可持续共享指定司机轮渡车辆调度的集成优化策略

抽象的

本研究的重点是优化共享指定驾驶员渡轮车辆的调度调整方案，以获得可持续和节能的系统，以拾取和下降指定的司机来为醉酒的客户提供服务。设计了一种用于驾驶员和客户供需和需求匹配和驱动器渡轮运行车辆调度的两级匹配模型，以优化行进的总距离，并最大限度地减少广义偏差成本。最大剩余时间调整算法旨在减少新的干扰需求的对数，并且使用禁忌搜索算法来解决渡轮车辆的调度调整方案。通过所罗门试验题库构建的多体主流示例验证了模型和算法的有效性。数值实验结果表明，所提出的模型和算法可以解决共享指定驾驶员渡轮车辆的中断调整调度策略。综合优化策略可以有效地提高共用驾驶员渡轮车辆的利用率和运行效率，以降低运营成本和能耗。

1.介绍

指定的司机被分配给客户，以便在客户自己的汽车中驾驶，例如，如果他们在晚餐期间饮酒[1那2］．指定的驾驶机构旨在通过预防，威慑和治疗来减少酒精相关的交通命性[3.］．近年来，专门针对有酗酒问题的客户的代驾需求迅速增长。2019年《中国代驾行业社会价值报告》显示，代驾行业减少酒后驾驶交通事故350万起，免除刑事处罚83万人，减少财富损失462亿元。

指定的司机可以步行或乘坐公共交通工具到达客户的位置。由于城市公共交通在夜间高峰时段关闭，一些司机无法及时到达顾客点来满足需求。共享指定司机轮渡是由指定驾驶机构提供的一种运输工具，用于将指定司机送到客户所在地，并在服务客户后将其带回来。指定驾驶员轮渡采用绿色、节能、环保的电动汽车进行短途出行，可以认为是城市和大型公共交通系统的一个子系统和延伸。

然而，指定驾驶员渡轮车辆空驾驶的困境变得越来越严重。有效的空车辆可能会提高私人运输的效率，并有助于减少交通拥堵，燃料消耗和污染[4.］．作为可持续发展战略的重要组成部分，指定的驾驶员渡轮运行车派是一个最近遭受重大关注的重要课题。

指定渡轮车辆派车的需求包括指定司机的接车地点和他在客户所在地的接车地点。本文的指定司机轮渡车辆调度问题类似于DARP问题，用户指定出发地和目的地之间的请求，受调度约束[5.］．在乘车共享系统中，没有固定路线和时间表的车辆车队将人们从他们的拾取点带到其交货点[6.］．

关于拾取和交付问题的研究专注于实时交付物体或人，但窗户紧张，最大乘车时间没有被认为是[7.那8.］．Dynamic Dial-a-Ride system研究具有时间窗约束的动态拨车问题[9.］．匹配和调度模型的设计与算法充当相关研究中的瓶颈。张，W.等人。提出了空间宽平衡模型来解决空的汽车匹配问题[10］．Mark等人。提出了一种关于实时调度的模型，用于诸如出租车或可变排列的总线的需求响应乘用车队列[11］．鉴于共享出租车调度，使用遗传算法考虑和解决了出租车共享的动态需求[12］．Andrea Attanasio等人。为静态DARP开发了一个禁忌搜索启发式算法，它能够满足大量用户请求[13］．issam zidi等。使用多目标模拟退火算法解决了DRP，并将结果与​​Tabu搜索算法和遗传算法进行了比较[5.］．

随着调度和重新安排方法战略性地重新排列整个系统，可以达到最低的成本[14］．也就是说，原始计划的全球优化调整可以获得最佳的调整方案，但它可能花费大量的时间，空间和人力资源，从而产生了大量的系统扰乱，甚至使新方案不可行[15］．目前，在航空公司行业进行了许多中断管理研究[16那17]、供应链及物流[18]，泊位时间表[19，以及运输系统[20.那21］．青春等人携带的数值实验。[19[局部重新安排的禁忌搜索算法可以提高与基于全重新安排的算法的计算效率。

从系统优化和经济效率的渡轮利用效能的角度来看，本文提供了一种基于中断管理的供应需求匹配和共享指定驾驶员渡轮运输融合策略的综合优化策略。本文的目的是最大限度地减少干扰，降低运营成本，增加服务数量及其准时。

