生鲜农产品多配送中心连续选址-路径规划问题研究
发布时间：2021-10-29 17:34
近年来,我国社会经济发展态势良好,人民生活质量和消费水平稳步提高,生鲜农产品作为人民营养摄入的重要来源,其品质及安全的问题受到了社会各界的广泛关注。人们对生鲜农产品需求量大,但时鲜性的特点也会给储存和运输带来困难。因此研究作为生鲜农产品物流关键技术的配送中心选址及路径规划问题尤为重要。本文首先研究了生鲜农产品多配送中心连续选址问题,在建立考虑最小距离约束下连续选址模型的基础上,针对以往连续选址模型求解过程中采用随机方式生成初始解会造成算法搜索范围过大且易陷入局部最优的局限,创新性地提出了连续选址模型的模糊c均值聚类-改进模拟退火（FCM-ISA）算法。以杭州市为例验证了所建模型和设计算法的有效性。其次,本文在生鲜农产品多配送中心连续选址模型求解的基础上,将后续的配送中心车辆路径问题分为二级配送中心单独配送的路径规划问题和一级、二级配送中心共同配送的路径规划问题,并分别建立了以生鲜农产品运输过程中车辆数最少和运输过程中的综合费用最小的多目标车辆路径模型一与车辆路径模型二。考虑到传统模拟退火算法擅长于局部搜索,全局搜索能力欠缺,本文针对文中模型在传统模拟退火算法的基础上设计了多目标改进模拟...
【文章来源】：杭州电子科技大学浙江省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
图２．１优化问题示意图??群智能优化算法的特点有以下几种：??
?运算结束，返回最优值??图２．２遗传算法流程图??２．３．２模拟退火算法??２．３．２．１模ｆｔＵｉ火算法原理??模拟退火算法类似于一种改进的爬山法，首先来介绍一下爬山法并以??此引出模拟退火算法的原理，通过对比可以更好的说明其优越性。爬山法??属于局部优化算法，优化方法基于可行域中的某个位置，找到该位置附近??区域内最佳值，并在最佳值附近执行下一次的搜索。爬山法的局限性在于，??其很容易陷入局部最优，算法在搜索过程中的全局寻优能力受到了限制。??模拟退火（Ｓｉｍｕｌａｔｅ?Ａｎｎｅａｌ，简称?ＳＡ）算法［７８＾Ｋｉｅｋａｐｔｒｉｃｈ?于?１９８３?年提??出的一种仿生智能算法。该算法在对可行解进行处理时模拟了固体退火过??程来到达搜索最优值得目的。模拟退火算法从某一较高的初始温度开始，??进行一定策略的局部搜索
图２．４常见聚类算法??１）基于划分的聚类方法??其原理概况来讲就是假设有数据是一堆需要聚类的散点，而要类效果就是“类或集群中的点足够接近，类集群间的点足够远”。类中心数量，然后初始化聚类中心位置，再之后依据预先定好法给数据点做迭代重置，直到最后到达设定的效果。??）基于模糊理论的聚类方法??该方法中样本是以某个概率值属于某个类的。模糊聚类法可以两种：系统聚类法基于模糊关系，代表的算法有基于隶属度的模糊类算法（Ｆｕｚｚｙ?Ｃ－Ｍｅａｎｓ?Ａｌｇｏｒｉｔｈｍ，简称ＦＣＭ）；非系统聚类法又步聚类法，顾名思义就是先进行大致分类然后逐步迭代寻找最优的方法。??）基于密度的聚类方法??这种聚类方法有利于解决数据分析中的噪声。其核心思想为圈，包含２个重要超参，其一为范围的最大半径，其二为范围内
【参考文献】：
期刊论文
[1]新型群智能优化算法综述[J]. 林诗洁,董晨,陈明志,张凡,陈景辉. 计算机工程与应用. 2018(12)
[2]基于粒子群算法的自助快递包裹箱布点优化研究[J]. 左小德,黄钦,李璨,冯哲夫. 系统工程. 2018(05)
[3]三层级设施选址-路径规划问题建模及算法研究[J]. 黄凯明,卢才武,连民杰. 系统工程理论与实践. 2018(03)
[4]生鲜农产品冷链物流低碳配送路径优化研究[J]. 康凯,韩杰,普玮,马艳芳. 计算机工程与应用. 2019(02)
[5]随机需求车辆路径问题及混合变邻域分散搜索算法求解[J]. 李阳,范厚明,张晓楠,杨翔. 控制理论与应用. 2017(12)
[6]多车次同时送取货物车辆路径问题的量子蚁群算法[J]. 张惠珍,赵玉苹. 上海理工大学学报. 2017(06)
[7]改进蚁群算法求解带时间窗的应急物流开环车辆路径问题[J]. 郭咏梅,胡大伟,陈翔. 长安大学学报(自然科学版). 2017(06)
[8]基于改进禁忌搜索算法的车辆路径问题模型[J]. 李明燏,梁丽萍,鲁燕霞. 公路交通科技. 2017(10)
[9]求解带时间窗车辆路径问题的狼群算法[J]. 叶勇,张惠珍. 公路交通科技. 2017(10)
[10]多阶段灾后救援选址-路径模型及求解算法[J]. 陈业华,白静,李兴源. 工业工程与管理. 2017(05)
本文编号：3465089
【文章来源】：杭州电子科技大学浙江省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
图２．１优化问题示意图??群智能优化算法的特点有以下几种：??
