多车场军事物流车辆调度问题优化研究

发布时间：2017-05-12 22:04

  本文关键词：多车场军事物流车辆调度问题优化研究，由笔耕文化传播整理发布。

【摘要】：随着经济的发展和科学技术的进步,许多军事大国竞相加快了军事物流的发展,而车辆调度问题作为军事物流系统中的关键一环,也越来越多的受到国内外专家的关注。然而,传统的军事物流车辆调度问题主要依据人工安排,且指定本单位单一的车场进行物资配送,其缺点为单个车场抗打击能力差、考虑影响因素少、配送效率低、运行成本高等。因此,结合部队实际情况,针对单车场配送的不足之处,本文将对有车场配送能力水平影响、分队需求时间窗、车辆载重量及有无新分队提出请求等约束情况下的多车场军事物流车辆调度问题进行优化研究。本文的研究过程主要包括以下三个内容：首先,本文根据上述几种复杂的约束条件,建立了满足运输成本最小的车辆调度数学模型。之后针对车场配送能力水平受多种模糊因素的影响,导致多车场优化问题求解比较复杂,提出了二级模糊综合评判法,将对受多种模糊因素影响的车场配送能力进行综合评估,并通过评估值大小将多车场问题转化为单车场问题,简化了问题的求解难度。其次,针对标准遗传算法解决单车场车辆调度问题时,存在局部搜索能力差、早熟收敛等缺点,本文引入了双种群和捕食搜索策略对标准遗传算法进行改进。其中双种群策略是由两个种群各自独立进化后交换种群间的优秀个体,以打破种群内的平衡,减慢收敛速度,但在运行一定的代数后两个不同种群中也可能由于种群多样性降低,出现个体解类似的情况,而捕食搜索策略可动态地调整群体的交叉、变异概率,强化局部搜索能力,丰富种群多样性。两种改进策略相结合不仅丰富了种群的多样性,防止其早熟收敛,也提高了其求解质量。最后,为了验证本文提出的改进算法在解决军事物流车辆调度优化问题的有效性,将其应用到军事演习的实例中,进行编程仿真。通过实验数据对比分析,与标准遗传算法及并行遗传算法相比,本文提出的改进算法具有更好的稳定性和较高的求解质量；与传统的车辆调度方法相比,本文提出的改进算法更能节省成本,提高服务质量。
【关键词】：军事物流车辆调度 多车场 二级模糊综合评判法 遗传算法
【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-18
• 1.1 研究背景和意义10-11
• 1.1.1 研究背景10
• 1.1.2 研究意义10-11
• 1.2 国内外研究现状11-15
• 1.2.1 军事物流国内外研究现状11-13
• 1.2.2 车辆调度问题国内外研究现状13-15
• 1.3 论文研究内容15-16
• 1.4 论文的组织结构16-18
• 第2章 军事物流车辆调度问题相关研究18-29
• 2.1 车辆调度问题由来18
• 2.2 车辆调度问题知识介绍18-21
• 2.2.1 车辆调度问题的描述18-19
• 2.2.2 车辆调度问题的一般数学模型19-20
• 2.2.3 车辆调度问题的分类20-21
• 2.3 车辆调度优化问题求解算法研究比较21-25
• 2.3.1 优化方法概述21
• 2.3.2 常用优化方法分类21-24
• 2.3.3 算法性能比较24-25
• 2.4 遗传算法25-28
• 2.4.1 遗传算法基本思想25
• 2.4.2 标准遗传算法的构成要素25-27
• 2.4.3 标准遗传算法的工作过程27-28
• 2.5 本章小结28-29
• 第3章 军事物流车辆调度模型构建及车场的划分29-47
• 3.1 军事物流车场配送能力的影响因素分析29-30
• 3.2 多车场车辆调度问题的优化目标30-31
• 3.3 军事物流车辆调度数学模型的构建31-34
• 3.3.1 问题描述31
• 3.3.2 基本假设31-32
• 3.3.3 时间惩罚函数32-33
• 3.3.4 参变量定义33
• 3.3.5 军事物流车辆调度数学模型的建立33-34
• 3.4 多车场车辆调度问题的解决方法34-35
• 3.5 二级模糊综合评判法划分车场35-46
• 3.5.1 模糊综合评判法基本原理35-36
• 3.5.2 二级模糊综合评判法划分车场基本步骤36-40
• 3.5.3 实例应用40-46
• 3.6 本章小结46-47
• 第4章 军事物流车辆调度优化问题的算法设计47-58
• 4.1 双种群遗传算法和捕食搜索算法的基本思想48-50
• 4.2 需求分队已知情况下的改进遗传算法设计50-56
• 4.2.1 染色体编码与解码50
• 4.2.2 初始种群的产生50-51
• 4.2.3 适应度评价51
• 4.2.4 遗传算子51-53
• 4.2.5 交叉和变异概率的动态调整53-54
• 4.2.6 生成新种群54
• 4.2.7 终止条件54
• 4.2.8 改进遗传算法的主要工作流程54-56
• 4.3 新分队提出需求情况下的算法设计56-57
• 4.4 本章小结57-58
• 第5章 军事物流车辆调度优化问题实例应用58-66
• 5.1 实例仿真58-60
• 5.1.1 演习背景58
• 5.1.2 保障任务相关情况58-60
• 5.2 实验结果分析60-65
• 5.2.1 需求分队已知情况的车辆调度优化问题61-64
• 5.2.2 出现新分队提出服务的车辆调度优化问题64-65
• 5.3 本章小结65-66
• 第6章 总结与展望66-68
• 6.1 论文总结66
• 6.2 论文展望66-68
• 参考文献68-72
• 致谢72

