Научно-техническиеѝведомостиѝСПбГПУѝ6’ѝ2011.
ѝЭкономическиеѝнауки
УДКѝ338.2ѝ
МАТЕМАТИЧЕСКИЕ МЕТОДЫ РЕШЕНИЯ ЗАДАЧИ МАРШРУТИЗАЦИИ
МЕЛКОПАРТИОННЫХ ПЕРЕВОЗОК
В Российской Федерации, как и в других стра-
нах, грузовой автомобильный транспорт является
одной из крупнейших базовых отраслей хозяй-
ства. В связи с этим особую важность приобретает
задача соответствия грузового автомобильного
транспорта предъявляемым требованиям. Он
должен отвечать своему назначению, эффектив-
но удовлетворять потребности в перевозках.
Внедрение математических методов для ре-
шения задачи маршрутизации мелкопартионных
перевозок позволяет повысить научный уровень
экономических решений и соответственно обес-
печить сокращение транспортных затрат. При-
менение математических методов в сфере управ-
ления работой грузового автомобильного транс-
порта особенно актуально, так как важнейшие
показатели перевозки – среднее расстояние пере-
возки и длительность перевозки – означают соче-
тание пространственных и временных факторов.
Учитывать партионность при оценке эконо-
мической эффективности работы грузового
автотранспорта рекомендовал еще Л.В. Канто-
рович [8]. Мелкопартионная перевозка – это до-
ставка небольших партий продукции от одного
производителя (продавца) одним транспортным
средством конечному числу разных грузополу-
чателей. На мелкопартионные перевозки прихо-
дится всего 2 % транспортной работы, при этом
транспортные затраты составляют 32 % [7].
Особенности мелкопартионных перевозок:
– непостоянное обеспечение полной загрузки
автотранспортного средства (АТС) на всем
маршруте следования;
– повышение тарифов перевозчиками из-за
неполной загрузки АТС;
– как правило, небольшие расстояния между
получателями и небольшой километраж всей
перевозки;
– необходимость повышенного внимания ра-
бочих при комплектовании партий, трудоем-
кость погрузо-разгрузочных работ.
222
В.М. Никоноров
Данные особенности обусловливают высо-
кую себестоимость мелкопартионных перевозок.
Возможности снижения себестоимости мелко-
партионных перевозок имеют следующее соот-
ношение: если принять сокращение транспорт-
ных затрат за 100 %, то из них 25 % приходится
на рациональный выбор маршрутов и 75 % – на
оптимизацию структуры парка АТС [5].
Реальные условия планирования работы
АТС таковы, что наибольшая свобода имеется
в выборе маршрутов движения АТС, но не в вы-
боре вида автомашины. Следовательно, одна из
основных задач, которую надо решить для сни-
жения себестоимости мелкопартионных перево-
зок, – задача маршрутизации (Vehicle Routing
Problem, VRP). Задачу маршрутизации можно
сформулировать так: необходимо заданным
парком автомашин наиболее эффективно до-
ставить груз от отправителя к получателям
с учетом ограниченного времени работы авто-
машины, ее вместимости, скорости [6].
Целесообразному сокращению объемов
транспортной работы, повышению эффектив-
ности использования мощностей способствует
рационализация схем перевозок наиболее
транспортоемкой продукции (уголь, металл,
руда, нефть, лесные и хлебные грузы). Исходны-
ми данными для решения этой задачи служат
объемы производства и потребления продукции,
возможные способы и маршруты ее доставки
и соответствующие им затраты на транспорти-
ровку. В результате определяется схема опти-
мального прикрепления потребителей к постав-
щикам, при которой потребности грузополуча-
телей будут полностью удовлетворены
с минимальными суммарными затратами на пе-
ревозку [8].
В данном случае эффективность означает
передвижение автомашин по кратчайшим
маршрутам. Следовательно, решение задачи
обеспечивает минимальные транспортные за-

траты при минимизации общей протяженности
маршрутов.
Цель нашего исследования – классифициро-
вать математические методы решения задачи
маршрутизации и выявить наиболее перспектив-
ные методы.
