物料配送作为制造业生产过程中重要的一环,其配送效率的提升及配送成本的降低对于增加企业利润及提高客户满意度具有举足轻重的作用。不同生产企业内部物料配送的工具及方式也不尽相同。重型产品生产具有工艺复杂、物料多、生产时间长等特点,为承担多物料运输任务,常选择天车、叉车等多种车型同时进行物料配送。前人对于车辆路径优化的研究多拘泥于一种类型的配送车辆,且多关注于地面运输车,对天车等在空中完成运输的机械研究较少。但在重型装配车间现实配送中,天车及地面运输车具有不同的装载能力、配送目标及行驶特点,对车间内各种车型配送路径优化问题的系统研究具有深远的现实意义。本文基于以上考虑,立足于大型装配车间多种类型地面运输车及天车共同进行物料配送的现状,对车间内物料配送路径优化问题进行研究,以期对该车间物料配送提供理论与实际支持。本文首先对于车辆路径优化问题、天车配送问题及混合优化算法进行了大量的研究。研究表明,国内外学者在对天车配送问题进行分析时,天车承担的配送任务大多较少,小于30个,这与部分车间天车极为忙碌的工作状态相矛盾;且前人较少对于生产车间天车及地面运输车同时配送路径问题进行优化。基于此,本论文确定了应用混合优化算法对重型装配车间天车及多种类型地面运输车车辆路径规划问题进行系统地优化设计的研究思路。其次,对于本文将运用到的遗传算法、蚁群算法、遗传蚁群融合算法及K-means聚类分析进行了较为详实的介绍。经分析发现,遗传算法及蚁群算法均具有较强的并行性及自组织性,适宜于求解车辆路径规划等较为复杂的优化问题,且算法虽然各有缺点,但优势具有一定互补性,二者的融合可提高算法优化性能。在此基础上,本文采用遗传蚁群融合算法编写模型,该算法利用蚁群算法正反馈的特性优化遗传算法解的方向,有效的避免了遗传算法早熟收敛的缺点,提升了寻优效率。在梳理理论知识的基础上,对于重型装配C车间的组织结构、产品类型、车间布局及现行配送方式等信息进行了分析。经分析发现,C车间天车及地面运输车物料配送均存在问题。地面运输车配送存在的主要问题为:①地面运输车配送区域与天车重复,存在安全隐患;②配送车型及配送路线随意,配送成本高;③配送人员利用率低;④配送车辆车型选择欠佳。天车配送存在的主要问题为:①物料配送及时性得不到保障;②配送任务较多,配送路径待优化;③配送过程变动较多,天车操作人员疲劳工作。针对于以上问题分别提出了改善方案,并据此重新规划了车间配送路线。基于改善方案建立多种类型地面运输车车辆路径优化模型。多车型软时间窗车辆路径优化模型以配送总成本最低为目标函数,其包括固定成本、装载行驶成本、空载行驶成本及时间惩罚成本四个部分。分别用遗传算法及遗传蚁群融合算法进行优化,并对算法的关键环节进行了设计。优化结果表明,遗传蚁群融合算法优于遗传算法,经优化后,配送成本从2502/台降低至2202/台,成本降低12%。配送距离减少114米/台,降低7.6%,配送及时性大幅提升,提前配送时间降低32.6%,延迟配送时间降低 81.8%。针对天车物料配送调度及路径优化问题,基于本文中天车配送具有多任务、配送资源相对缺乏的特性,运用K-means聚类分析方法按照任务需求时间窗对配送任务进行聚类分析,进而转化为6个旅行商问题。建立旅行商优化模型,应用遗传蚁群融合算法对其进行求解,并按照每个聚类组的开始及结束时间依次对其进行连接。结果表明,优化后配送总成本较优化前减少575元/台,节省10.8%,配送延迟时间降低11.4%,且天车操作员可调整时间为优化前的1.45倍,可为其提供更为充足的调整时间。与大多学者对装配车间的研究仅局限于某一种或几种车型不同,本文从配送全局角度对多种类型地面运输车及天车进行车辆路径优化分析,且基于天车作业多任务的特点,按照配送时间窗对各配送任务进行聚类分析,以简化配送模型,所得结论对该类问题的理论分析及实际应用具有良好的指导意义。