摘要
随着城市物流的持续电气化和数字化，电动货运路线规划越来越需要协调考虑客户的时间窗口、车辆容量、有限的电池续航里程以及途中充电问题。本研究提出了一个带有时间窗口的电动车辆路线规划问题（EVRPTW），用于智能城市的电动货运，并开发了一种多策略改进的蚁群优化算法（IACO）。所提出的模型整合了客户服务、路线连续性、时间窗口、车辆容量、电池能量管理以及途中充电等因素。IACO结合了路线-充电状态表示法、基于可行性的扫描插入初始化算法、最大-最小信息素控制机制、多代表性引导机制、可达充电站插入策略、贪婪可行性修复算法以及2-opt局部搜索算法，形成了一个多阶段搜索过程，该过程涵盖了全局探索、可行性恢复和局部优化。在包含51个客户和9个充电站的R-C基准场景下进行计算实验，对IACO与ACO、GA、TS、LNS、SA、PSO和WOA进行了100次独立运行比较，每次运行均限制在300次迭代以内。根据当前实验协议，IACO的总体成本为570.88，相比这七种比较方法具有7.75%至44.65%的成本降低优势，其平均CPU时间为28.42秒。这些结果清楚地展示了解决方案质量与计算成本之间的权衡，并表明IACO在电动货运路线规划和途中充电协调方面的潜力。
