施工现场方面，考虑到灾后救援的运输路况往往非常复杂，因此 MO-VRPTW-D 问题的施工现场均位于较高的位置，每个施工现场都具有一定高度；同时，由于装配式预制件的约束，MO-VRPTW-D 问题运输的预制件也包括预制墙板和预制连接件两种类型，即每个施工现场都有两种类型的货物需求；此外，救灾场景中时间是一项至关重要的因素，因此每个施工现场都包括了时间窗的约束。
货车和无人机方面，MO-VRPTW-D 问题采用一辆货车配备一台无人机的组合运输方式，货车负责将两种预制件运到施工现场的下方，无人机则负责将两类预制件提升运输到施工现场。此外，由于各个施工现场都具有两种预制件的需求，因此每辆货车也具有两种类型的承载量。基于本研究第三章的货车能耗设计，MO-VRPTW-D 问题的每辆货车的承载也不相同，承载量较大的货车会比承载量较小的货车消耗更多的燃料、产生更多的能源消耗，因此货车的载重能力越强，其所具有的能耗系数就越大。另外，与货车的能耗设计类似，每台无人机也具有不同的飞行速度，从而带有不同的能耗系数，飞行速度越快的无人机将产生更大的能量消耗。
..........................
第五章 总结和展望
5.1 研究总结
本研究从装配式预制件的配送问题出发，对配送中的预制件以及配送场景进行归类，将预制件的配送问题划分为应用于一般施工现场的配送问题和应用于灾后救援现场的配送问题，并结合对 VRPTW 类文献的研究和分析，清晰的提炼了本研究的要点。
首先，将一般施工现场的预制件配送问题与 VRPTW、VRPTWSyn 问题相结合，提出了带时间窗和同步约束的预制件配送问题。将配送的货品分为预制墙板、预制连接件两大类，由于一般施工现场需求的预制件大都为沉重的混凝土预制件，在运输两类预制件的同时引入了车辆同步到达的限制，即对于部分施工现场设计了货车与吊装车辆同步到达的约束。
其次，将救灾施工现场的预制件配送问题与 VRPTW、VRPTWD 问题相结合，提出了带时间窗和无人机运输的预制件配送问题。在运输两种预制件的前提下，结合受灾地区需求的预制件通常重量较轻、且灾后地区道路通常支离破碎的特点，提出了车辆和无人机共同为施工现场运输预制件的问题模型，并且将无人机的往返运输时间看作施工现场的服务时间，在理论上体现了动态服务时间的特征，在实际上该配送模式也符合灾后物资运输的需求。
再次，结合对近年来相关文献的分析，提炼出解决以上两类问题所需要的模型基础、算法基础、算例基础，并结合最新的热点问题，将时下热门的能耗理念引入到两类问题的目标函数之中。以基本的 VRPTW 问题模型为根基，同时为两类问题进行建模，并将带时间窗和同步约束的预制件配送问题建模为 E-VRPTWSyn 问题，将带时间窗和无人机运输的预制件配送问题建模为 MO-VRPTW-D 问题。
进而，作为一种强大而有效的群智能算法，人工蜂群算法近年来被广泛应用于离散型调度问题，但却鲜有文献将 ABC 算法与 VRPTW 类问题相结合。因此，本研究选取了 ABC 算法作为解决 E-VRPTWSyn 问题和 MO-VRPTW-D 问题的核心算法。在总结、梳理相关算法文献的基础上，创新性的提出了若干初始化种群、局部搜索、全局搜索等策略，在保障算法时间复杂度的前提下极大的提高了算法的寻优能力。
参考文献（略）
