改进充电策略下电动车辆路径问题建模与仿真

目前电动车辆路径问题中的充电策略通常是完全充电策略，会带来充电时间不灵活，难以满足客户时间

电动车辆具有能源利用效率高、零污染、低噪音等优点，是全球汽车产业的发展方向，更是我国国家战略框架下交通运输行业未来发展的重要选择。与传统燃油汽车相比，电动车辆具有续航里程短、充电时间长、且充电设施少等特点。为了提高电动车辆的推广效率，降低电动车辆运营成本，必须在路径规划时考虑充电策略。因此，针对电动车辆充电策略的研究，成为当前电动车辆运营领域的研究热点。

充电策略包括充电时间决策、充电站决策和充电电量决策三部分内容。现有的充电策略通常是完全充电策略，即在电池电量无法续航至下一客户点时才就近访问充电站，并充至满电状态。完全充电策略会导致车辆充电时间不灵活，难以满足客户时间窗等电动车辆用户比较关注的问题。

目前，考虑充电策略的电动车辆路径问题的研究还处于起步阶段，相关文献还较少。有些学者着重于设置决策变量进行了电动车充电策略研究，文献[1]运用节约算法对电动车辆充电策略进行研究，建立了以行驶距离最小为目标的数学模型。文献[2]在电动车辆路径问题中考虑客户服务时间窗，并提出了求解该问题的变邻域搜索和禁忌搜索相结合的混合启发式算法。

文献[3]放松了完全充电限制而允许部分充电， 使得车辆的充电时间更灵活，因而在实际问题中更实用。文献[4]研究了考虑部分充电的带时间窗电动车辆选址–路径规划问题，同时考虑电动车辆的路径规划和充电站的选址决策。此外，还有些学者对充电策略的算法进行创新，文献[5]将车辆在充电站的充电水平设置为变量，运用模拟退火算法对不同规模的算例测试，验证了其模型与算法的有效性。文献[6]提出了4 种充电策略，并对各充电策略下的车辆路径进行了对比分析。文献[7]考虑充电策略与电池损耗对运营成本的影响，并提出了求解该模型的自适应大邻域搜素算法。

本文研究的电动车辆路径问题基于改进充电策略，即每次只充需要的电量，从而可以更加灵活地安排充电时间，更好地满足客户时间窗。将车辆充电时间点、充电站点和充电电量作为决策变量，以由车辆使用成本、电量消耗成本、充电时间成本和违背时间窗惩罚成本所组成的运营总成本最小为目标函数， 建立了混合整数规划模型，并提出了求解该问题的自适应遗传算法融合模拟退火算法的混合算法。

2. 问题描述与数学模型 2.1. 问题描述与假设 改进充电策略下电动车辆路径问题可描述为：电动车辆从车库出发，满足装载容量、客户时间窗等基本约束的前提下，还需满足里程约束、电量约束等电动车辆特有的约束，确定电动车辆的行驶路径及