物流配送车辆路径问题及其智能算法研究

发布时间：2017-06-27 02:10

  本文关键词：物流配送车辆路径问题及其智能算法研究，由笔耕文化传播整理发布。

【摘要】：随着世界经济发展的相互渗透、高度融合,国家之间、不同的区域之间的相互合作贸易往来越来越多,同时伴随着互联网经济在经济增长中所占的比重日渐增加,当代经济的发展已经进入了一个全新的时代即物流时代。物流运输的合理规划、科学发展为经济增长创造了新的利润空间,同时随着全球物流技术的不断研发与进步,我们将迎来智能物流的新时代。那么实现物流智能化、科学化要解决的首要问题就是车辆路径优化问题(VRP)在配送当中的应用。对VRP问题的合理优化能提高物流运输效率、减少运输成本、增加经济效益,对整个物流运输安排是至关重要的。因此本文着重研究了物流配送中车辆路径规划问题即智能算法求解VRP问题。本文首先对车辆路径问题进行了系统的研究,建立了标准车辆路径问题模型,并对目前实际应用中出现较多的较为复杂车辆路径问题进行了总结;其次,分别对蚁群算法和粒子群算法求解车辆路径问题进行了改进研究。第一蚁群算法已被证明是一种很有发展前景的求解复杂优化问题的方法。但必须指出,作为一种全局搜索算法,蚁群算法虽然可以模拟蚂蚁觅食行为,逐步找到问题的最优解,有效地避免局部最优,但是仍然存在不足之处,如搜索时间过长、对参数敏感、收敛速度慢等。因此对蚁群算法求解车辆路径问题本文提出了两种改进思路,首先提出了一种基于遗传算子的改进蚁群算法,结合遗传算法的优点对每代蚁群执行交叉和变异操作,并根据模拟退火算法的Metropolis准则,以概率接受新个体,最后利用此算法求解VRP问题的特例TSP问题以验证算法改进效果。在此基础之上通过对蚁群算法进一步的研究发现蚂蚁在寻优过程中可以根据不同的目标作为路径选择依据而采取不同的行为方式,并可以据此进行分组寻优,于是提出了一种基于混合行为的改进蚁群算法,设计了4种具体的蚂蚁行为,选择不同的蚂蚁行为方式来组成不同的改进算法并应用于车辆路径问题求解;第二粒子群算法是一种较新的迭代优化算法,一方面其规则简单、参数少、收敛速度快但另一方面却易早熟、局部搜索能力不足、易偏离最优解等。因此本文提出一种基于微粒间相互作用的改进粒子群算法,在粒子群中加入领域拓扑结构,引入轻子、强子的概念,轻子根据个体极值和群体极值来变换速度和位置,而强子通过与全局最优粒子碰撞来改变速度和位置。当算法陷入停滞时,通过粒子衰变作用来增加种群多样性,并利用Matlab进行车辆路径问题仿真实验。最后,总结本文研究的不足之处为未来进一步深入研究打下基础。
【关键词】：车辆路径问题 蚁群算法 混合行为 粒子群算法
【学位授予单位】：西华师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U116.2;F252;TP18
【目录】：

• 摘要5-6
• Abstract6-8
• 第1章 前言8-13
• 1.1 课题研究背景和意义8-9
• 1.2 国内外研究现状9-11
• 1.3 论文组织结构11
• 1.4 本文的难点和创新之处11-13
• 第2章 标准车辆路径问题模型及其扩展分类13-17
• 2.1 车辆路径问题的描述13
• 2.2 标准车辆路径问题数学模型13-14
• 2.2.1 CVRP问题描述13
• 2.2.2 CVRP模型的建立13-14
• 2.3 车辆路径问题扩展分类及其研究现状14-16
• 2.3.1 带时间窗车辆路径问题（VRPTW）14-15
• 2.3.2 随机车辆路径问题（SVRP）15
• 2.3.3 动态车辆路径问题（DVRP）15-16
• 2.3.4 开放式车辆路径问题（OVRP）16
• 2.4 本章小结16-17
• 第3章 蚁群算法的改进研究及车辆路径问题求解17-29
• 3.1 基本蚁群算法17-19
• 3.1.1 蚁群算法原理17
• 3.1.2 蚁群算法模型17-19
• 3.2 基于遗传算子的改进蚁群算法（IHAC）19-24
• 3.2.1 编码与适应值函数19-20
• 3.2.2 交叉算子20
• 3.2.3 变异算子20-21
• 3.2.4 Metropolis准则21
• 3.2.5 算法描述21
• 3.2.6 参数分析及算法测试21-24
• 3.3 一种基于混合行为的改进蚁群算法24-28
• 3.3.1 算法的基本思想24-25
• 3.3.2 算法的实现过程25-26
• 3.3.3 实验仿真及分析26-28
• 3.4 本章小结28-29
• 第4章 粒子群算法的改进研究及车辆路径问题求解29-35
• 4.1 基本粒子群算法29-30
• 4.1.1 粒子群算法原理29
• 4.1.2 粒子群算法流程29-30
• 4.2 基于微粒间相互作用的改进粒子群算法30-34
• 4.2.1 轻子间相互作用30-31
• 4.2.2 强子间相互作用31
• 4.2.3 粒子衰变31-32
• 4.2.4 构造粒子表达方式32
• 4.2.5 算法实现步骤32-33
• 4.2.6 实验仿真及分析33-34
• 4.3 本章小结34-35
• 第5章 总结与展望35-36
• 参考文献36-39
• 致谢39-42
• 在学期间的科研情况42

【相似文献】

中国期刊全文数据库 前10条

1 王云平;;车辆路径问题的形式化及其知识表示方法研究[J];辽宁省交通高等专科学校学报;2006年04期

2 王江晴;康立山;;动态车辆路径问题仿真器的设计与实现[J];核电子学与探测技术;2007年05期

3 曹二保;赖明勇;张汉江;;模糊需求车辆路径问题研究[J];系统工程;2007年11期

4 唐连生;梁剑;;突发事件下的车辆路径问题研究综述[J];铁道运输与经济;2008年12期

5 唐伟勤;张隐;张敏;;大规模突发事件应急物资调度中的车辆路径问题[J];物流技术;2008年12期

6 刘红梅;陈杨;;车辆路径问题的形式化方法研究[J];科技资讯;2008年05期

7 唐加福;孔媛;潘震东;董颖;;基于划分的蚁群算法求解货物权重车辆路径问题[J];控制理论与应用;2008年04期

8 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

9 徐俊杰;;利用微正则退火算法求解车辆路径问题[J];安庆师范学院学报(自然科学版);2009年02期

10 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

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：488265