本文的结构如下。节2，简要介绍了问题的描述和分析。节3.，建立了优化总距离的单级匹配模型，并建立了一种两级干扰管理模型，目的是最小化广义偏差成本。然后，在部分4.，最大剩余时间调整算法和禁忌搜索算法用于解决指定驾驶员渡轮车辆的调度策略。接下来，在部分5.，数值实验比较和评价，比较了提出的两级模型和算法与传统的重新安排方法的效果。最后，部分6.总结了主要调查结果并突出了未来研究的问题。

2.问题描述和分析

共享指定驾驶员渡轮车辆调度的基本任务是符合驾驶员和客户需求。由于指定驾驶员渡轮车的空驾驶，到达客户需求点的延迟很大，这不仅影响客户满意度，而且也间接降低了驾驶员效率。本文提出了两阶段模型和算法，基于匹配优化和车辆调度，为指定的驱动程序和客户提供安全和便捷的服务。共享指定的驾驶员渡轮运行车也可以减少空驾驶并充分利用渡轮车辆，以最大限度地减少能源消耗并提高可持续性。

２．１．供求匹配优化

匹配的网络 包括司机 和客户的需求 。当新客户时被介绍，指定的驾驶机构使得与最近的司机相匹配的实时决定他满足和 。另外，为了降低车辆调度的复杂性，集合 步行距离内的指定司机和客户必须与最佳可能性相匹配。

2.2。车辆调度中断管理

为了便于指定的司机来服务客户，当匹配的驾驶员步行时间不符合客户的最大等待时间约束时，考虑共享指定的驾驶员渡轮车辆。由于匹配网络实时更新，因此由于新客户和指定驱动程序的出现，初始调度策略将不断调整。在调度系统中，地点点的产生 称为双需求，因为每个指定的司机都会与一个客户点相关联。数字1（a）表示一定时间的初始调度策略。此时，车辆一种完成了调度一对双胞胎需求的任务（驱动程序1和客户1）;车辆B.接司机的任务完成了吗3.如图所示1（b），两对双胞胎需求点5.和6.此时添加。由于先验车辆规划的可逆性，通过重调度可以得到车辆调度成本最低的最优解。然而，该计划的调整和执行是广泛而复杂的。本文引入干扰管理的思想，设计了一种新的调度策略，使对原调度的调整量最小，以充分利用轮渡车辆，降低运营成本。

扰动（即，新的双胞胎需求）对车辆调度的影响主要反映在规划路径，调度成本和等待时间的偏差中。规划路径有四种形式的偏差，如图所示2。中断的时候是T.，到达时的时间是 那到达的时间是 那原来的路线是 那新的双胞胎需求点是司机B.和客户C。什么时候 那众所周知，车辆必须在离开前改变路线 。在这种情况下，路径可能来自B.直接到j（数字2（a）），或来自B.至C然后到j（数字2（b））。（a）中的路径的偏差可以被描述为减少和增加和 。同样，由于增加了，(b)中路径的偏差也大于(a)中路径的偏差 。什么时候 那据了解，车辆离开后必须改变路线当车辆在p。在这个场景中，路径可能来自B.直接到j（数字2（c）），或来自B.至C然后到j（数字2（d））。原始路径没有完全被遗弃，因为它部分与新道路一致。因此，（c）中的路径的偏差可以表示为减少和增加和 。

分派成本存在两种形式的偏差。一个是新的渡轮车辆的启动成本，即，当找不到已经进入的合适车辆时，有必要在调度中心使用新的渡轮车辆。如果客户的最大等待时间仍然无法满足，则拒绝服务，并接受拒绝的罚款。其他形式的偏差是由路径偏差引起的车辆运行成本的变化。

等待时间偏差对客户服务满意度的影响有两种情况:假设代驾司机预期平均等待时间的上限为 那不满足满足的客户等待时间的上限是 那和后一个服务点j是驾驶点。可将等待时间的硬时间窗约束转化为 ;如果j是客户点，硬时间窗口约束是 。

