近日，南方科技大學(xué)機(jī)械與能源工程系教授楊再躍團(tuán)隊(duì)在智能交通領(lǐng)域取得多項(xiàng)研究成果，兩篇論文被該領(lǐng)域期刊之一IEEE Transactions on Intelligent Transportation Systems接收。

　　目前，交通物流行業(yè)已大量采用電動(dòng)汽車作為運(yùn)輸工具。然而，與傳統(tǒng)燃油車不同，電動(dòng)汽車充電需要花費(fèi)相當(dāng)長(zhǎng)的時(shí)間，勢(shì)必會(huì)影響車輛的調(diào)度安排。因此，我們需要同時(shí)考慮電動(dòng)汽車路徑規(guī)劃和充電的聯(lián)合調(diào)度問(wèn)題（electric vehicle routing problem,EVRP），最大化運(yùn)輸收益、最小化用車成本。該問(wèn)題是一類NP-hard的混合整數(shù)規(guī)劃（mixed integer programming,MIP）問(wèn)題，采用常規(guī)方法非常耗時(shí)。研究團(tuán)隊(duì)提出了一種計(jì)算時(shí)間復(fù)雜度低的兩階段算法（TLP），利用線性規(guī)劃松弛的精確性、并提出消除耦合項(xiàng)方法，將原始問(wèn)題轉(zhuǎn)化為兩個(gè)線性規(guī)劃，故可以在多項(xiàng)式求解時(shí)間內(nèi)獲得近似最優(yōu)解。為了進(jìn)一步提高解的質(zhì)量，課題組又提出了一種基于兩階段算法的迭代算法（ILP）。

　　以此為基礎(chǔ)，研究團(tuán)隊(duì)進(jìn)一步針對(duì)在線的EVRP以及未來(lái)信息的不確定性，提出了一種利用滾動(dòng)優(yōu)化框架和虛擬節(jié)點(diǎn)生成的快速算法。如圖2所示，相較于商用的求解器，如CPLEX、GUROBI和分支定價(jià)算法，研究團(tuán)隊(duì)提出的MBD算法將計(jì)算速度提高了3~4個(gè)數(shù)量級(jí)；此外，算法對(duì)內(nèi)存需求小，可求解350個(gè)節(jié)點(diǎn)和35輛車的算例，從而驗(yàn)證了提出算法的優(yōu)越性。

　　以上論文由南方科技大學(xué)和哈爾濱工業(yè)大學(xué)共同完成。兩篇論文的第一作者為南方科技大學(xué)與哈爾濱工業(yè)大學(xué)聯(lián)合培養(yǎng)的2018級(jí)博士生姚燦棋，通訊作者為楊再躍、機(jī)械與能源工程系研究助理教授陳士博，南科大是論文第一單位。以上論文由科技部重點(diǎn)研發(fā)計(jì)劃、國(guó)家自然科學(xué)基金、深圳市科創(chuàng)委等資助。