一、 目的及意义

随着人类社会的逐步发展，人们在生活生产所需物资调配方面有了越来越深刻的认识。物流方面极大地影响着成本，优质的物流方案可以成为一大利润来源，使得其在许多产业中的地位越来越重要。一般根据物流配送系统里不同的各个运输阶段将物流划分为一次物流配送、二次物流配送等。通常，“一次配送”即指称炼厂到油库的配送，“二次配送”则是油库到加油站的配送。作为供应链的终端部分，我们可以从成品油二次配送形成突破口，从而节约物流成本，进而给企业带来一定的经济竞争力，从而达到提高企业竞争力的目的。因此，作为物流系统中的一大重要部分，近些年来二次物流配送得到了许多国内外学者的关注和从各方面进行的研究，得到了许多很有意义的成果。路径的优化是整个物流二次配送优化问题研究的关键，可使得物流所需时间缩短、整体物流成本降低，满足减少成本增加利润和提高效率的整体需要。本文研究的主要目的和重点是探索特定条件中较为合理的配送路径方案，以尽可能实现配送路程、配送效率和配送成本等方面的最优化目标。

综合过去有关车辆路线问题（VRP)的求解方法，可以分为精确算法与启发式解法，其中精密算法有分支界限法、分支切割法、集合涵盖法等；启发式解法有节约法、模拟退火法、确定性退火法、禁忌搜寻法、基因算法、神经网络、蚂蚁殖民算法等。1995年，Fisher^[5]曾将求解车辆路线问题的算法分成三个阶段。第一阶段是从1960年到1970年，属于简单启发式方式，包括有各种局部改善启发式算法和贪婪法等；第二阶段是从1970年到1980年，属于一种以数学规划为主的启发式解法，包括指派法、集合分割法和集合涵盖法；第三阶段是从1990开始至今，属于较新的方法，包括利用严谨启发式方法、人工智能方法等。

1990年以来，人工智能方法在解决组合优化问题上显示出强大功能，在各个领域得到充分应用，很多学者也将人工智能引入车辆路线问题的求解中，并构造了大量的基于人工智能的启发式算法。禁忌搜索法（TS）基本上是属于一种人工智能型（AI）的局部搜寻方法，Willard首先将此算法用来求解VRP ，随后亦有许多位学者也发表了求解VRP的TS 算法。西南交通大学的袁庆达^[7]等设计了考虑时间窗口和不同车辆类型的禁忌算法，这种算法主要采用GENIUS方法产生初始解，然后禁忌算法对初始解优化。模拟退火方法具有收敛速度快，全局搜索的特点，Osman^[8]对VRP的模拟退火算法进行了研究，他提出的模拟退火方法主要适合于解决路线分组。遗传算法具有求解组合优化问题的良好特性，Holland首先采用遗传算法（GA）编码解决VRPTW 问题。现在多数学者采用混合策略，分别采用两种人工智能方法进行路线分组和路线优化。Ombuki^[9]提出了用遗传算法进行路线分组，然后用禁忌搜索方法进行路线优化的混合算法。Bent和Van Hentenryck^[10]则首先用模拟退火算法将车辆路线的数量最小化，然后用大邻域搜索法将运输费用降到最低。

2. 研究的基本内容与方案

二、 研究的基本内容、目标、拟采用的技术方案及措施

1. 研究的基本内容