?运算结束，返回最优值??图２．２遗传算法流程图??２．３．２模拟退火算法??２．３．２．１模ｆｔＵｉ火算法原理??模拟退火算法类似于一种改进的爬山法，首先来介绍一下爬山法并以??此引出模拟退火算法的原理，通过对比可以更好的说明其优越性。爬山法??属于局部优化算法，优化方法基于可行域中的某个位置，找到该位置附近??区域内最佳值，并在最佳值附近执行下一次的搜索。爬山法的局限性在于，??其很容易陷入局部最优，算法在搜索过程中的全局寻优能力受到了限制。??模拟退火（Ｓｉｍｕｌａｔｅ?Ａｎｎｅａｌ，简称?ＳＡ）算法［７８＾Ｋｉｅｋａｐｔｒｉｃｈ?于?１９８３?年提??出的一种仿生智能算法。该算法在对可行解进行处理时模拟了固体退火过??程来到达搜索最优值得目的。模拟退火算法从某一较高的初始温度开始，??进行一定策略的局部搜索
图２．４常见聚类算法??１）基于划分的聚类方法??其原理概况来讲就是假设有数据是一堆需要聚类的散点，而要类效果就是“类或集群中的点足够接近，类集群间的点足够远”。类中心数量，然后初始化聚类中心位置，再之后依据预先定好法给数据点做迭代重置，直到最后到达设定的效果。??）基于模糊理论的聚类方法??该方法中样本是以某个概率值属于某个类的。模糊聚类法可以两种：系统聚类法基于模糊关系，代表的算法有基于隶属度的模糊类算法（Ｆｕｚｚｙ?Ｃ－Ｍｅａｎｓ?Ａｌｇｏｒｉｔｈｍ，简称ＦＣＭ）；非系统聚类法又步聚类法，顾名思义就是先进行大致分类然后逐步迭代寻找最优的方法。??）基于密度的聚类方法??这种聚类方法有利于解决数据分析中的噪声。其核心思想为圈，包含２个重要超参，其一为范围的最大半径，其二为范围内
【参考文献】：
期刊论文
[1]新型群智能优化算法综述[J]. 林诗洁,董晨,陈明志,张凡,陈景辉. 计算机工程与应用. 2018(12)
[2]基于粒子群算法的自助快递包裹箱布点优化研究[J]. 左小德,黄钦,李璨,冯哲夫. 系统工程. 2018(05)
[3]三层级设施选址-路径规划问题建模及算法研究[J]. 黄凯明,卢才武,连民杰. 系统工程理论与实践. 2018(03)
[4]生鲜农产品冷链物流低碳配送路径优化研究[J]. 康凯,韩杰,普玮,马艳芳. 计算机工程与应用. 2019(02)
[5]随机需求车辆路径问题及混合变邻域分散搜索算法求解[J]. 李阳,范厚明,张晓楠,杨翔. 控制理论与应用. 2017(12)
[6]多车次同时送取货物车辆路径问题的量子蚁群算法[J]. 张惠珍,赵玉苹. 上海理工大学学报. 2017(06)
[7]改进蚁群算法求解带时间窗的应急物流开环车辆路径问题[J]. 郭咏梅,胡大伟,陈翔. 长安大学学报(自然科学版). 2017(06)
[8]基于改进禁忌搜索算法的车辆路径问题模型[J]. 李明燏,梁丽萍,鲁燕霞. 公路交通科技. 2017(10)
[9]求解带时间窗车辆路径问题的狼群算法[J]. 叶勇,张惠珍. 公路交通科技. 2017(10)
[10]多阶段灾后救援选址-路径模型及求解算法[J]. 陈业华,白静,李兴源. 工业工程与管理. 2017(05)
本文编号：3465089
本文链接：https://www.wllwen.com/guanlilunwen/wuliuguanlilunwen/3465089.html