Основные методы решения задачи маршру-
тизации для мелкопартионных перевозок:
– динамическое программирование;
– целочисленное линейное программирование;
– метод «ветвей и границ»;
– методы локальной оптимизации;
– методы случайного поиска;
– эвристические методы:
– теория расписаний;
– имитационное моделирование [6].
Число математических методов, используе-
мых для решения задачи маршрутизации, по-
Перечень и время появления математических методов для решения задачи маршрутизации
Метод
Методы, обеспечивающие получение оптимального решения
I. Динамическое программирование
II. Целочисленное линейное программирование
III. Метод «ветвей и границ»
Методы, обеспечивающие получение приближенного решения
I. Методы локальной оптимизации
1. Алгоритм инверсий
II. Методы случайного поиска
1. Микрорайонирование клиентов
2. Ситуационное планирование
III. Эвристические методы
1. Экономизирующий метод
2. Метод суммирования по столбцам
3. Выбор по кратчайшей связывающей сети
4. Метод «метлы»
5. Метод Рена – Холлидея
IV. Теория расписаний
V. Имитационное моделирование
Экономико-математическиеѝметодыѝиѝмодели
стоянно увеличивается. Время появления этих
методов представлено в таблице.
Задача маршрутизации – это NP-полная за-
дача. Для того чтобы найти точное решение
задачи маршрутизации, придется перебрать все
возможные решения и выбрать лучшее из них.
Это означает, что время решения такой задачи
возрастает по экспоненте в зависимости от
числа получателей груза. Поэтому ныне из-
вестные методы, обеспечивающие точное ре-
шение задачи маршрутизации, применимы для
решения задач небольшой размерности. Это
является основанием для применения эвристи-
ческих или приближенных алгоритмов реше-
ния задачи маршрутизации, методов локальной
оптимизации, методов случайного поиска, тео-
рии расписаний, имитационного моделиро-
вания.
Кто и когда предложил
Р. Беллман, М. Хелд, Р. Карп (1964)
С. Миллер, А. Таккер, Р. Землин (1960)
Дж. Литтл, К. Мурти, Ф. Шапиро (1965)
G. Groes (1958)
Б.В. Семенов (1970)
А. Чалый, Б. Рыбак (1982)
Г. Кларк, Дж. Райт (1964)
А.И. Воркут (1982)
А.И. Воркут (1982)
B. Gillet, L. Miller (1974)
А. Рен, А. Холлидей (1972)
Д.М. Орлов (1968)
Л.Б. Миротин, А.Г. Гольдин, Б.П. Безель (1989)
223
 Научно-техническиеѝведомостиѝСПбГПУѝ6’ѝ2011.ѝЭкономическиеѝнауки
Рассмотрим наиболее известные методы ре-
шения задачи маршрутизации.
Эффективность математических методов
решения задачи маршрутизации принято оце-
нивать, применяя в качестве оселка задачу ком-
мивояжера. Это простейшая задача развозки,
которая формулируется следующим образом:
автомашине требуется доставить груз от одного
отправителя n получателям, не заезжая при этом
дважды к одному и тому же получателю. При
этом пробег должен быть минимальный.
Методы, обеспечивающие получение
оптимального решения
1. Методы динамического программирования.
Методы динамического программирования для
решения задачи коммивояжера применили
Р. Беллман [2], М. Хелд и Р. Карп. Основная идея
этого метода заключается в следующем. Весь
процесс вычислений разбивается на n + 1 стадий,
где n – общее количество пунктов доставки. На
каждой стадии k рассматривается пункт, номер
которого равен номеру стадии. Для каждой ду-
ги, выходящей из этого пункта, подсчитывается
оценка (функция состояния) Fk  1 , и из всех оце-
нок выбирается та, которая имеет минимальное
значение. Соответствующая выбранной дуге
комбинация пунктов проверяется на выполне-
ние условий:
1) в каждый пункт входит только одна дуга;
2) из каждого пункта выходит только одна дуга;
3) в полученном фрагменте маршрута до-
ставки груза нет подциклов (участков, замкну-
тых на себя).
