目录
1.研究领域概述
2.三篇核心论文共性分析
3.研究方向核心知识体系
4.最新研究进展与趋势
5.核心论文推荐
6.理论与技能要求
7.学习路径建议
1. 研究领域概述
1.1 什么是车辆-无人机协同物流路径优化
场景 | 特点 | 代表研究 |
城市末端配送 | 高密度、时间窗严格 | 李冬伟、韩晶 |
农村物流 | 道路稀疏、距离远 | 罗启章 |
应急物流 | 时间紧迫、道路可能中断 | 韩晶 |
医疗配送 | 高时效、温度敏感 | Zipline案例 |
即时配送 | 动态需求、实时响应 | 美团、京东 |
2. 三篇核心论文共性分析
2.1 论文基本信息
算法 | 应用场景 | 代表论文 |
分支定价切割算法（BPC） | 大规模问题精确求解 | 李冬伟 |
Benders分解 | 双层规划结构 | 李冬伟 |
列生成 | 变量指数增长问题 | 李冬伟 |
集合划分模型 | 路径规划核心模型 | 三篇均有 |
维度 | 李冬伟 | 韩晶 | 罗启章 |
配送模式 | 单车+异质无人机 | 多车+多无人机 | 多车+多无人机 |
需求类型 | 送货/取送货/概率失约 | 正向/应急/动态需求 | 软时间窗/取送货/换电 |
不确定性 | 行驶时间不确定 | 需求不确定、道路受损 | 软时间窗容忍 |
算法侧重 | 精确算法为主 | 启发式算法为主 | 多目标进化算法 |
求解规模 | 中小规模精确解 | 大规模近似解 | 中等规模多目标 |
3. 研究方向核心知识体系
3.1 数学基础
3.1.1 组合优化理论
概念 | 定义 | 计算方法 |
帕累托最优 | 不存在解能在所有目标上优于它 | 多目标问题求解目标 |
帕累托支配 | 解A在所有目标上不差于B，且至少一项严格优于 | 种群筛选 |
帕累托前沿 | 所有帕累托最优解的目标向量集合 | 解集表示 |
加权求和法 | 多目标线性组合为单目标 | 先验方法 |
ε-约束法 | 将部分目标转为约束 | 先验方法 |
3.2 运筹学方法
3.2.1 精确算法
每个节点用列生成求解LP松弛 引入割平面提升下界 双向标签算法求解定价子问题
3.2.2 元启发式算法
3.3 问题建模模板
3.3.1 基本假设
配送中心位置已知 车辆从配送中心出发，任务完成后返回 无人机从车辆上发射，完成后返回车辆 无人机飞行受续航和容量限制 客户需求在规划前已知
3.3.2 决策变量
3.3.3 目标函数示例
时间窗违反惩罚 容量违反惩罚 能耗超限惩罚
4. 最新研究进展与趋势
4.1 2024-2026年研究热点
任务 | 方法 | 效果 |
路径决策 | DQN/PPO | 实时响应 |
任务分配 | MARL | 多智能体协同 |
参数调优 | 元学习 | 自适应算法 |
轨迹生成与多样性 候选解增强 约束满足
4.3 商业应用进展
论文 | 来源 | 推荐理由 |
Vehicle Routing Problem with Drones: A Systematic Literature Review | Transportation Research | 系统综述、分类完整 |
Last-mile logistics with drones: A review | European Journal of Operational Research | 经典综述、引用高 |
5.2 多目标优化类
论文 | 来源 | 核心贡献 |
Branch-and-price for VRPD with multiple drones | Transportation Science | 分支定价扩展 |
Deep reinforcement learning for dynamic VRP | NeurIPS 2024 | DRL求解大规模问题 |
5.4 机器学习应用类
论文 | 来源 | 关注点 |
Electric vehicle-drone routing with carbon tax | Transportation Research B 2025 | 碳排放建模 |
Sustainable last-mile:电动车+无人机 | Applied Energy 2024 | 能源优化 |
6. 理论与技能要求
6.1 理论知识要求
技能 | 掌握程度 | 工具/库 |
Python | 精通 | 核心编程语言 |
优化求解器 | 熟练使用 | Gurobi、CPLEX、CBC |
数学建模 | 熟练 | PuLP、OR-Tools |
深度学习 | 了解基础 | PyTorch |
数据处理 | 熟练 | NumPy、Pandas |
6.3 算法实现能力
资源类型 | 推荐内容 |
教材 | 《Integer Programming》Wolsey、《Vehicle Routing》Golden |
课程 | MIT OpenCourseWare运筹学、RL相关课程 |
论文 | Transportation Science、Operations Research、IEEE系列 |
代码 | GitHub VRP相关仓库、Google OR-Tools |
会议 | INFORMS、ROUTE、EJOR |
参考文献
李冬伟. 基于车辆-无人机协同的多场景末端物流路径优化研究[D]. 电子科技大学, 2025. 韩晶. 不同物流场景下卡车和无人机联合配送路径优化问题研究[D]. 沈阳工业大学, 2024. 罗启章. 基于多目标优化算法的空地协同物流路径规划问题研究[D]. 中南大学, 2023. 2024-2026年arXiv、IEEE Xplore、MDPI Drones相关论文