基于蚁群算法的低碳物流路径优化研究

发布时间：2017-10-26 18:10

  本文关键词：基于蚁群算法的低碳物流路径优化研究

  更多相关文章： 低碳物流 配送路径 基本蚁群算法 改进蚁群算法 京津冀都市圈

【摘要】：随着全球气候变暖问题的日益恶化,低碳问题越来越受到各国政府和学者的关注。物流产业是能源消耗大户,同时又是二氧化碳排放大户,因此降低能源消耗,减少碳排放量是发展物流产业的必然趋势,低碳物流应运而生。低碳物流是指在物流过程中以低能耗、低污染、低排放为目标,利用能效技术、可再生能源技术和各种智能优化方法,以期实现最高的资源利用率和最低的碳排放量。在低碳物流中,合理规划配送路径、减少空载,是提高物流效率、减少碳排放的有效途径。因此,采用现代智能优化方法对低碳物流配送路径数学模型进行优化求解,寻找最优的配送路径具有重要的理论意义和实用价值。本文所做的主要工作为:(1)在分析低碳物流路径优化研究动态的基础上,阐述了低碳物流及蚁群算法的基本原理,并以碳排放成本最低为目标建立了低碳物流路径优化模型。(2)针对基本蚁群算法参数选择靠实验获得,易陷入局部最优、收敛速度慢等不足,将DNA算法中的交叉变异操作融入基本蚁群算法,用于控制基本蚁群算法的初始参数选取,加快了算法的收敛速度,优化了算法性能。同时,将改进算法用于低碳物流配送路径优化求解。计算机仿真结果表明,改进算法的求解结果优于基本蚁群算法。(3)为了避免基本蚁群算法出现停滞及早熟现象,将混沌系统及模拟退火机制引入基本蚁群算法,研究了带混沌扰动的模拟退火蚁群算法,用于求解低碳物流配送路径优化数学模型。计算机仿真结果表明,改进算法增强了全局搜索能力,提高了模型求解效率。(4)以京津冀都市圈为仿真实例,以碳排放成本最低建立数学模型,分别采用基本蚁群算法、DNA-蚁群算法和带混沌扰动的模拟退火蚁群算法进行了实例仿真,给出了三种算法的配送路径。结果表明,带混沌扰动的模拟退火蚁群算法求解结果碳排放量最低,DNA-蚁群算法次之,基本蚁群算法最高。
【关键词】：低碳物流 配送路径 基本蚁群算法 改进蚁群算法 京津冀都市圈
【学位授予单位】：天津商业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F259.27;F224;TP18
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-16
• 1.1 研究背景和意义9-11
• 1.1.1 研究背景9-10
• 1.1.2 研究意义10-11
• 1.2 国内外研究现状11-14
• 1.2.1 低碳物流研究现状11-12
• 1.2.2 车辆路径优化问题研究现状12-13
• 1.2.3 蚁群算法研究现状13-14
• 1.3 论文的研究内容、研究方法、研究路线和结构安排14-16
• 1.3.1 论文的研究内容14
• 1.3.2 论文的研究思路14-15
• 1.3.3 论文的结构安排15-16
• 第二章 相关理论基础16-26
• 2.1 低碳物流基本理论16-18
• 2.1.1 低碳物流的概念16
• 2.1.2 低碳物流的影响因素16-17
• 2.1.3 低碳物流的特性分析17-18
• 2.2 低碳物流路径优化问题的描述及数学模型的建立18-21
• 2.2.1 车辆路径优化问题的概念与分类18-19
• 2.2.2 低碳物流路径优化碳排放成本的计算19-20
• 2.2.3 低碳物流路径优化模型的建立20-21
• 2.3 蚁群算法基本理论21-25
• 2.3.1 蚁群算法的概念21
• 2.3.2 蚁群算法的流程步骤及参数分析21-23
• 2.3.3 蚁群算法的改进算法23-25
• 2.4 本章小结25-26
• 第三章 基于DNA-蚁群算法的低碳物流路径优化研究26-35
• 3.1 DNA算法的基本原理26-28
• 3.1.1 DNA的基本概念26
• 3.1.2 DNA的算法原理26-28
• 3.2 基于DNA的改进蚁群算法28-34
• 3.2.1 DNA-蚁群算法的基本原理28
• 3.2.2 DNA-蚁群算法求解低碳VRP的步骤和流程28-31
• 3.2.3 计算机仿真31-34
• 3.3 本章小结34-35
• 第四章 基于混沌扰动模拟退火蚁群算法低碳物流路径优化研究35-44
• 4.1 模拟退火算法与混沌扰动的基本原理35-36
• 4.1.1 模拟退火算法的基本原理35-36
• 4.1.2 混沌扰动的基本原理36
• 4.2 基于混沌扰动模拟退火的改进蚁群算法36-43
• 4.2.1 混沌扰动模拟退火蚁群算法的基本原理36-38
• 4.2.2 混沌扰动模拟退火蚁群算法求解低碳VRP的步骤和流程38-40
• 4.2.3 计算机仿真40-43
• 4.3 本章小结43-44
• 第五章 京津冀都市圈低碳物流路径优化实证分析44-51
• 5.1 背景介绍44-45
• 5.2 实证分析45-49
• 5.2.1 京津冀都市圈低碳VRP问题描述45
• 5.2.2 DNA-蚁群算法求解京津冀都市圈低碳VRP45-47
• 5.2.3 混沌扰动模拟退火蚁群算法求解京津冀都市圈低碳VRP47-49
• 5.3 优化效果分析49-50
• 5.4 本章小结50-51
• 第六章 结论与展望51-53
• 6.1 结论51
• 6.2 今后进一步研究的方向51-53
• 参考文献53-57
• 发表论文及参加科研情况说明57-58
• （一）发表论文57
• （二）参与科研项目57
• （三）论文获奖57-58
• 致谢58-59

