货车和无人机联合配送路径多目标优化研究
发布时间:2024-06-04 21:24
随着信息技术的发展,电子商务逐渐成为我国重点发展的产业之一。但电子商务“最后一公里”物流面临着配送成本高、客户满意度低等问题,物流难题成为制约电子商务发展的一大阻碍。近年来无人机的出现为物流配送提供了一种崭新的配送模式,但由于无人机的自身特点使其在载重和飞行里程方面受到制约,单独完成配送任务时存在局限,为此本文研究货车和无人机联合配送模式,并考虑碳排放和区域限制,为解决电子商务物流配送中存在的问题提供了新的思路。本文首先分析了车辆路径问题、无人机配送、货车和无人机联合配送的国内外研究现状,阐述了物流配送、多目标决策的车辆路径问题、货车和无人机联合配送以及常用优化算法的相关理论。其次,给出客户满意度表达函数并分析成本构成和区域限制,以总成本最小和客户满意度最大为目标建立考虑碳排放和区域限制的货车和无人机联合配送路径优化模型,通过排序熵权法计算各目标函数的权重系数,将多目标问题采用加权方法转化为单目标问题。再次,对蚁群算法进行改进,引入人工蜂群算法的动态分级思想,将蚁群分为两种蚁态,并分别执行不同的局部信息素更新策略,为了保持种群的多样性,进行优质解交换且限制信息素浓度上下限。最后,采用仿...
【文章页数】:93 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
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 国外研究现状
1.2.2 国内研究现状
1.2.3 研究述评
1.3 本文的研究内容与方法
1.3.1 研究内容
1.3.2 研究方法
1.3.3 本文创新点
1.3.4 技术路线
第2章 相关基础理论
2.1 物流配送基础理论
2.1.1 物流配送的概念
2.1.2 物流配送的分类
2.1.3 电子商务物流配送的特点
2.1.4 低碳物流配送的特点
2.2 多目标决策的车辆路径问题基础理论
2.2.1 多目标决策的车辆路径问题概述
2.2.2 多目标决策的车辆路径问题构成要素
2.2.3 多目标决策的车辆路径问题种类
2.3 货车和无人机联合配送基础理论
2.3.1 货车和无人机联合配送的概念
2.3.2 货车和无人机联合配送模式的特点
2.3.3 货车和无人机联合配送模式适用范围
2.3.4 货车和无人机联合配送路径优化问题
2.4 常用优化算法
2.4.1 常用求解算法分类
2.4.2 智能优化算法
2.5 本章小结
第3章 考虑碳排放和区域限制的联合配送路径优化模型
3.1 问题描述
3.2 模型假设及参数说明
3.2.1 模型假设
3.2.2 参数描述
3.3 模型分析
3.3.1 区域限制分析
3.3.2 客户满意度分析
3.3.3 成本分析
3.4 模型建立
3.5 多目标处理
3.5.1 方法选择
3.5.2 权重计算
3.6 本章小结
第4章 改进蚁群算法设计
4.1 模型求解算法
4.1.1 蚁群算法
4.1.2 人工蜂群算法
4.2 算法设计
4.2.1 蚁群分级
4.2.2 局部信息素浓度动态更新
4.2.3 优质解的交换策略
4.2.4 信息素浓度限制
4.2.5 改进蚁群算法流程
4.3 本章小结
第5章 算例分析
5.1 数据选取
5.2 目标权重计算
5.3 优化结果分析
5.4 结果对比分析
5.5 本章小结
结论与展望
参考文献
攻读硕士学位期间发表的论文和科研成果
致谢
作者简介
本文编号:3989187
【文章页数】:93 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
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 国外研究现状
1.2.2 国内研究现状
1.2.3 研究述评
1.3 本文的研究内容与方法
1.3.1 研究内容
1.3.2 研究方法
1.3.3 本文创新点
1.3.4 技术路线
第2章 相关基础理论
2.1 物流配送基础理论
2.1.1 物流配送的概念
2.1.2 物流配送的分类
2.1.3 电子商务物流配送的特点
2.1.4 低碳物流配送的特点
2.2 多目标决策的车辆路径问题基础理论
2.2.1 多目标决策的车辆路径问题概述
2.2.2 多目标决策的车辆路径问题构成要素
2.2.3 多目标决策的车辆路径问题种类
2.3 货车和无人机联合配送基础理论
2.3.1 货车和无人机联合配送的概念
2.3.2 货车和无人机联合配送模式的特点
2.3.3 货车和无人机联合配送模式适用范围
2.3.4 货车和无人机联合配送路径优化问题
2.4 常用优化算法
2.4.1 常用求解算法分类
2.4.2 智能优化算法
2.5 本章小结
第3章 考虑碳排放和区域限制的联合配送路径优化模型
3.1 问题描述
3.2 模型假设及参数说明
3.2.1 模型假设
3.2.2 参数描述
3.3 模型分析
3.3.1 区域限制分析
3.3.2 客户满意度分析
3.3.3 成本分析
3.4 模型建立
3.5 多目标处理
3.5.1 方法选择
3.5.2 权重计算
3.6 本章小结
第4章 改进蚁群算法设计
4.1 模型求解算法
4.1.1 蚁群算法
4.1.2 人工蜂群算法
4.2 算法设计
4.2.1 蚁群分级
4.2.2 局部信息素浓度动态更新
4.2.3 优质解的交换策略
4.2.4 信息素浓度限制
4.2.5 改进蚁群算法流程
4.3 本章小结
第5章 算例分析
5.1 数据选取
5.2 目标权重计算
5.3 优化结果分析
5.4 结果对比分析
5.5 本章小结
结论与展望
参考文献
攻读硕士学位期间发表的论文和科研成果
致谢
作者简介
本文编号:3989187
本文链接:https://www.wllwen.com/jingjifazhanlunwen/3989187.html