车辆调度问题一直是物流配送活动中的重要问题,安排合理的车辆配送路线可以有效降低配送成本,提高服务质量。然而物流配送系统较为复杂,经常会出现一些不确定因素影响物流配送业务的正常执行。这些不确定因素有些来自于配送车辆本身,如车辆故障,车辆维修;有些来自于交通情况,如交通拥堵,天气突变;有些来自于客户,如需求变动,时间窗变动等。现实情况下配送车辆可能会因各种突发事件而无法在约定时间窗内到达服务地点,或原本约定的需求量无法满足当前的需求,从而客户不得不在物流配送服务已经开始之后,临时变动其服务时间窗或需求量,即客户配送要求发生变动。这就需要物流配送企业及时应对这些客户信息变动,在尽量满足其服务需求的同时,保证其他客户的服务质量,使干扰事件对整个物流配送系统的扰动程度达到最低。另一方面,在实际的物流配送活动中,经常有将配送车辆的送货业务和取货业务相结合的情况,即车辆在客户处同时进行送货和取货服务,因此同时送取货情况下有客户配送要求变动的车辆调度问题也是值得研究的重要问题。车辆调度问题是一个NP难题,在求解上十分困难。因此,如何快速有效地处理配送活动中有客户配送要求变动的车辆调度问题,最大限度地减少干扰事件对原物流配送计划产生的影响,已成为物流企业所关注的亟待解决的重点问题。为此,本文针对客户配送要求变动的车辆调度问题进行了深入研究,主要研究工作如下:首先,对客户时间窗变动的车辆调度问题进行了分析研究。基于干扰管理思想,从物流成本、服务时间和路径改变三个方面进行扰动度量,建立了以广义费用偏离最小为目标的时间窗变动下车辆调度干扰管理模型。通过分析同时送取货车辆调度问题相对于一般车辆调度问题的特殊性,建立了以广义费用偏离最小为目标的时间窗变动下同时送取货车辆调度干扰管理模型。基于时间窗变动干扰辨识的结果,设计了启发式车辆调度算法进行求解。算例结果验证了方法的有效性,可以快速有效地生成扰动最小的配送车辆调度方案。其次,对客户需求变动的车辆调度问题进行了分析研究。基于干扰管理思想,从物流成本和服务时间两个方面进行扰动度量,建立了以广义费用偏离最小为目标的需求变动下车辆调度干扰管理模型。通过分析同时送取货车辆调度问题相对于一般车辆调度问题的特殊性,建立了以广义费用偏离最小为目标的需求变动下同时送取货车辆调度干扰管理模型。基于需求变动干扰辨识的结果,设计了启发式车辆调度算法进行求解。算例结果验证了方法的有效性,可以快速有效地生成扰动最小的配送车辆调度方案。然后,对客户需求和时间窗同时变动下的车辆调度问题进行了分析研究。基于干扰管理思想,从物流成本和服务时间两个方面进行扰动度量,并考虑车辆在客户的等待时间因素,建立了以广义费用偏离最小为目标的车辆调度干扰管理模型。通过分析同时送取货车辆调度问题相对于一般车辆调度问题的特殊性,建立了以广义费用偏离最小为目标的同时送取货车辆调度干扰管理模型。设计了启发式车辆调度算法进行求解。算例结果验证了方法的有效性,可以快速有效地生成扰动最小的配送车辆调度方案。最后,对物流配送过程中客户实时出现的不确定性问题进行了分析研究。通过预测配送过程中可能出现的客户位置和需求量,提前安排车辆的行驶路线、载货量和时间点,从而做到快速响应新客户的需求,服务尽可能多的客户。本文将通过预测所产生的可能出现的客户看做虚拟客户,运用泊松过程原理,结合经验数据中客户需求出现的频率预测出虚拟客户,将真实和虚拟客户的配送需求同时考虑,建立了以期望配送总成本最小化为目标的配送车辆调度模型。设计了改进遗传算法进行求解,通过算例验证了方法的有效性,可以快速响应新客户的需求,提高服务水平。本文针对物流配送过程中的不确定性问题,从事前和事中两个方面考虑,一方面通过运用干扰管理思想,研究了客户配送要求变动的车辆调度问题,建立了相应的干扰管理模型并设计了求解算法,从事中解决干扰问题;另一方面运用泊松过程原理,研究了有新客户出现情况下基于预测的车辆调度问题,建立了相应的车辆调度模型并设计了求解算法,从事前解决不确定性问题。本文的方法可以为物流企业及时应对配送过程中客户的不确定性问题提供决策支持。