A truck and drones model for last-mile delivery: A mathematical model and heuristic approach

卡车 启发式 无人机 计算机科学 整数规划 最后一英里(运输) 布线(电子设计自动化) 车辆路径问题 运筹学 实时计算 运输工程 工程类 数学优化 汽车工程 英里 计算机网络 算法 数学 人工智能 物理 生物 遗传学 天文
作者
Mohammad Moshref‐Javadi,Ahmad Hemmati,Matthias Winkenbach
出处
期刊:Applied Mathematical Modelling [Elsevier]
卷期号:80: 290-318 被引量:183
标识
DOI:10.1016/j.apm.2019.11.020
摘要

We present a mathematical formulation and a heuristic solution approach for the optimal planning of delivery routes in a multi-modal system combining truck and Unmanned Aerial Vehicle (UAV) operations. In this system, truck and UAV operations are synchronized, i.e., one or more UAVs travel on a truck, which serves as a mobile depot. Deliveries can be made by both UAVs and the truck. While the truck follows a multi-stop route, each UAV delivers a single shipment per dispatch. The presented optimization model minimizes the waiting time of customers in the system. The model determines the optimal allocation of customers to truck and UAVs, the optimal route sequence of the truck, and the optimal launch and reconvene locations of the UAVs along the truck route. We formulate the problem as a Mixed-Integer Linear Programming (MILP) model and conduct a bound analysis to gauge the maximum potential of the proposed system to reduce customer waiting time compared to a traditional truck-only delivery system. To be able to solve real-world problem size instances, we propose an efficient Truck and Drone Routing Algorithm (TDRA). The solution quality and computational performance of the mathematical model and the TDRA are compared together and with the truck-only model based on a variety of problem instances. Further, we apply the TDRA to a real-world case study for e-commerce delivery in São Paulo, Brazil. Our numerical results suggest significant reductions in customer waiting time to be gained from the proposed multi-modal delivery model.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
2秒前
CodeCraft应助顺利的绿柏采纳,获得10
2秒前
爆米花应助友好伟诚采纳,获得10
3秒前
京墨天一完成签到,获得积分10
3秒前
周一完成签到,获得积分10
4秒前
左友铭完成签到 ,获得积分10
5秒前
莫三颜完成签到 ,获得积分10
6秒前
小杭76应助lixx采纳,获得10
6秒前
屁王完成签到,获得积分10
7秒前
7秒前
DoubleLD发布了新的文献求助10
7秒前
寻星子发布了新的文献求助10
7秒前
7秒前
8秒前
靓仔完成签到,获得积分10
10秒前
10秒前
11秒前
Sun完成签到,获得积分10
11秒前
cc与车夫发布了新的文献求助10
12秒前
abb完成签到 ,获得积分10
12秒前
12秒前
13秒前
14秒前
磨磨发布了新的文献求助10
15秒前
懵懂的冰海完成签到,获得积分20
15秒前
15秒前
16秒前
哈哈哈哈发布了新的文献求助10
18秒前
xxfsx应助666采纳,获得10
18秒前
18秒前
生动的沧海完成签到,获得积分10
19秒前
陌上发布了新的文献求助10
19秒前
ink完成签到 ,获得积分10
20秒前
JEssie完成签到,获得积分10
21秒前
22秒前
22秒前
涵泽发布了新的文献求助10
25秒前
哈哈哈哈完成签到,获得积分10
26秒前
28秒前
高分求助中
HIGH DYNAMIC RANGE CMOS IMAGE SENSORS FOR LOW LIGHT APPLICATIONS 1500
Constitutional and Administrative Law 1000
Microbially Influenced Corrosion of Materials 500
Die Fliegen der Palaearktischen Region. Familie 64 g: Larvaevorinae (Tachininae). 1975 500
The Experimental Biology of Bryophytes 500
Numerical controlled progressive forming as dieless forming 400
Rural Geographies People, Place and the Countryside 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 物理化学 基因 遗传学 催化作用 冶金 量子力学 光电子学
热门帖子
关注 科研通微信公众号,转发送积分 5379826
求助须知:如何正确求助?哪些是违规求助? 4504037
关于积分的说明 14017191
捐赠科研通 4412828
什么是DOI,文献DOI怎么找? 2423948
邀请新用户注册赠送积分活动 1416842
关于科研通互助平台的介绍 1394454