基于遗传算法的部队车辆调度问题研究

发布时间：2021-08-31 00:03

　　对科学技术的应用越来越成为我军重要的发展战略计划,尤其是在当今急剧变化的军事环境下,军事物流发展体系的构建和持续完善对整个军队的作战和勤务至关重要。完善的军事物流可以保证我军战略计划和军事活动更好的进行,切实提升我国的军事战斗力。军事物流是军事战略计划执行的关键一环,其主要目的是配合实际战斗和军事活动开展的需要,对提升我军的战斗力和保证演练开展具有重要的意义。实现军事物流的信息化、科技化,提高军事物资调配的效率和准确度,都离不开对军运车辆的优化调度管理。本文研究的主题就是以军事物流运输中的车辆调度为主,借助科学合理的车辆调度算法和完善的优化算法,结合计算机网络技术对部队军事物流车辆的调度问题展开深入的分析研究,通过系统分析管理操作来提升整个军事物流的运输效率。首先对车辆调度问题的基本理论进行了概述,并将现行的相关解法进行了简要说明。其次,简要介绍了部队车辆调度问题的基本概念,问题分类和主要特点,部队车辆调度具有作战发起突然,保障时间紧、任务急、多要求、多约束、作战地幅狭小,运输保障难度加大等特点。并对部队车辆调度问题的影响因素进行了分析,包括人、车辆、路网型态、优化目标和敌情情况等。第... 

【文章来源】：战略支援部队信息工程大学河南省

【文章页数】：51 页

【学位级别】：硕士

【部分图文】：

车辆调度问题分类

遗传算法1975 年，来自美国的 J. Holland 教授首次提出遗传算法的概念。当时，他写了论文，那就是《自然界和人工系统的适应性》，并在此文中首次提出了以模拟生然进化淘汰过程而设计的计算模型。遗传算法就是模拟物种的染色体在遗传进化程，首先将复杂的解像染色体中的基因序列一样用一连串的简单编码进行表示，问题简单化、数字化，然后通过简单的遗传操作模拟自然优胜劣汰的过程，使染得以配对、变异、保留等等，以此来确定搜索的方向，并最终求得拥有最好基因优秀的染色体。遗传算法不是以单个个体为单位进行搜索的，而是直接在解的空域内划定一片解的合集区域，将这一片解的合集区域称为种群，并以种群的方式搜索。这样的搜索方式，使遗传算法可以同时划定多个区域展开搜索，也就是说进行较大规模的并行搜索。优胜劣汰的自然选择使遗传算法可以不用依赖其它辅息；交叉变异等遗传操作使遗传算法能够避免陷入局部最优点，并且不受搜索空限制条件的约束。

遗传代数的确定相对简单。遗传代数越通用，，这样当个体完全成熟时，算法就能收敛并获得最佳解。定上述两个参数的过程中，相关的输出结果在 300 代左右函数值不会改变。考虑到软件运行的效率，本文采用了 3本文设计的遗传算法能够有效地解决解优化问题，并在选户需求的解，即交叉概率为 0.6-1.0，变异概率为 0.01-平台调试oft Visual Studio 2010 软件，根据早先设计的遗传方案。考虑到部队车辆调度问题的现实意义和可实施性，利用了一个运输车辆调度平台。在这个平台上，可以输入不同传代数、变异概率和遗传概率，方便了调度办公室的人员台的界面相对简单。73141 部队车辆调度平台的设置界面


本文编号：3373769