本书在简要阐述旅行商问题、车辆路径问题的基础上，介绍了复杂约束车辆路径问题及其研究现状，并补充了实际物流企业涉及的多种新型约束，完善了实际物流优化调度中的各类约束条件。针对复杂约束车辆路径问题，作者基于蚁群优化算法及各组成环节的核心思想，针对多个核心步骤改进了算法，并且结合相关的算法研究，建立了一个针对实际物流调度问题的统一应用框架，该应用框架较好地优化了实际物流企业调度。最后，笔者结合蚁群优化算法和强化学习算法的优点，并针对它们的缺点和痛点，根据市场经济自动优化资源配置的机制及反垄断、风险投资机制，开创性地设计和建立了市场经济优化算法。
本书可作为从事智能优化算法及其应用研究，特别是组合优化问题研究的相关科技工作者、专业技术人员的参考书，也可作为计算机、运筹学等专业本科生及研究生的参考书。
随着电子商务、快递、外卖、生产供应链等业务的迅猛发展，物流作为基础行业也得到了快速发展，伴随而来的是物流成本及规模的日渐扩大，于是物流成本优化问题亟待系统性地解决。
一方面，作为物流行业核心的车辆路径问题（VRP），其主要目标是寻找一个成本最优路径。车辆路径问题属于组合优化问题，求解的难度随着规模的增大而急剧加大，称之为“组合爆炸”。另外，随着物流行业的发展，除了基本的车辆容量约束外，其他如异构车型、时间窗约束、甩挂运输、多仓库配送等新型的物流约束条件层出不穷，称之为复杂约束车辆路径问题（Rich VRP）。规模和约束的叠加使得复杂约束车辆路径问题的求解更为困难，更具有挑战性。
另一方面，随着计算机技术尤其是以5G通信为代表的通信技术及物联网技术的发展，物流、信息流、资金流中数据的收集、传输和处理的规模和速度也在不断增大，因此对物流运输优化提出了更高的效率需求。在物流运输过程中经常会出现各类突发事件，例如道路交通事故形成的交通阻塞，运输车辆发生事故或故障抛锚，以及客户现实情况的快速变化导致的加单、减单、取消、变更、延误等，这些意料之外的动态变化叠加近乎实时的数据信息收集及处理反馈要求，对解决复杂约束车辆路径问题算法提出了更高的要求。
笔者拥有25年以上的IT行业经验，长期在IT行业头部企业及500强外企工作，有着丰富的软件设计、开发和实践经验，且长期关注在蚁群优化算法及在复杂约束车辆路径问题方面的应用研究，笔者的研究均结合一些中大型物流企业的实际物流调度业务需求，并取得了20%~50%的实际优化效果。
在结合蚁群优化算法和强化学习算法的基础上，特别是针对蚁群优化算法的不足，笔者独自设计和实现了市场经济优化算法，并进行其在复杂约束车辆路径问题上的应用研究。市场经济优化算法的设计思想可有效解决易陷入局部最优和探索与利用困境的问题，其核心方法也适用于改进其他元启发式算法或强化学习算法。
学术研究只解决了核心问题解决方案的有无问题，实际应用研究还需要具备深厚的算法设计能力，以解决后续多个实际应用中的困难，这样才能将解决方案落地成为一个完整的可行性方案。
本书内容包括从学术层面介绍旅行商问题、车辆路径问题和复杂约束车辆路径问题，并综述了目前解决相应问题的各类算法，着重阐述了蚁群优化算法；最后针对复杂约束车辆路径问题，并结合实际物流企业的需求、实现及效果进一步展示了相关研究的实用价值。
本书结合笔者的IT企业经历及研究成果，综合学术研究和实际应用，具有较高的学术研究和实践参考价值，适合组合优化研究方向及实际物流优化的研究者参考。
著者
202302
第1章 绪论
1.1 物流行业背景及现状 /1
1.2 解决车辆路径问题的意义 /4
1.3 基本的旅行商问题和车辆路径问题 /5
1.3.1 旅行商问题（TSP） /5
1.3.2 车辆路径问题（VRP） /7
小结 /9
第2章 复杂约束车辆路径问题(Rich VRP)
2.1 复杂约束车辆路径问题（Rich VRP）的具体内容 /10
2.2 复杂约束车辆路径问题（Rich VRP）在实践中的新增约束 /15
2.3 其他车辆路径问题的研究现状 /19
2.4 车辆路径问题关联装载问题概述 /20
小结 /23
第3章 复杂约束车辆路径问题的算法现状
3.1 解决Rich VRP的算法研究概述 /24
3.2 解决Rich VRP的精确算法 /25
3.3 解决Rich VRP的近似算法 /28
3.4 解决Rich VRP的元启发式算法 /30
3.5 解决Rich VRP的机器学习算法 /36
3.6 解决Rich VRP的强化学习算法 /40
3.7 单智能体强化学习与多智能体强化学习 /41
3.8 主流强化学习与组合优化问题 /42
3.9 各类算法的比较 /43
小结 /47
第4章 蚁群优化算法及其改进研究
4.1 蚁群优化算法（ACO）原理 /48
4.2 选择蚁群优化算法（ACO）的原因 /50
4.3 蚁群优化算法（ACO）研究现状 /52
4.4 蚁群优化算法在Rich VRP的研究现状 /56
4.5 蚁群优化算法与强化学习算法的结合 /58
小结 /61
第5章 Levy ACO算法
