基于遗传粒子群混合算法的车辆路径问题研究

发布时间：2023-06-01 20:09

　　物流业作为一个现代综合型服务业,是国民经济至关重要的组成部分,对于国民经济发展有不可或缺的作用。运输配送是物流中的重要环节,同时运输费用也是物流成本的重要构成部分,在车辆路径问题中的关键是降低配送成本,即降低物流运输费用。物流运输费用的降低意味着配送经济且有效,不仅提高了客户满意度,同时也使得企业资源配置更为灵活。现如今信息化以及数字化已成为当代物流企业的一大趋势,信息化与数字化源于计算机技术的发展,对于物流企业竞争力的强化具有重要意义,因此本篇论文考虑借助数字化以及信息化对车辆的配送路径进行安排调度。现今对于车辆路径问题求解方法的研究多集中于启发式算法,本文旨在对带时间窗的多车场车辆路径问题模型进行优化求解,该模型以配送总成本最小作为目标函数,同时基于现实情况对模型考虑了多车型配送以及尾单配送。在对前人的研究进行整理分析之下,本文通过分解法与全局优化法相结合,在第一阶段分解法中利用聚类算法与遗传算法得到初始解;在第二阶段全局优化法中,采用两种启发式算法混合对问题进行求解,在算法选择上,本文利用粒子群算法求解速度快、鲁棒性好以及遗传算法灵活、无方向性易于搜索全局最优解的特点将两者进行结...

【文章页数】：87 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1.绪论
    1.1 研究背景和研究意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 粒子群算法相关研究文献综述
        1.2.2 遗传算法相关研究文献综述
        1.2.3 车辆路径问题相关研究文献综述
        1.2.4 研究述评
    1.3 研究内容和研究方法
        1.3.1 研究内容
        1.3.2 研究方法
        1.3.3 技术路线图
2.相关的基础理论
    2.1 车辆路径问题的相关理论
        2.1.1 车辆路径问题要素构成
        2.1.2 车辆路径问题的分类
        2.1.3 多车场配送车辆路径问题概述
        2.1.4 带时间窗的车辆路径问题概述
        2.1.5 车辆路径问题的求解方法
    2.2 粒子群算法描述
        2.2.1 粒子群算法的数学描述
        2.2.2 粒子群算法的特点
        2.2.3 粒子群算法的改进方法
    2.3 遗传算法描述
        2.3.1 遗传算法的基本流程
        2.3.2 遗传算法的编码设计
        2.3.3 遗传算法的初始种群
        2.3.4 遗传算法的杂交与变异
        2.3.5 遗传算法的种群选择
        2.3.6 遗传算法的特点
        2.3.7 遗传算法的改进策略
    2.4 本章小结
3.带时间窗的多车场车辆路径问题模型与求解研究
    3.1 带时间窗的多车场车辆路径问题模型分析
        3.1.1 问题描述
        3.1.2 模型假设
        3.1.3 参数说明
        3.1.4 约束条件
    3.2 带时间窗的多车场车辆路径问题模型构建
    3.3 带时间窗的多车场车辆路径问题求解分析
    3.4 本章小结
4.混合算法求解带时间窗的多车场车辆路径问题
    4.1 混合算法选择策略
    4.2 K-MEANS聚类算法
    4.3 改进的遗传粒子群混合算法
        4.3.1 改进的遗传粒子群混合算法求解设计
        4.3.2 改进的遗传粒子群混合算法求解流程
    4.4 改进的遗传粒子群混合算法求解算例分析
        4.4.1 算例设计
        4.4.2 算例结果与分析
        4.4.3 算法对比
    4.5 本章小结
5.带时间窗的多车场车辆路径问题系统设计及实现
    5.1 带时间窗的多车场车辆路径问题模拟系统
        5.1.1 开发目的和意义
        5.1.2 系统功能及特点
        5.1.3 系统模块介绍
    5.2 本章小结
6.总结与展望
    6.1 总结
    6.2 展望
参考文献
附录
后记
致谢



本文编号：3826964