Interaktives Graphentheorie-Lernen
Interaktives Graphentheorie-Lernen
Guest User
Using app without sign in
Löser für kapazitierte Tourenplanung
Berechnet optimale Lieferrouten unter strikter Einhaltung individueller LKW-Kapazitäten.
Wählen Sie einen Algorithmus und generieren Sie Schritte, um die Visualisierung zu beginnen
Das kapazitierte Tourenproblem (CVRP) fügt jedem Fahrzeug eine Ladegrenze hinzu: Routen müssen so geplant werden, dass die Gesamtnachfrage je Route die Fahrzeugkapazität nie übersteigt. Diese Einschränkung macht das Problem weit realistischer und schwerer als reines Routing.
Die Savings-Heuristik von Clarke-Wright bleibt der Standard-Ausgangspunkt und führt Routen nur zusammen, wenn die kombinierte Nachfrage in die Kapazität passt. Sweep-Algorithmen drehen einen Strahl um das Depot, um kapazitätszulässige Cluster zu bilden, und routen dann jeden Cluster als TSP. Exakte Branch-and-Cut-and-Price-Löser bewältigen bis zu einige hundert Kunden, während moderne Metaheuristiken wie hybride genetische Suche für tausende nahezu optimale Lösungen liefern.
CVRP steuert die LKW-Ladeplanung in der Distribution, Getränke- und Lebensmittelzustellung, Tankwagen-Disposition und die Last-Mile-Erfüllung im E-Commerce, wo die Transporterkapazität bindet. Kosteneinsparungen von wenigen Prozent durch besseres Routing bedeuten bei Flottengröße große Summen.
Das CVRP ist das VRP mit einer Ladegrenze je Fahrzeug. Diese eine Nebenbedingung verändert, welche Gruppierungen überhaupt zulässig sind, und damit die gesamte Struktur der Suche.
CVRP(depot, kunden, kapazität Q):
// Clarke-Wright-Ersparniskonstruktion
beginne mit einer eigenen Tour je Kunde
für jedes Paar (i, j):
ersparnis[i][j] = d(dep,i) + d(dep,j) - d(i,j)
Paare nach fallender Ersparnis sortieren
für jedes Paar (i, j) in dieser Reihenfolge:
wenn i und j in verschiedenen Touren liegen
und beide Endpunkte ihrer Tour sind
und bedarf(tour_i) + bedarf(tour_j) <= Q:
die beiden Touren verschmelzen
// Danach: 2-opt innerhalb der Touren und Bewegungen
// zwischen Touren, stets unter Ablehnung von KapazitätsverstößenDer Ersparniswert misst, wie viel man gewinnt, wenn i und j in derselben Tour bedient werden statt in zwei getrennten Hin- und Rückfahrten. Die Kapazitätsprüfung ist das, was CVRP von VRP unterscheidet: eine Verschmelzung kann distanzmäßig hoch lukrativ und zugleich schlicht unzulässig sein. Jede spätere lokale Suche muss diese Prüfung bei jedem Zug wiederholen, denn ein die Distanz verbessernder Tausch zwischen Touren kann eine Tour unzulässig machen.
Route fünf Kunden mit einem Fahrzeug der Kapazität 10 und beobachte, wie die Ladegrenze die lukrativste Verschmelzung ablehnt.
Beispielgraph: Depot plus fünf Kunden mit Bedarfen C1 gleich 4, C2 gleich 4, C3 gleich 3, C4 gleich 3 und C5 gleich 2. Jedes Fahrzeug kann 10 Einheiten transportieren.
Die Lösung nutzt zwei Fahrzeuge mit den Lasten 8 und 8, obwohl die distanzmäßig attraktivste Verschmelzung darin bestanden hätte, C3 der ersten Tour hinzuzufügen. Diese Ablehnung ist der ganze Unterschied zwischen VRP und CVRP: im reinen VRP wäre die Verschmelzung angenommen worden und die Lösung wäre kürzer, aber unzulässig. Beachte außerdem, dass der Gesamtbedarf 16 und die Kapazität je Fahrzeug 10 beträgt, zwei Fahrzeuge also das Minimum sind; eine Lösung mit einem einzigen existiert nicht, wie gut man auch optimiert.
Zeit: NP-schwer; Clarke-Wright O(n^2 log n) · Speicher: O(n^2)
Die Clarke-Wright-Ersparniskonstruktion berechnet für jedes der O(n hoch 2) Paare einen Ersparniswert und sortiert sie, was die Kosten mit O(n hoch 2 log n) dominiert. Jeder Verschmelzungsversuch ist eine Prüfung in konstanter Zeit über Lasten und Tourendpunkte, sofern man geeignete Strukturen führt. Die anschließende lokale Suche kostet O(n hoch 2) je Durchgang. Das Problem selbst ist NP-schwer, da es TSP enthält, und die Kapazität verschärft es weiter, indem sie den Raum zulässiger Lösungen unregelmäßig beschneidet. Exakte Verfahren per Spaltengenerierung lösen Benchmarkinstanzen mit rund 100 Kunden; darüber hinaus greift man zu Metaheuristiken. Eine nützliche und billige untere Schranke ist der Gesamtbedarf geteilt durch die Kapazität, aufgerundet, was die Mindestzahl an Fahrzeugen liefert.
Jede zusätzliche Nebenbedingung definiert eine eigene Variante mit eigener Literatur und eigenen Lösern.
| Alternative | Vorzuziehen, wenn | Kosten |
|---|---|---|
| VRP ohne Kapazität | Die Fahrzeuge haben keine nennenswerte Ladegrenze. Einfacherer Suchraum. | NP-schwer |
| Clarke-Wright-Ersparnis | Du willst eine schnelle, gute Startlösung, die die Kapazität schon konstruktionsbedingt einhält. | O(n^2 log n) |
| VRPTW | Zusätzlich zur Kapazität gibt es Lieferzeitfenster. Deutlich stärker eingeschränkt. | NP-schwer |
| Heterogene Flotte | Die Fahrzeuge haben unterschiedliche Kapazitäten und Kosten, die Zuordnung zählt also zusätzlich zur Routenführung. | NP-schwer |
| Bin Packing | Dich interessiert nur, wie viele Fahrzeuge nötig sind, nicht die Touren. Die untere Schranke des CVRP stammt von dort. | NP-schwer, gute Approximationen |
Den ganzen Artikel lesen: The Vehicle Routing Problem
Verwandte Algorithmen: Flottendisposition (mTSP), Handlungsreisender-Problem, Standortplanung