5.1 莱维分布和莱维飞行模式概述 /62
5.2 Levy ACO的算法设计 /66
5.3 实验环境说明 /69
5.4 实验结果及其分析 /73
5.5 Levy ACO与其他最新算法的比较 /80
5.5.1 Levy ACO与ACO相关最新算法的比较 /80
5.5.2 Levy ACO与非ACO最新算法的比较 /83
小结 /84
第6章 Greedy Levy ACO算法
6.1 Epsilon Greedy机制 /85
6.2 Greedy Levy ACO的算法设计 /87
6.3 实验环境说明 /88
6.4 实验结果及其分析 /89
6.5 Greedy Levy ACO与其他最新算法的比较 /96
6.5.1 Greedy Levy ACO与ACO相关最新算法的比较 /96
6.5.2 Greedy Levy ACO与非ACO最新算法的比较 /99
小结 /100
第7章 Contributionbased ACO算法
7.1 强化学习算法中的奖励机制 /101
7.2 管理学激励理论概述 /102
7.3 经典ACO算法中的信息素更新逻辑 /103
7.4 Contributionbased ACO的算法设计 /104
7.5 实验环境说明 /106
7.6 实验结果及其分析 /106
7.7 ACO改进算法的比较、关系和作用 /112
小结 /116
第8章 Rich VRP分析及统一应用框架的建模
8.1 Rich VRP统一应用框架分析 /118
8.1.1 车型的定义及意义 /118
8.1.2 Rich VRP约束分析 /119
8.1.3 多车型车队概念 /121
8.1.4 多车型及多信息素 /122
8.1.5 多信息素下的ACO信息素逻辑 /124
8.1.6 信息素更新改进策略 /124
8.1.7 与车型无关约束的实现 /126
8.2 Rich VRP统一应用框架的ACO算法逻辑 /128
8.2.1 车辆选择逻辑 /128
8.2.2 候选节点选择逻辑 /129
8.3 Rich VRP统一应用框架性能提升的设计 /130
8.4 Rich VRP统一应用框架系统的实现条件 /131
8.4.1 开发语言的选择 /131
8.4.2 基础开发库的选择 /132
8.4.3 数据库中间件的选择 /132
8.4.4 电子地图的选择 /133
8.4.5 GPU或CPU等并行机制的选择 /133
8.5 Rich VRP统一应用框架实验结果 /135
小结 /138
第9章 Rich VRP的实际应用及效果分析
9.1 Rich VRP的应用背景 /139
9.2 Rich VRP的应用环境 /140
9.2.1 Rich VRP中的节点信息和订单信息 /141
9.2.2 Rich VRP中的路网信息 /141
9.2.3 Rich VRP中的车辆信息 /142
9.2.4 Rich VRP中的节点、路网、车辆、订单信息的关系 /143
9.3 Rich VRP应用实例 /143
9.3.1 某银行ATM机清机运钞车线路优化项目 /144
9.3.2 某汽车生产供应链优化项目 /146
9.3.3 某冷链互联网服务平台运输优化项目 /149
9.3.4 某仓储服务企业揽货线路优化项目 /150
9.3.5 某仓储服务企业仓库拣选运输优化项目 /153
小结 /155
第10章 市场经济优化算法（MEO-Q）
10.1 组合优化问题中的难点 /158
10.2 Qlearning算法及AntQ算法 /158
10.2.1 Qlearning算法 /158
10.2.2 AntQ算法及其与QLearning算法的比较 /160
10.2.3 现有算法的不足和市场经济优化算法的改进措施 /162
10.3 市场经济理论对于组合优化问题的意义 /163
10.4 市场经济优化算法的主要内容 /164
10.4.1 市场经济优化算法中的价格机制及成本利润模式 /165
10.4.2 市场经济优化算法中的反垄断机制 /167
10.4.3 市场经济优化算法中的风险投资机制 /170
10.4.4 市场经济优化算法中的总体算法结构 /171
10.4.5 市场经济优化算法中的其他设计 /173
10.5 市场经济优化算法的实验设置 /173
10.6 市场经济优化算法的实验结果 /173
10.6.1 市场经济优化算法实验总体结果 /173
10.6.2 市场经济优化算法实验中具体数据集的详细结果 /176
10.6.3 市场经济优化算法实验与最新强化学习算法性能的对比 /185
10.7 市场经济优化算法的后续研究 /186
10.7.1
市场经济优化算法后续改进之一——融合LKH算法 /186
10.7.2 市场经济优化算法后续改进之二——解的重复性过滤 /186
10.7.3
将市场经济优化算法应用于Rich VRP统一应用框架 /187
小结 /187
附录 英文缩写说明 /188
参考文献 /190
新书资讯