【相似文献】

中国期刊全文数据库 前10条

1 薄桂华;黄敏;王洪峰;;4PL路径优化问题0-1规划模型与求解[J];控制工程;2013年02期

2 王雪松;李志蜀;童铭;熊科;林梅琴;袁晓玲;;中药自动配药系统的配药路径优化研究[J];计算机应用研究;2006年09期

3 于洁;苏志忠;孙燕飞;;蚁群算法在拣货路径优化中的应用研究[J];电脑知识与技术;2008年29期

4 杨思;;基于用户访问序列挖掘的站点路径优化分析[J];图书馆界;2009年01期

5 王侠;程乃伟;;蚁群算法在动态疏散路径优化过程中的应用[J];安防科技;2009年10期

6 任小龙;温浩宇;李华;;无向Petri网的多AGV最优路径方法研究[J];西安电子科技大学学报;2008年03期

7 陈丽芳;须文波;;混合行为蚁群算法在快递路径优化中的应用[J];计算机工程与应用;2009年22期

8 郑龙;周经伦;易凡;陈玉教;;大规模随机运输网络的路径优化[J];系统工程理论与实践;2009年10期

9 张友华;乐毅;辜丽川;王超;;优选参数的蚁群算法实现物流路径优化[J];计算机技术与发展;2009年03期

10 肖乐;吴相林;甄彤;;自适应混沌蚁群算法的粮食应急路径优化研究[J];计算机工程与应用;2012年24期

中国重要会议论文全文数据库 前2条

1 何爱君;唐露新;刘辉;张志军;;图案绗缝加工路径优化模型及算法研究[A];2007'仪表，自动化及先进集成技术大会论文集（二）[C];2007年

2 黄元生;刘爽;田立霞;张振忠;乞建勋;;煤炭港口路径优化研究[A];“两型社会”建设与管理创新——第十五届中国管理科学学术年会论文集（上）[C];2013年

中国重要报纸全文数据库 前1条

1 南京日报记者　 施勇君;总量提升 路径优化[N];南京日报;2006年

中国博士学位论文全文数据库 前3条

1 石玉峰;战时不确定性运输路径优化研究[D];西南交通大学;2006年

2 吴俊杰;船体零件数控切割路径优化研究[D];大连理工大学;2013年

3 薄桂华;不同配送要求下第四方物流路径优化问题研究[D];东北大学;2013年

中国硕士学位论文全文数据库 前10条

1 蔡芮灵;考虑库存约束的粮食海运路径优化问题研究[D];大连海事大学;2015年

2 管娜娜;公共自行车调度路径优化问题研究[D];西南交通大学;2015年

3 于匡员;基于预约模式的出租车合乘路径优化[D];哈尔滨工业大学;2015年

4 姜海洋;基于复杂网络的军事运输风险及路径优化研究[D];大连理工大学;2015年

5 赵锦涛;船体零件切割路径优化技术及工程应用[D];大连理工大学;2015年

6 李栋栋;双区型仓库拣货路径优化研究[D];青岛大学;2015年

7 王云飞;基于蚁群算法的武警巡逻路径优化问题研究[D];国防科学技术大学;2014年

8 李娜;考虑客户时间心理偏好的4PL路径优化问题研究[D];东北大学;2014年

9 史玄;软时间窗约束下动态选址—路径优化研究[D];福州大学;2014年

10 金石;危险品道路运输网络中的物流路径优化研究[D];北京交通大学;2016年

，

本文编号：1099833