基于蚁群算法的Y公司配送路径研究
发布时间：2021-03-31 12:05
随着“新零售”业务的发展,零售行业进入了发展的新高峰,而城市配送服务是限制“新零售”行业发展的重要因素之一。与零售业相比,城市配送行业发展较为迟缓,城市配送企业运营成本居高不下,尤其是运输成本较高,远远超过了发达国家的平均水平。另一方面,客户对城市配送效率和服务要求更高,且客户订单频率更高但批量更小。传统的配送方式不但成本高且效率低,因此迫切需要引入新的配送路径优化方案来提高配送效率,降低配送成本。Y公司作为一家大连市本地的城市配送企业,为大型商超、中小型便利店及酒店提供配送服务。为了降低企业的运营成本,急需设计新的配送路线优化方案以降低配送成本,提高企业的竞争力。本研究将以配送距离最短为优化目标,构建Y公司配送路线优化模型,基于蚁群算法对Y公司配送优化模型进行求解,并将优化结果与原有方案进行比较,证明了新优化方案的有效性。本文的主要研究内容如下:首先,根据算法的性能和优缺点,对启发式算法进行比较,发现蚁群算法更适合解决配送路径问题,并对蚁群算法的基本原理、特点及运算过程进行阐述。其次,对Y公司现状,尤其是配送业务现状进行分析,发现Y公司配送业务存在的问题。然后,根据Y公司配送业务的具...
【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校
【文章页数】：61 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景
1.2 研究意义
1.3 研究方法
1.4 研究内容及框架
2 相关理论介绍
2.1 城市配送
2.1.1 城市配送概述
2.1.2 城市配送存在的问题
2.1.3 城市配送的发展方向
2.2 城市配送车辆路径问题
2.2.1 车辆路径问题定义
2.2.2 城市配送车辆路径问题
2.2.3 城市配送车辆路径问题解决方法研究
2.3 蚁群优化算法
2.3.1 蚁群算法的基本原理
2.3.2 蚁群算法特点
2.3.3 蚁群算法运算过程
3 Y公司配送中心经营现状分析
3.1 Y公司简介
3.1.1 主营业务
3.1.2 组织结构
3.1.3 资源现状分析
3.2 Y公司配送现状
3.2.1 配送流程分析
3.2.2 时效要求及配送区域划分
3.2.3 车辆调度及成本计算方法
3.3 Y公司配送存在的问题
4 基于蚁群算法的Y公司车辆路径优化模型构建
4.1 模型构建的原则和目标
4.2 假设条件
4.3 模型构建
5 基于蚁群算法的模型求解
5.1 蚁群算法参数讨论
5.1.1 信息素重要程度因子α和期望启发式因子β的设置
5.1.2 信息素挥发率（?）的设置
5.2 基于蚁群算法的模型求解
5.2.1 求解步骤
5.2.2 数据处理
5.2.3 实验结果
5.2.4 结果分析
结论
参考文献
致谢
【参考文献】：
期刊论文
[1]城市配送体系构建的理论框架——以福州市为例[J]. 胡永仕. 福建工程学院学报. 2014(04)
[2]多车型车辆路径问题的量子遗传算法研究[J]. 葛显龙,许茂增,王伟鑫. 中国管理科学. 2013(01)
[3]基于两阶段求解算法的动态车辆调度问题研究[J]. 王旭,葛显龙,代应. 控制与决策. 2012(02)
[4]基于GIS的物流配送系统车辆调度研究[J]. 王小完,骆正山,李州. 统计与决策. 2011(02)
[5]半开放式多车场车辆路径问题[J]. 刘冉,江志斌,耿娜,刘天堂. 上海交通大学学报. 2010(11)
[6]多时间窗车辆路径问题的混合蚁群算法[J]. 彭碧涛,周永务. 计算机工程与应用. 2010(31)
[7]混合算法求解VRP问题[J]. 袁昊劼,李凌. 计算机与数字工程. 2009(10)
[8]动态车辆路径问题的优化方法[J]. 刘士新,冯海兰. 东北大学学报(自然科学版). 2008(04)
[9]城市物流配送系统优化研究[J]. 邓爱民,王少梅,汪利君. 武汉理工大学学报(交通科学与工程版). 2006(03)
[10]智能优化算法求解TSP问题[J]. 高海昌,冯博琴,朱利b. 控制与决策. 2006(03)
硕士论文
[1]郑州城市配送联盟多任务协同优化研究[D]. 韩玲.北京交通大学 2018
[2]基于蚁群算法的X物流企业配送中心车辆调度系统设计与实现[D]. 金妲颖.北京交通大学 2018
[3]基于蚁群算法的冷链物流配送路径优化及系统实现[D]. 尹枭.哈尔滨工业大学 2017
[4]混合蚁群算法在容量约束车辆路径问题中的应用研究[D]. 陈学娇.合肥工业大学 2016
[5]基于改进蚁群算法的区域车辆配送路径优化方法研究[D]. 潘挺雷.浙江理工大学 2016