3.数学模型

3.1。模型变量和参数

模型的决策变量如下所述：（一世） （ii） （iii） （iv）模型中的状态变量和相关参数如下所述：（v） ：匹配网络，记为 （vi） ：匹配指定驱动程序的集合（vii） ：匹配客户的集合（viii） ：指定司机与顾客在步行距离内的匹配集合，记录为 那 那 那 (第九) ：被共享指定驾驶员渡轮驱动的指定驱动程序和客户的匹配集，记录为C那 那 那 （X） ：出现需求的时间 (十一) ：供给与需求相匹配的时间 （XII） ：驾驶员之间的欧几里德距离和客户j那 （XIII） ：指定司机的平均步行速度（十四） ：发生中断时，运输车辆的实时位置集(十五) ：中断发生时非运输车辆的实时位置集（xvi） ：调度中心的数字, 和 （十五） ：当中断发生时，共享的指定司机轮渡车辆没有到达的司机位置集， 那 （十五） ：当发生中断时，共享指定的驾驶员渡轮车辆未到达的客户职位， 那 (十九) ：当中断发生时，共享的指定司机渡轮将到达的地点集， (xx) ：套在调度中心的所有共用指定驾驶员渡轮车辆;每个车辆编号都被记录为 (第二十一章) ：在发生中断时，所有in-transit指定的驾驶员渡轮车辆， ;非过境指定司机渡轮车辆为 (二十二) ：指定司机的最大数量K.可以携带（xxiii） ：从调度中心调发新指定驾驶员渡轮车的固定成本（xxiv） ：拒绝服务的平均罚款费用(第二十五章) ：城市公路运输网络的平均单位成本（XXVI） ：单位罚款路径变异成本（XXVII） ：需求之间的实际距离和要求j（XXVIII） ：指定驾驶员渡轮的平均速度（XXIX） ：原始调度计划到达需求点的时间(xxx) ：新的调度计划到达需求点的时间(章) ：指定驾驶员预期的等待时间的上限（XXXII） ：客户预期的等待时间的上限不会影响服务满意度

3．2.基于供需匹配的单阶段模型

两阶段模型是决策的先进优化策略，需要在阶段之间的参数转换。基于匹配系统总距离的最佳功能来建立一阶段匹配模型。该模型如下所示：

等式（1）单阶段模型的客观函数是代表匹配系统中指定驱动因素和客户之间的最小欧几里德距离。等式（2)表示每个新驱动程序最多只能匹配一个客户。等式（3.）表示最多，每个新客户都由一个指定的驱动程序提供服务。等式（4.）表示匹配过程中的FIFO（）规则;也就是说，首先发生的指定驾驶员将是第一个匹配客户的司机。方程式（5.） 和 （6.)表示成功匹配的指定司机必须满足客户的等待时间约束。如果没有，指定司机和客户将被分配到一组需求中，这被认为是由共享的指定司机摆渡车来完成的。等式（7.）是决策变量的值约束。

3.3。基于调度中断的两阶段模型

采用单级模型传输 随着双胞胎需求中断，具有最小的广义偏差成本的两级模型如下：

等式（8.)为两阶段模型目标函数，表示新调度计划广义偏差成本最小，包括路径偏差和成本偏差。等式（9.）是新指定驾驶员渡轮车辆启动和拒绝服务的罚款成本的成本。等式（10)为实际路径偏差引起的差旅成本和惩罚成本。等式（11）是指定驾驶员渡轮车辆的容量约束。等式（12）表示新派出指定的驾驶员渡轮车辆的数量不应超过调度中心的剩余车辆的数量。等式（13）意味着每个指定的驾驶员和客户只能由一个渡轮服务或由于调度条件的不满而被抛弃。等式（14）表示所有内交叉的渡轮车辆从当前位置开始。等式（15）表示车辆服务需求点的余额。等式（16）表示当最后指定的驱动程序发送给客户的点时，将需要渡轮车辆返回调度中心。等式（17）表示客户的时间复发。等式（18）表示渡轮车辆在每个指定的驾驶员点到达需要满足指定的驾驶员的等待时间约束。等式（19）表示渡轮在每个客户点的到达需要满足客户的等待时间约束。等式（20.）表示渡轮车辆需要首先拾取指定的驱动程序并将其发送给客户。方程式（21） 和 （22）是决策变量的价值约束。

4.算法设计

指定驾驶员供需匹配与车辆调度集成优化问题是一个复杂的“供需匹配-中断管理”决策问题。虽然在无限延迟策略下，单阶段模型可以获得最优解，但添加等待时间约束后，可能无法获得均衡解。两阶段模型是一个NP-hard问题的扩展，它推广了带时间窗的取货配送问题[6.］．难以设计精确的解决方案算法。为了满足动态实时决策的需求，有必要找到具有高效率和更好的计算结果的解决方案策略。在这项研究中，基于最近的位置匹配原理来解决单阶段模型。最大剩余时间调整算法用于减少数量以及两阶段车辆调度的可能破坏程度。禁忌搜索算法是为求解两阶段模型而设计的，因为禁忌搜索算法可以逐级快速进行全局优化[22］．算法的详细步骤如图所示3.。