Если на данной стадии все дуги нарушают эти
условия, то производится возврат на одну стадию
назад и принятая на этой стадии дуга (k – 1) – j
игнорируется и выбирается следующая по оценке
F( k  1)  i  F( k  1)  j дуга. Если условия не наруше-
ны хотя бы для одной дуги, то производится пе-
реход на одну стадию вперед. Вычисления закан-
чиваются, когда достигнута n + 1 стадия.
2. Методы целочисленного программирования.
Методы целочисленного программирования
(ЦП) для решения задачи коммивояжера приме-
нили С. Миллер, А. Таккер и Р. Землин [18].
В задачах маршрутизации мы имеем дело с дис-
кретными ресурсами: у нас конечное целое чис-
ло автомашин, конечное целое число получате-
224
лей. Возникает система линейных ограничений
в пространстве целочисленных переменных, и мы
имеем дело с задачей ЦП. В конце 1970-х гг. счи-
талось успехом решение задачи из 100 городов
и 10 000 бинарных переменных (матрица крат-
чайших расстояний 100  100).
3. Метод «ветвей и границ». Использование
метода «ветвей и границ» для решения задачи
коммивояжера впервые описано в работе [10].
На каждом шаге все множество путей коммиво-
яжера разбивается на два непересекающихся
подмножества, и для каждого подмножества
определяется нижняя граница решения. Одно
подмножество путей образует пути, которые
включают дугу (i – j), а другое – пути, которые
эту дугу не включают. В процессе решения стро-
ится «дерево» вариантов, имеющее в каждой
вершине две ветви. Если соответствующий од-
ной из ветвей «дерева» вариант обхода пунктов
имеет длину пути не большую, чем нижняя гра-
ница любого из неразбитых подмножеств, то
этот путь является оптимальным. Если какое-
либо неразбитое подмножество имеет нижнюю
границу меньшую, чем длина найденного пути,
то полученное решение и его нижняя граница
запоминаются, а решение продолжается с того
подмножества, которое имеет минимальную
нижнюю границу. Процесс вычислений продол-
жается, пока не будет найден путь, длина кото-
рого не превышает нижних границ неразбитых
подмножеств, или пройдены все пути.
Методы, обеспечивающие получение
приближенного решения
1. Эвристические методы. Основная идея ме-
тода Кларка – Райта (он же экономизирующий
метод, он же метод «функции выгоды») [15] за-
ключается в преобразовании начальной системы
маршрутов таким образом, чтобы каждое от-
дельное преобразование давало наибольшее
улучшение.
Г. Кларком и Дж. Райтом в качестве показате-
ля улучшения маршрутов предложена экономия
пробега. Предположим, у нас есть два получателя i
и j, которым требуется доставить товар. Можно
доставить товар либо двумя радиальными марш-
рутами, либо одним кольцевым (см. рисунок).
В первом случае общий пробег составит:
L1 = 2l0i + 2l0j . (1)

Покупатель i
Поставщик 0
Покупатель j
Радиальный и кольцевой маршруты
Во втором случае общий пробег составит:
L2 = l0i + lij + l0j .
Экономия (функция выгоды) при приме-
нении кольцевого маршрута вместо двух
радиальных:
f (i, j) = L1 – L2 = l0i + l0j – lij .
Когда мы решаем задачу развозки мелко-
партионных грузов, имеем n получателей.
Составляем систему из n радиальных маршрутов
{0, i, 0}, где i = (1, 2, 3, 4, …, n). Система
радиальных маршрутов удовлетворяет условиям
задачи развозки, но содержит много мелких
маршрутов. Эту систему преобразовываем,
постепенно объединяя маршруты (превращая
радиальные маршруты в кольцевые). Маршруты
объединяем с учетом значений функции выгоды,
стремясь к наибольшему сокращению длины
маршрутов.
2. Методы случайного поиска. Заказ грузо-
получателя постоянно меняется, тем не менее
грузоотправитель хочет работать в условиях
стабильности. Заказ грузополучателя рассмат-
ривается как случайная величина, проводится
статистическая обработка заказов по наб-
ранной статистике, выявляются закономерно-
сти. Затем производится микрорайонирование
клиентов [3, 14] или ситуационное планирова-
ние [16].
