基于改进混合粒子群算法的快递最后一公里配送优化

发布时间：2020-10-20 04:41

　　 我国电商产业近年来发展迅速,使得快递业务量持续增长,但是我国快递行业起步较晚,物流体系不够完善,因此依旧存在很多不足,也随之产生了最后一公里难题,如:配送成本居高不下,配送效率低等。传统的送货模式已经无法满足日益增长的快递配送需求,智能快递柜的服务形式应运而生,成为了解决最后一公里难题的重要方法,也是物流转型升级的关键,发展迅速,成为各大物流相关企业布局重点。随着智能物流的发展,人工智能技术辅助物流配送显得尤为重要。研究加入智能快递柜模式的快递配送优化,有助于降低物流企业的成本,提高最后一公里配送效率,是目前物流企业亟待解决的问题。针对快递量超过快递柜容量,附近又没有自提网点,没有分配到快递柜的客户需通过送货上门进行配送的情景,构建了配送模型,并设计了优化算法进行求解,其相关工作如下:(1)介绍了快递业务及配送的背景,并对快递配送路径优化、粒子群算法和TSP问题这几方面的研究现状进行阐述,分析总结后概括了主要的研究思路。然后介绍了相关理论和概念,用于帮助理解问题及建模。(2)从物流企业的视角提出了包含快递柜配送模式的快递配送模型,模型需要解决两个问题,快递柜入柜选择问题和快递配送路径优化问题。(3)针对模型需要解决的问题及其特点,设计了PSO+VNS算法模型,并且对粒子群算法进行改进,改进的思路是把二阶震荡粒子群算法的4个参数改成互不相等的4个参数,用测试函数和工程实例进行的测试,结果表明改进算法具有很好地收敛和搜索性能。(4)以合肥市包河区的一块区域为实验对象,随机产生客户需求点和快递柜点作为算例数据,将快递配送模型应用到算例中,验证了模型和算法的有效性。
【学位单位】：合肥工业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：F259.2;TP18
【文章目录】：
致谢
摘要
abstract
第一章 绪论
    1.1 研究背景
    1.2 研究现状
        1.2.1 “最后一公里”快递配送路径优化研究
        1.2.2 粒子群算法研究
        1.2.3 TSP问题的研究
    1.3 研究目的及意义
    1.4 章节安排
第二章 相关概念和理论介绍
    2.1 相关概念
        2.1.1 最后一公里
        2.1.2 最后一公里配送模式
        2.1.3 TSP问题
    2.2 相关理论
        2.2.1 TSP问题数学模型及求解方法
        2.2.2 粒子群算法
        2.2.3 变领域搜索算法
第三章 快递“最后一公里”配送问题建模
    3.1 问题描述
    3.2 问题假设与客户快递柜分配
        3.2.1 条件假设
        3.2.2 客户快递柜归属规则
    3.3 模型建立
        3.3.1 符号定义
        3.3.2 数学模型
第四章 快递“最后一公里”配送问题算法设计
    4.1 改进的二阶振荡粒子群算法
        4.1.1 标准粒子群算法的缺陷
        4.1.2 改进的二阶振荡粒子群算法的基本思想及收敛性分析
        4.1.3 改进的二阶振荡粒子群算法的实现步骤
    4.2 改进的二阶振荡粒子群算法仿真实验与分析
        4.2.1 实验设计
        4.2.2 函数仿真优化
    4.3 快递“最后一公里”配送问题算法设计
        4.3.1 改进的PSO+VNS算法设计思路
        4.3.2 变邻域搜索VNS模块
        4.3.3 改进的PSO+VNS算法基本流程
第五章 快递“最后一公里”配送问题算法应用
    5.1 算例设计
        5.1.1 算例背景
        5.1.2 数据准备与参数设置
    5.2 算法求解
        5.2.1 初始种群的产生
        5.2.2 约束处理
    5.3 结果分析
第六章 总结与展望
    6.1 研究总结
    6.2 研究展望
参考文献
攻读硕士学位期间的学术活动及成果情况
附录1 实例数据

【参考文献】

相关期刊论文 前10条

1 林念修;;发展生活性服务业 培育新供给新动力[J];中国经贸导刊;2015年34期

2 杨从平;郑世珏;党永杰;崔建群;;基于配送时间及节点流量约束的快递网络优化[J];系统工程;2015年11期

3 覃运梅;毛海军;黑秀玲;;基于自动快递机的快递配送车辆路径优化研究[J];公路交通科技;2015年10期

4 白国振;荆鹏翔;;基于改进粒子群算法的并联机械手运动学参数辨识[J];信息与控制;2015年05期

5 饶卫振;金淳;;基于求解TSP问题的改进贪婪算法[J];运筹与管理;2012年06期

6 马晓慧;王红;;改进的PSO在TSP中的应用[J];计算机与现代化;2011年09期

7 张治俊;罗辞勇;张帆;卢斌;;采用振荡参数策略的粒子群优化算法[J];重庆大学学报;2011年06期

8 陈涛;张思发;;分支限界法求解实际TSP问题[J];计算机工程与设计;2009年10期

9 范展;梁国龙;林旺生;刘凯;;求解TSP问题的自适应邻域搜索法及其扩展[J];计算机工程与应用;2008年12期

10 胡建秀;曾建潮;;二阶微粒群算法[J];计算机研究与发展;2007年11期

本文编号：2848223