4．1.最大剩余时间调整算法

可以基于最近的位置匹配原理来解决单级模型的最佳解决方案，以获得匹配系统中指定驱动因素和客户之间的最小欧几里德距离。最近的位置匹配原则首先获得 通过匹配客户集随着司机集 那符合约束 和 。相似地， 可以获得如果 。但是，可能有以下条件 或者 。为了减少数量元素和两级车辆调度的中断尺度，有必要计算每个元素的剩余量和最大步行时间。最大剩余时间调整算法的步骤如下所示：第1步：找到指定的驱动程序为客户见面 作为初始匹配集 。第二步:估计步行到达时间并计算最大剩余时间 。如果 那 将安排到 。如果不， 将安排到按降序。步骤3:提取在 那 。第4步：找到在匹配并获得 和 。第5步：如果 或者 那不会调整和 那 那转到步骤7.否则，请转到下一步。步骤6: 和 是远离和并记录到 那 。第7步：如果 那返回到步骤4找到新的 。否则，转到下一步。第8步：如果 那回到第3步提取新的 。否则，算法结束。

4.2。禁忌搜索算法

对于两级模型，禁忌搜索算法的设计如下所示。

4.2.1。初始解决方案生成

使用初始时间每个决定期作为破坏的瞬间，决定期的结果被视为指定驾驶车辆调度决策期的初始解决方案 。这代表了对部分调整的中断管理基于原始计划的核心思想。

4.2.2。邻里转型规则

规则1:更近的轮渡车辆优先级插入:将指定驾驶员的位置插入算法后，选择最近的在途轮渡车辆。如图所示4.(a)选择渡轮车辆1调整其路线，以接载指定司机因为 。在满足指定驾驶员等待时间窗约束的前提下 以及指定司机摆渡车辆的通行能力约束、路线被选为插入路径。如果所有点都符合插入后的时间窗口约束，请考虑插入客户端 ;否则，搜索邻居和 。插入客户点如图所示4.(b)，其邻域参照渡轮车辆1插入指定司机后的路径建模 。

规则2:车辆更换规则:如果规则1中没有可行解，则考虑2号车在中断时远离指定驾驶员点的规划路径，利用规则1来识别可行解。如果没有可行的解决方案，将尝试更多的车辆。

4.2.3。禁忌规则

禁忌对象是当发生中断时客户的中断点和指定驱动程序的插入位置。当中断点插入某个位置时，在该位置的插入中断点不允许在其中搜索禁忌长度。

4.2.4。愿望原则

如果邻域解决方案的目标函数值小于当前最佳解决方案的目标值，则该解决方案不受禁忌规则的限制，并且将更换当前的最佳解决方案。

5.数值实验分析

5.1。有效性分析

基于问题描述的背景的背景，将驾驶员和客户需求随机生成并分配给渡轮车辆。在系统中，当匹配指定驱动程序的步行时间不符合客户的最大等待时间限制时，被认为分派驾驶员的共享指定的驾驶员渡轮。由于匹配网络的实时更新，由于新匹配结果，将不断调整初始调度策略。

为了验证模型和算法的有效性，本研究以所罗门题库的C106坐标点作为参考。前40个坐标在驾驶员集和客户集之间随机均匀分配，作为决策周期0时的初始示例。接下来的60分平均分配给三组(决策周期1-3，间隔120秒)。假设调度中心有10辆轮渡车辆，最大载客量为7人(不包括车辆司机)，以每分钟1单位的速度运行，1名司机以每分钟0.2单位的速度步行。

在MATLAB中构建两阶段算法后，调度策略结果如图所示5.。在判定期0中，车辆1的初始路径为0-B5-C5-0;车辆2的初始路线为0-B15-C15-0;车辆3的载体3是0-B13-B4-C4-C13-0;车辆4的那个是0-B20-C20-0。在决策时段1（0-120s）中，废弃新的匹配对22和29，因为不能满足时间约束。在决策时段2（120-240s）中，新的匹配对31和39被抛弃，并且新的车辆5具有0-B35-C35-0的路线。At decision-making period 3 (240–360s), a new pair 45 is inserted into vehicle 4’s route, creating the adjustment path of V3-b20-b45-c45-c20-0, and new vehicle 6 has the route 0-b44-c44-0. In the dispatching process, 5 pairs of designated drivers were abandoned, 8 pairs were serviced, and 17 pairs could arrive on foot.

