ij}^k$:

  • 表示车辆$k$从客户点$i$到客户点$j$所运输的需求量。

• 总之, 就是考虑了k车经过的全部的(i,j)对, 把所有的j需要的货物量$d_j$添加起来, 也就是一路上要运输的总的数量. 不能超过车辆$k$的最大容量$Q_k$

参考文章

@若冰（马世拓）