[6]基于纯电动汽车的城市配送车辆路径问题研究[D]. 王永聪.北京交通大学 2016
[7]基于蚁群算法的物流配送车辆路径优化问题的研究[D]. 胡勇.辽宁科技大学 2016
[8]突发事件下冷链物流车辆路径再规划研究[D]. 郑海娟.北京交通大学 2014
[9]基于蚁群算法的单配送中心车辆调度问题研究[D]. 吴珂.大连海事大学 2013
[10]基于蚁群算法的邯郸市世佳连锁超市配送路线优化问题研究[D]. 靳向宇.中国海洋大学 2013
本文编号：3111407
【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校
【文章页数】：61 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景
1.2 研究意义
1.3 研究方法
1.4 研究内容及框架
2 相关理论介绍
2.1 城市配送
2.1.1 城市配送概述
2.1.2 城市配送存在的问题
2.1.3 城市配送的发展方向
2.2 城市配送车辆路径问题
2.2.1 车辆路径问题定义
2.2.2 城市配送车辆路径问题
2.2.3 城市配送车辆路径问题解决方法研究
2.3 蚁群优化算法
2.3.1 蚁群算法的基本原理
2.3.2 蚁群算法特点
2.3.3 蚁群算法运算过程
3 Y公司配送中心经营现状分析
3.1 Y公司简介
3.1.1 主营业务
3.1.2 组织结构
3.1.3 资源现状分析
3.2 Y公司配送现状
3.2.1 配送流程分析
3.2.2 时效要求及配送区域划分
3.2.3 车辆调度及成本计算方法
3.3 Y公司配送存在的问题
4 基于蚁群算法的Y公司车辆路径优化模型构建
4.1 模型构建的原则和目标
4.2 假设条件
4.3 模型构建
5 基于蚁群算法的模型求解
5.1 蚁群算法参数讨论
5.1.1 信息素重要程度因子α和期望启发式因子β的设置
5.1.2 信息素挥发率（?）的设置
5.2 基于蚁群算法的模型求解
5.2.1 求解步骤
5.2.2 数据处理
5.2.3 实验结果
5.2.4 结果分析
结论
参考文献
致谢
【参考文献】：
期刊论文
[1]城市配送体系构建的理论框架——以福州市为例[J]. 胡永仕. 福建工程学院学报. 2014(04)
[2]多车型车辆路径问题的量子遗传算法研究[J]. 葛显龙,许茂增,王伟鑫. 中国管理科学. 2013(01)
[3]基于两阶段求解算法的动态车辆调度问题研究[J]. 王旭,葛显龙,代应. 控制与决策. 2012(02)
[4]基于GIS的物流配送系统车辆调度研究[J]. 王小完,骆正山,李州. 统计与决策. 2011(02)
[5]半开放式多车场车辆路径问题[J]. 刘冉,江志斌,耿娜,刘天堂. 上海交通大学学报. 2010(11)
[6]多时间窗车辆路径问题的混合蚁群算法[J]. 彭碧涛,周永务. 计算机工程与应用. 2010(31)
[7]混合算法求解VRP问题[J]. 袁昊劼,李凌. 计算机与数字工程. 2009(10)
[8]动态车辆路径问题的优化方法[J]. 刘士新,冯海兰. 东北大学学报(自然科学版). 2008(04)
[9]城市物流配送系统优化研究[J]. 邓爱民,王少梅,汪利君. 武汉理工大学学报(交通科学与工程版). 2006(03)
[10]智能优化算法求解TSP问题[J]. 高海昌,冯博琴,朱利b. 控制与决策. 2006(03)
硕士论文
[1]郑州城市配送联盟多任务协同优化研究[D]. 韩玲.北京交通大学 2018
[2]基于蚁群算法的X物流企业配送中心车辆调度系统设计与实现[D]. 金妲颖.北京交通大学 2018
[3]基于蚁群算法的冷链物流配送路径优化及系统实现[D]. 尹枭.哈尔滨工业大学 2017
[4]混合蚁群算法在容量约束车辆路径问题中的应用研究[D]. 陈学娇.合肥工业大学 2016
[5]基于改进蚁群算法的区域车辆配送路径优化方法研究[D]. 潘挺雷.浙江理工大学 2016
[6]基于纯电动汽车的城市配送车辆路径问题研究[D]. 王永聪.北京交通大学 2016
[7]基于蚁群算法的物流配送车辆路径优化问题的研究[D]. 胡勇.辽宁科技大学 2016
[8]突发事件下冷链物流车辆路径再规划研究[D]. 郑海娟.北京交通大学 2014
[9]基于蚁群算法的单配送中心车辆调度问题研究[D]. 吴珂.大连海事大学 2013
[10]基于蚁群算法的邯郸市世佳连锁超市配送路线优化问题研究[D]. 靳向宇.中国海洋大学 2013
本文编号：3111407
本文链接：https://www.wllwen.com/jingjilunwen/hongguanjingjilunwen/3111407.html
