基于SA的多目标城市物流配送路径优化研究

发布时间：2017-06-07 07:07

  本文关键词：基于SA的多目标城市物流配送路径优化研究，，由笔耕文化传播整理发布。

【摘要】：随着经济全球化和城市化进程的加快,城市物流在推动城市化发展的进程中起着重要的作用。科学合理的规划城市配送对提高城市经济环境与效率,促进城市经济健康、持续发展有着重要意义。对车辆配送路径的优化是规划城市配送的关键,受到众多国内外学者的关注。深入研究城市中车辆配送的路径问题,对合理配置城市资源,改善企业管理水平,缓解城市拥堵等方面都具有一定的理论价值和实践意义。本文主要研究的是城市物流配送中的多目标车辆路径问题,构建以车辆行驶总里程最小化为目标的配送路径的数学模型,从模型的构建和求解方法两方面对这一问题进行深入研究和分析。首先,阐述了本文研究的背景、意义,总结了物流配送中的车辆路径问题、求解该问题的方法的国内外研究现状,分析了现有研究中的不足之处,从而提出了本文研究中的创新点,为后续文章的展开做好铺垫。而后论述了城市物流配送的相关概念,分析了城市配送的主要流程、配送的作用;介绍了车辆路径问题(Vehicle Routing Problem,VRP)的概念,根据研究重点不同,对VRP问题进行分类,概述了国内研究学者在求解VRP问题所常用的方法。其次,以一般的车辆路径问题的模型为基础,阐述服务时间窗的概念与分类,以配送车辆行驶的总里程最短为目标,约束条件中增加服务时间来构建带时间窗的车辆路径问题;而后阐述城市配送中的不确定性路况,并将其引入VRPTW中构建不确定性路况的带时间窗的车辆路径优化问题。传统的模拟退火算法已经能够求解该模型中的问题,论述了SA算法的基本思想、构成要素及特点。但是当数据规模较大时会影响SA算法的运行效率,由此提出了一系列针对大规模数据的车辆路径问题的算法改进,主要包含地理信息系统、SPSS、并行搜索、增加记忆函数、重复搜索等方法,并详细阐述了改进的模拟退火算法的实现过程,为后续实例的研究、分析做了良好的铺垫。最后,运用改进的模拟退火算法对带时间窗的VRP问题、不确定性路况的VRPTW问题进行实例求解,分析了具体实例的寻优过程及算法中关键参数的选取过程。运用计算机编程进行运算求解,并从解的质量、求解的时间两方面对结果进行分析。研究结果表明构建的新模型更贴近实际情况,同时改进的SA有助于车辆路径问题在实际物流配送中的大规模应用。
【关键词】：城市配送 车辆路径问题 多目标优化 模拟退火算法
【学位授予单位】：天津理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F259.22
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-18
• 1.1 研究的背景及意义10-12
• 1.1.1 本文研究的背景10-11
• 1.1.2 本文研究的意义11-12
• 1.2 国内外研究现状12-15
• 1.2.1 国外研究现状12-13
• 1.2.2 国内研究现状13-14
• 1.2.3 现有研究的不足14-15
• 1.3 创新点15
• 1.4 研究内容及技术路线15-18
• 1.4.1 研究内容15-16
• 1.4.2 技术路线16-18
• 第二章 相关理论及算法18-29
• 2.1 物流相关概述18-20
• 2.1.1 城市物流18
• 2.1.2 物流系统18-19
• 2.1.3 配送与运输19-20
• 2.2 物流配送20-24
• 2.2.1 配送的主要流程20-22
• 2.2.2 配送的作用22-24
• 2.3 车辆路径问题（VRP）24-25
• 2.3.1 车辆路径问题24
• 2.3.2 车辆路径问题的分类24-25
• 2.4 求解VRP问题的算法介绍25-28
• 2.5 本章小结28-29
• 第三章 车辆路径问题模型的构建29-39
• 3.1 多目标的VRP问题29-31
• 3.2 一般数学模型的构建31-32
• 3.2.1 问题的描述31-32
• 3.2.2 模型的构建32
• 3.3 有时间窗VRP的数学模型32-36
• 3.3.1 时间窗的概念与分类33-34
• 3.3.2 有时间窗的VRP问题描述34-35
• 3.3.3 模型构建35-36
• 3.4 不确定路况下的带时间窗的VRP模型36-38
• 3.4.1 路况不确定性问题36-37
• 3.4.2 不确定性路况的VRP模型37-38
• 3.5 本章小结38-39
• 第四章 改进的模拟退火算法39-49
• 4.1 模拟退火算法39-43
• 4.1.1 模拟退火算法的基本思想40-41
• 4.1.2 模拟退火算法的特点41-43
• 4.2 模拟退火算法的改进43-46
• 4.2.1 模拟退火算法的构成要素43-44
• 4.2.2 对算法的改进44-46
• 4.3 算法的实现过程46-48
• 4.4 本章小结48-49
• 第五章 实例分析49-59
• 5.1 实例描述49-52
• 5.1.1 企业概况49
• 5.1.2 实例描述49-52
• 5.2 路径的优化过程52-56
• 5.2.1 初始状态种群的确定52-55
• 5.2.2 算法参数的选取55-56
• 5.3 优化结果及分析56-58
• 5.4 本章小结58-59
• 第六章 总结与展望59-61
• 6.1 总结59-60
• 6.2 展望60-61
• 参考文献61-65
• 发表论文和科研情况说明65-66
• 致谢66-67