比较了C106三个时段的优化匹配和调度结果，用于中断管理和重调度。从表中所示的偏差结果可以看出以下三点1。

与Rescheding算法相比，中断管理的模型和算法具有较低的平均操作时间，较低的广义偏差成本和更高的算法效率。此外，它可以为在匹配后为车辆服务的新需求扰动提供决策支持。

5.2。敏感性分析

为了探讨驾驶员和客户位置分布对每个决策时期供需匹配和中断调整模型的一般影响，利用所罗门试验问题C106，C206，R106和RC106数据进行敏感性分析套。表中显示了算法优化不同决策时段的匹配对和匹配总距离2和3.。

表2和3.结果表明，最大剩余时间调整算法的驾驶员与客户位置分布离散程度(R106 > RC106 > C206 > C106)越大，需求点对数减少越多。对于系统的总距离和 那最大剩余时间调整算法可能导致总距离的增加。这表明，匹配的客户不一定是司机最接近的客户，产生的解决方案不一定是系统的最优解决方案，但它有效地减少了两阶段决策中新中断的数量。将一阶段决策协调与两阶段决策协调相结合是一种最优解决方案。

各决策周期的广义偏离成本和时间窗约束不能满足的放弃服务匹配对如图所示6.。

随着算例位置的离散化，广义偏差成本增加，调整方案与车辆原计划之间的差异增加。从R106的相对离散程度来看，广义偏离成本始终处于较高水平，需要新车辆或放弃额外一对客户和驾驶员的概率较高。因此，图中显示了放弃服务对数6 (b)也会减少。由于样本C106和RC106相对集中，需求点的匹配数量也随之增加，代驾司机的弃用服务数量出现了一定程度的下降。

6.结论

本文研究了供需优化匹配和共享指定驾驶员渡轮调度的综合优化。基于匹配集建立了两级模型 作为参数，不能通过遍历达到。采用系统距离优化的方法建立单阶段模型，得到系统对数进行了优化。该两阶段模型的目标是使附加需求扰动引起的车辆路径广义偏离成本最小，并对调整方案进行相应的优化。该算法提出了最优剩余时间调整策略以提高匹配结果，并采用禁忌搜索方法求解了共享指定司机轮渡车辆在每个决策时段的中断调整调度策略。数值实验表明，所提出的模型和算法能有效求解小规模数值算例，计算速度和结果均优于重调度方法。敏感性分析表明，驾驶员和客户的位置分布特征会在一定程度上影响解决方案的结果，在匹配和调度调整中应进一步考虑位置集中度。

由于可持续发展引起了许多学者的注意，本研究中的模型和算法具有减少共享指定驾驶员渡轮车辆的空驾驶和能源使用的参考价值。为了改善指定驾驶员和客户的全面驾驶经验，可以在指定的驱动程序和客户之间提供共享渡轮平台。此外，由于指定驱动程序和客户需求的合理匹配，强烈建议基于实时干扰调度策略的新一代平台。新平台可以为司机和客户提供安全，便捷的服务，不仅增加了客户满意度，而且间接促进了司机的工作效率。

本文提供的调度和调度问题的解决方案将有效地提高共用驾驶员渡轮车辆的利用率和运行效率，以降低能量消耗和运营成本。同时，动态车辆调度和干扰管理可以实现空的车辆共享。共享流动性可以通过减少拥挤和温室气体排放来促进可持续运输并提高空气质量。

此外，模型和算法可以应用于更多领域，例如仓库和配送中心之间的车辆调度问题，减少空的车辆运行问题并提高车辆使用效率。未来的研究将侧重于提高运输效率，以减少全球变暖的影响。