Микрорайонирование клиентов предусматри-
вает объединение в группы грузополучателей,
имеющих близкие графики завоза груза и нахо-
дящихся в одном микрорайоне. Территория
микрорайона может быть ограничена либо
квадратом с диагональю 5–6 км, либо сектором
с вершиной в пункте дислокации поставщика.
Основной принцип ситуационного планиро-
вания – выделение базовых транспортных ситуа-
ций, чередованием которых можно воспроиз-
вести все исходное множество ситуаций.
3. Методы локальной оптимизации. Сущность
методов локальной оптимизации: берется любое
Экономико-математическиеѝметодыѝиѝмодели
Покупатель i
Поставщик 0
Покупатель j
допустимое решение задачи и затем путем до-
(2) статочно простых преобразований делается по-
пытка его улучшить.
Хорошо известен «алгоритм инверсий» [17].
В имеющемся маршруте заменяются два звена на
два новых звена. Маршрут остается замкнутым.
(3) Причем фрагмент маршрута надо будет пройти
в направлении, противоположном исходному
(инвертировать). Если длина маршрута в резуль-
тате этой операции уменьшится, операцией ин-
версии следует пытаться улучшить и полученный
новый маршрут. И так до тех пор, пока эта опе-
рация не станет невозможной.
4. Методы теории расписаний. Задача маршру-
тизации автомобильного транспорта по своей
математической сущности ближе всего именно
к задачам теории расписаний [6]. Одной из первых
работ, посвященных решению задачи маршрути-
зации с позиций теории расписаний, стала [13]. Ее
автор предложил решение задачи поставок бетона
посредством составления почасового графика.
Также в работе [11] предложен алгоритм
приближенного решения задачи о часовых гра-
фиках доставки стройматериалов на стройки.
Описание задачи перевозок грузов как спе-
циальной задачи маршрутизации приводится
в работе [9].
5. Имитационное моделирование. Перспектив-
ным методом решения задач маршрутизации
является имитационное моделирование.
Так, в работе [12] имитируется процесс
составления оптимальных маршрутов автомо-
билей при перевозке крупнотоннажных контей-
неров в транспортном узле.
В работе [4] рассмотрены вопросы составле-
ния имитационных моделей, моделирующих пе-
ревозку продуктов.
Вопросы имитационного моделирования
производственно-транспортных систем раскры-
вает работа [1].
Применение метода имитационного моде-
лирования для решения задачи развозки мелко-
225
 Научно-техническиеѝведомостиѝСПбГПУѝ6’ѝ2011.ѝЭкономическиеѝнауки
партионных грузов обусловлено следующими
факторами:
– сложная структура маршрутов и временных
окон погрузки и разгрузки создают сложный
объект моделирования;
– заказы получателей продукции постоянно
меняются во времени и пространстве, меняются
соответственно и маршруты развозки мелко-
партионных грузов;
– необходимость исследования в динамике
процесса функционирования системы развозки
мелкопартионных грузов.
По результатам проведенного исследования
можно сделать следующие выводы:
– предложено классификационное дерево матема-
тических методов решения задачи маршрутизации;
СПИСОКѝЛИТЕРАТУРЫѝ
1. Безель, Е.П. Имитация на персональных ком-
пьютерах работы транспортно-производственных
систем [Текст] / Е.П. Безель, Л.Б. Миротин, Т.Е. Су-
лейменов. – М.: МАДИ, 1993. – 160 с.
2. Беллман, Р. Применение динамического про-
граммирования к задаче о коммивояжере [Текст] /
Р. Беллман // Кибернетический сборник. – 1964. –
Вып. 9. – С. 219–222.
3. Воркут, А.И. Транспортное обслуживание тор-
гово-оптовых баз [Текст] / А.И. Воркут и др. – Киев:
Техника, 1985. – 112 с.
4. Геронимус, Ю.В. Имитационное моделирова-
ние производственно-транспортной системы [Текст] /
Ю.В. Геронимус // Основные методические положения
применения имитационного моделирования в эконо-
мических исследованиях: сб. ст. / под ред. К.А. Багри-
новского. – М.: ЦЭМИ АН СССР, 1988. – 220 с.
