摘 要: 在经典的车辆路径优化模型的基础上考虑碳排量，建立了碳排量最小的车辆路径优化模型。在设计模型求解算法时，对传统的遗传算法从染色体结构、染色体交叉方式等方面进行了改进。最后结合算例对模型和算法进行了计算和仿真，取得了较好的结果。
关键词: 车辆路径优化 碳排量 遗传算法
前言
能源与环境问题已经成为世界各国关注的焦点[1]。物流行业本身是能源消耗较大的产业之一，也是碳排放大户，因此低碳物流 已成为国内外理论研究的新热点[2-5]。通过对车辆路径进行优化，减少运输过程中的迂回、对流等不合理的运输，能够极大地降低物流过程中的能源消耗和碳排放。
车辆路径优化问题是一类求解较难的组合优化问题。 研究的目标主要包括行驶路径最短、 运费最小、时间最短、使用的车辆数最少等[6-15]。随着能源短缺和环境污染等问题日趋严重，减少碳排放成为研究配送车辆路线优化问题的新视角。
目前基于碳排放最小的车辆路径优化方面的研究成果不多。Pa1mer( 2007 ）以距离和碳排量为目标建立了具有时间窗的货运车辆综合优化模型，分析了不同拥堵条件下速度对模型优化结果的影响。 Maden (2010) 采用启发式算法研究了具有不同速度的车辆路径优化问题，并应用于英国的一实际案例的研究，将 C02的排放量减少了7%。Fagerho1t(2010) 采用最短路径方法研究了具有时间窗的海运路线优化问题，并通过优化运输速度减少了碳排放量。Bauer(2010)建立了一个多式联运碳排量最小模型，并将其应用于东欧铁路网案例的研究。王钮青 ( 2012 )建立了碳排量最小的 0—1规划TSP模型， 以一个仓库服务三个客户的案例进行了分析。