数据可用性

没有数据用于支持这项研究。

的利益冲突

提交人声明有关本文的出版物没有利益冲突。

参考文献

1. S. M. Ditter，R. W. order，R. A.涡轮，D.一个雨夹油，R.Compton和J.L Nichols，“指定驾驶计划减少酒精障碍的驾驶计划的有效性：系统审查”美国预防医学杂志第28卷，第2期。5，页280-287,2005。查看在：出版商的网站|谷歌学术
2. T. A. Brigham，S. M. Meier和V. Goodner，“随着提示和激励计划的计划增加驾驶，”应用行为分析杂志第28卷，第2期。1，pp。83-84,2013。查看在：出版商的网站|谷歌学术
3. J. A. Winsten，“推广指定的司机：哈佛大学项目，”美国预防医学杂志，第10卷，不。3，第11-14页，1994。查看在：出版商的网站|谷歌学术
4. N.Agatz，A.L.Erera，M. Spels Bergh和W. xing，“动态乘车分享：Metranta的模拟研究”运输研究第B部分：方法论，卷。45，pp。1450-1464，2011年。查看在：出版商的网站|谷歌学术
5. I. Zidi, K. Mesghouni, K. Zidi, K. Ghedira，“一个多目标模拟退火的多标准拨号骑乘问题，”人工智能工程应用第25卷，没有。6，页1121-1131,2012。查看在：出版商的网站|谷歌学术
6. D. Kirchler和R.Wolfler Calvo，“拨打拨号问题的粒子禁忌搜索算法”运输研究第B部分：方法论，第56卷，第120-135页，2013。查看在：出版商的网站|谷歌学术
7. G. Berbeglia，J.-f.Coreau和G. laporte，“动态拾取和交货问题”欧洲运营研究杂志(第202卷)1，第8-15页，2010。查看在：出版商的网站|谷歌学术
8. G. Berbeglia，J.-f.Corceau，I. Gribkovskaia和G. Laporte，“静态拾取和交货问题：分类计划和调查”最佳，卷。15，不。1，pp。1-31,2007。查看在：出版商的网站|谷歌学术
9. B. WZA，C.HH和B. SVU，“与电子商务建模城市出租车服务：排队网络方法，”运输研究部分C：新兴技术，第113卷，332-349页，2020年。查看在：谷歌学术
10. W. Zhang，H. Honnappa和S.V. Ukkusuri，“使用电子商务建模城市出租车服务：排队网络方法”交通交通理论国际研讨会的诉讼程序，洛桑，瑞士，2018年7月。查看在：谷歌学术
11. M. Mrad和L. Hidri，“在个人快速运输系统中排序车辆行程时，最佳消耗电能，”电脑与工业工程，卷。79，pp。1-9,2015。查看在：出版商的网站|谷歌学术
12. 成都和中国“基于遗传算法的动态宣布性模型研究”武汉工业大学学报（交通科学与工程），卷。10,2013。查看在：谷歌学术
13. A. Attanasio，J.-f.CORCEAU，G. Ghiani和G. Laporte，“平行禁忌搜索启发式动态多车辆拨号问题”，并行计算，第30卷，不。3，第377-387页，2004。查看在：出版商的网站|谷歌学术
14. J. Q. Li，P. B.Mirchandani和D. Borenstein，“一位拉格朗日启发式的实时车辆重新安排问题”，运输研究E部分，卷。45，不。3，pp。0-43,2009。查看在：出版商的网站|谷歌学术
15. 唐磊，“带时间窗的车辆路径问题的中断管理”，载于与当代智能计算技术的各个方面的高级智能计算理论与应用国际会议的诉讼程序2007年8月，中国青岛。查看在：谷歌学术
16. U. Dorndorf, F. Jaehn, C. Lin, H. Ma, E. Pesch，“登机口安排中的干扰管理”，Statistica Neerlandica(第61卷第1期)1，页92-114,2007。查看在：出版商的网站|谷歌学术
17. J. Clausen, A. Larsen, J. Larsen, and N. J. Rezanova，“航空业的干扰管理——概念、模型和方法”，计算机与运筹学，第37卷，no。5, pp. 809-821, 2010。查看在：出版商的网站|谷歌学术
18. Xu d、Xiao r，“基于中断管理的食品配送VRP建模与智能求解”，国际计算机应用技术杂志第44卷，第2期。2, p. 80, 2012。查看在：出版商的网站|谷歌学术
19. 曾强，胡晓，王文建，闫飞，“集装箱码头泊位分配问题的中断管理模型及其算法，”国际创新计算信息杂志ICICIC，卷。7，不。5B，PP。2763-2773，2011。查看在：谷歌学术
20. A. Z.Zeng，C.F.Durach和Y.Fang，“城市公共电车系统中断恢复服务的协作决定”，运输研究部分E：物流和交通审查，卷。48，不。3，pp。578-590,2012。查看在：出版商的网站|谷歌学术
21. J. Jespersen-Groth, D. Potthoff, J. Clausen等人，客运铁路运输的中断管理，经济学研究所研究论文，鹿特丹，Erasmus，2007。
22. J. F. O. Corkeau和G. Laporte，“禁忌搜索启发式静态多车辆拨号问题”，交通运输研究(二)，第37卷，no。6,594页，2003。查看在：出版商的网站|谷歌学术

版权

版权所有©2021 Siqi Wang等人。这是分布下的开放式访问文章创意公共归因许可证如果正确引用了原始工作，则允许在任何媒体中的不受限制使用，分发和再现。