5. Говорущенко, Н.Я. Основы управления авто-
мобильным транспортом [Текст] / Н.Я. Говорущенко. –
Харьков: Вища шк., 1978. – 224 с.
6. Житков, В.А. Планирование автомобильных
перевозок грузов мелкими партиями [Текст] /
В.А. Житков. – М.: Транспорт, 1976. – 112 с.
7. Житков, В.А. Методы оперативного планиро-
вания грузовых автомобильных перевозок [Текст] /
В.А. Житков, К.В. Ким. – М.: Транспорт, 1984. – 213 с.
8. Канторович, Л.В. Проблемы эффективного ис-
пользования и развития транспорта [Текст] / Л.В. Кан-
торович. – М.: Наука, 1989. – 304 с.
9. Ким, С.В. Об одной задаче составления графи-
ка [Текст] / С.В. Ким, Г.А. Крайнов, Е.В. Сурменов //
Экономика и математические методы. – 1976. – № 4. –
С. 768–772.
10. Литтл, Дж. Алгоритм решения задачи комми-
вояжера // Экономика и математические методы
226
– методы, обеспечивающие получение оптималь-
ного решения, работают для задач малой размер-
ности (до 75 в случае метода «ветвей и границ»);
– методы, обеспечивающие получение прибли-
женного решения, дают субоптимальное решение;
– на практике мелкопартионные перевозки
подразумевают развозку продукции в соответ-
ствии с ассортиментом и часовыми графиками
поставки. Эти дополнительные условия услож-
няют объект исследования и снижают эффек-
тивность приведенных методов. Наиболее эф-
фективными становятся эвристические методы,
в частности метод Кларка – Райта;
– к сожалению, за рамками статьи остались
достаточно интересные методы – генетический
алгоритм, метод имитации отжига.
[Текст] / Дж. Литтл и др. – 1965. – № 1. – С. 94–107.
11. Мартин, Э. Алгоритм приближенного реше-
ния задачи о часовых графиках [Текст] / Э. Мартин //
Механизация учета, отчетности и вычислительных
работ. – Вып. 2. – М.: Статистика, 1967. – С. 83–84.
12. Миротин, Л.Б. Моделирование работы авто-
мобильного транспорта при перевозках крупнотон-
нажных контейнеров в транспортном узле [Текст] /
Л.Б. Миротин, А.Г. Гольдин, Б.П. Безель. – М.:
МАДИ, 1989. – 55 с.
13. Орлов, Д.М. Составление почасовых графиков
поставок бетона с учетом минимизации простоев бе-
тономешалок и автотранспорта [Текст] / Д.М. Орлов //
Оперативное управление производством: тез. докл. –
Л.: ЛДНТИ, 1968. – 36 с.
14. Семенов, Е.В. Составление на ЭВМ графика
подачи автомашин под погрузку и доставку готовой
продукции в торговую сеть с одновременным подбо-
ром оптимальных маршрутов [Текст] / Е.В. Семенов
и др. // Тр. ВНИИМП. – 1970. – Вып. 27. – С. 212–215.
15. Clark, G. Sheduling of vehicles from a central de-
pot to a number of delivery points [Text] / G. Clark,
J. Wright // Operational Research Quarterly. – 1964. –
Vol. 12, no. 4. – P. 568–581.
16. Evans, S.R. The impact of a decision-support sys-
tem for vehicle routing in foodservice supply situation
[Text] / S.R. Evans, J.P. Norback // Operational Research
Quarterly. – 1985. – Vol. 36, no. 4. – Р. 467–472.
17. Groes, G. A Method for Solving Travelling Sales-
man Problems [Text] / G. Groes // Operations Research. –
1958. – Vol. 6, no. 5. – Р. 791–812.
18. Miller, C.E. Integer programming formulation
of travelling salesman problems [Text] / C.E. Miller,
A.W. Tucker, R.A. Zemlin // J. Assoc. Comput. Mach. –
1960. – No. 4. – P. 326–329.