【相似文献】

中国期刊全文数据库 前10条

1 熊志华;邵春福;姚智胜;;车辆路径问题的可靠性研究[J];物流技术;2008年08期

2 宁晓利;;车辆路径问题的组合优化算法[J];物流技术;2009年06期

3 黄敏芳;胡祥培;王征;Amy Z. Zeng;;车辆路径问题的三阶段求解方法研究[J];管理科学;2009年03期

4 姚锦宝;夏禾;贺兴东;姚宝珍;;同时取送货车辆路径问题的改进的蚁群算法[J];物流技术;2010年Z1期

5 孙中悦;关忠良;范高贤;;面向对象的车辆路径问题仿真研究[J];物流技术;2010年07期

6 张江华;李进;高敏刚;;同时集散货物的开放式车辆路径问题研究[J];中国管理科学;2013年04期

7 严良;邓红梅;;需求可拆分车辆路径问题研究综述[J];商;2013年13期

8 孙国华;;基于真实路网的车辆路径问题研究[J];物流技术;2011年01期

9 邱雅君;宋国防;;考虑碳排放因素的车辆路径问题研究[J];物流技术;2012年13期

10 王明阳;陈鑫;张丽华;;带油耗的单车场开放式车辆路径问题研究[J];物流科技;2012年10期

中国重要会议论文全文数据库 前10条

1 符卓;陈斯卫;;车辆路径问题的研究现状与发展趋势[A];中国运筹学会第七届学术交流会论文集（下卷）[C];2004年

2 杨世坚;陈韬;;随机车辆路径问题研究综述[A];中国系统工程学会决策科学专业委员会第六届学术年会论文集[C];2005年

3 李桂平;陈楠;;多中心车辆路径问题的解决思路[A];中国地理信息系统协会第四次会员代表大会暨第十一届年会论文集[C];2007年

4 李大卫;王梦光;;广义车辆路径问题——模型及算法[A];1997中国控制与决策学术年会论文集[C];1997年

5 符卓;聂靖;;开放式车辆路径问题及其若干研究进展[A];中国运筹学会第八届学术交流会论文集[C];2006年

6 陈宝文;宋申民;陈兴林;单志众;;应用于车辆路径问题的多蚁群算法[A];第25届中国控制会议论文集（下册）[C];2006年

7 戎丽霞;;模糊需求条件下的多车场车辆路径问题[A];第三届中国智能计算大会论文集[C];2009年

8 张凤姣;张兴芳;;基于不确定理论的车辆路径问题[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

9 肖雁;符卓;李育安;;带软时间窗的车辆路径问题及其应用前景探讨[A];中国运筹学会第六届学术交流会论文集（下卷）[C];2000年

10 许鑫;范文慧;冯雅U

本文编号：428401