摘要: 面对大城市多区域组团发展模式造成的人群聚集区、商业中心相对分散等现实需求，提出"多对多"的城市网络化联合配送机制以解决城市跨区域配送问题设计车辆与配送中心匹配矩阵，从全局视角对物流资源进行优化配置。以车辆运输距离、实载率等与成本密切相关的油耗成本为优化目标，建立面向城市多区域配送需求的车辆路径模型。同时，针对车辆路径问题求解效率不高，提出利用量子比特拉设计 染色体结构与利用云模型云高随机性与稳定性改进交叉与变异概率的设置方式，设计云量子遗传算法以增强遗传算法的全局搜索能力，克服搜索速度慢及易早熟的缺陷。最后，结合算例对模型和算法进行了试验分析。
关键词: 城市物流配送    联合配送   车辆路径问题   云量子遗传算法
前言

    随着城市经济的蓬勃发展与城市化进程的不断加快，我国已经形成一批特大城市与大城市群，在这些大城市中形成多个人群聚集区与商业中心，因此城市物流配送成为人们居住和生活的重要支撑，然而城市落后的交通基础和拥堵的交通现状，使得城市物流配送已经影响到居民日常生活。城市物流配送的核心是车辆路径问题( Vehic1e Routing Prob1em，VRP)，其产生于公路交通运输管理，自1959年提出以来^[1]， 一直是网络优化问题、运筹学与组合优化等领域的研究热点，由于其应用的广泛性和经济上的重大价值，一直受到国内外学者的广泛关注。

由于城市规模大、商业中心相对分散、基础交通落后，一般城市物流配送多采取分区式配送，根据客户群规模大小设置多个配送中心,每个配送中心负责一个区域的客户需求，因此，该问题即抽象为多配送中心车辆路径问题 (Mu1ti Depot Vehic1e Routing Pr0b1em，MDVRP)。MDVRP是由VRP衍生而来，经过2013年研究在模型建立和求解方法上取得了一定的成果。如，Andrea B.等^[2] 构建以运输距离最短为优化目标的多车型MDVRP模型;Dondo R.等^[3] 研究了带时间窗约束的 MDVRP; Rahimi V.A.等^[4] 研究了多周期 MDVRP; Pessoa A.M.等[5] 通过引入 " 车队模式" 定义， 研究多车型 MDVRP;  SeixasM.P.等[6] 研究了带时间窗的 MDVRP，分析了不同车辆的混合装载 能力与行驶速度对 配 送 的 影 响; 王 晓 博 等[7]针 对 电 子 商 务 客 户 多 样 化 和 个 性 化 需 求， 建立了多车型多配送中心的装卸混合车辆调度模型;  Liu T.T.等[8J 综述了 MDVRP的定义、 求解方法、 问题的演变， 并指出该问题在城市配送与电子商务时代应给与更多关注。但已有 MDVRP的研究主要集中在如何将多配送中心问题转化为单配送中心，  让每 一个配送中心负责一个区域的配送， 显然， 这种分区式配送难以使得配送网络中的资源有效利用，当客户分散、配送规模增大或需求为变动时，分区式配送难以适应实际需求。