【相似文献】

中国期刊全文数据库 前10条

1 李海龙;周屹;;物流配送与跟踪的动态车辆调度问题研究[J];黑龙江工程学院学报;2008年02期

2 贾永基;王长军;;基于满意优化的多目标车辆调度问题模型与算法[J];东华大学学报(自然科学版);2009年03期

3 赵学才;蔡延光;;改进类电磁算法在车辆调度问题中的应用[J];信息与电脑(理论版);2012年04期

4 刘洋;;带有软时间窗约束的车辆调度问题[J];内蒙古师范大学学报(自然科学汉文版);2014年01期

5 经怀明;张立军;;多车型车辆调度问题的建模与仿真[J];计算机仿真;2006年04期

6 任春玉;韦超;;有时间窗车辆调度问题优化研究[J];哈尔滨商业大学学报(自然科学版);2007年02期

7 王海宾;孙永道;柴旭光;张荣国;;多车场多目标开放式物流配送车辆调度问题的研究[J];计算机测量与控制;2010年12期

8 卢冰原;程八一;;具有模糊行程的城市物流动态费用多车型车辆调度问题研究[J];模糊系统与数学;2013年01期

9 任伟;;基于量子免疫算法的车辆调度问题优化[J];计算机科学;2013年05期

10 马华伟;叶浩然;夏维;;允许分割配送的多时间窗车辆调度问题的改进蚁群算法求解[J];中国管理科学;2012年S1期

中国重要会议论文全文数据库 前5条

1 马华伟;叶浩然;夏维;;允许分割配送的多时间窗车辆调度问题的改进蚁群算法求解[A];第十四届中国管理科学学术年会论文集(上册)[C];2012年

2 杨国兴;;多车场车辆调度问题的一种有效算法[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集（第3卷）[C];1995年

3 王银;王慧;;浅谈配送车辆调度问题[A];第九届中国不确定系统年会、第五届中国智能计算大会、第十三届中国青年信息与管理学者大会论文集[C];2011年

4 王永;农兰晶;刘蕾;杨晓洁;;邮政中心选址与车辆调度混合模型研究[A];中国系统工程学会第十八届学术年会论文集——A12系统科学与系统工程理论在各个领域中的应用研究[C];2014年

5 王永;刘蕾;农兰晶;杨晓洁;;邮政运输车辆调度问题研究[A];中国系统工程学会第十八届学术年会论文集——A12系统科学与系统工程理论在各个领域中的应用研究[C];2014年

中国博士学位论文全文数据库 前3条

1 葛显龙;面向云配送模式的车辆调度问题及算法研究[D];重庆大学;2011年

2 周洁;车辆调度问题的算法及复杂性[D];华东师范大学;2013年

3 李妍峰;时变网络环境下车辆调度问题研究[D];西南交通大学;2008年

中国硕士学位论文全文数据库 前10条

1 柯昌正;动态车辆调度问题研究与应用[D];北京交通大学;2007年

2 贾艳鸿;地震灾害下救援物资车辆调度问题研究[D];辽宁科技大学;2015年

3 王龙昌;多车场军事物流车辆调度问题优化研究[D];大连海事大学;2016年

4 郭凤鸣;动态环境下的车辆调度问题研究[D];同济大学;2006年

5 刘云霞;动态车辆调度问题分析及算法设计[D];西南交通大学;2004年

6 胡夏云;基于蚁群算法的动态车辆调度问题的研究[D];广东工业大学;2013年

7 杨烨;带时间窗的单车场多车型满载车辆调度问题研究[D];山东理工大学;2013年

8 邢莹莹;地震灾害下应急药品的车辆调度研究[D];辽宁科技大学;2013年

9 徐鹏;基于统计分区和智能优化算法的车辆调度问题研究[D];南昌大学;2014年

10 刘新雨;考虑外包车辆和加班条件的车辆调度问题研究[D];河北工程大学;2014年

  本文关键词：多车场军事物流车辆调度问题优化研究，由笔耕文化传播整理发布。

，

本文编号：360933