基于主次种群蚁群算法的物流配送车辆路径优化研究

发布时间：2017-03-27 02:09

  本文关键词：基于主次种群蚁群算法的物流配送车辆路径优化研究，由笔耕文化传播整理发布。

【摘要】：全球经济的快速发展,带动了物流产业的前进,在物流配送中,配送成本是人们不能忽视的重要环节,为了最大程度的节约成本,物流配送车辆路径优化问题显得尤其重要。本文首先介绍了物流配送的定义、分类及解决物流配送路径优化的基本方法。然后,介绍了基本蚁群算法及改进蚁群算法,最后,采用改进蚁群算法求解物流配送车辆路径优化问题,以达到节约成本的目的。本文主要从以下几个方面对本课题进行研究:(1)研究了物流配送路径优化问题和蚁群算法的国内外研究现状,介绍了现在物流配送中存在的一些问题,说明了车辆路径优化问题研究的重要性。(2)简述了物流配送车辆路径优化问题的相关理论知识及常用的求解算法,对基本蚁群算法及最优最差蚁群、最大最小蚁群及主次种群蚁群算法进行分析研究,并对主次种群蚁群前期信息素积累较慢的缺点分别用路径去交叉算法(2-opt)与节约策略两种方法进行改进。在Matlab平台上,应用最大最小蚁群算法和主次种群蚁群算法对Oliver30TSP问题进行仿真验证,证明主次种群蚁群算法在寻找最佳路线上,优于最大最小蚁群算法。并在MATLAB平台上分别验证具有路径去交叉策略的主次种群蚁群与具有节约策略的主次种群蚁群的优势,得出路径去交叉策略的改进方法优于节约策略的改进方法。(3)以VRP问题库中的典型实例eil22为例,对有容量限制的车辆路径优化问题(Capacity Vehicle Routing Problem,CVRP)分析研究并建立数学模型,应用改进主次种群蚁群算法研究VRP问题,并且在Matlab软件平台上对VRP进行仿真。(4)对陕西省西安市某快递公司物流配送的具体情况进行分析研究,并且应用本文的改进主次种群蚁群算法及VRP模型,解决陕西西安市某快递物流路径优化问题。
【关键词】：物流配送 路径优化 蚁群算法 Matlab
【学位授予单位】：西安建筑科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F259.2;TP18
【目录】：

• 摘要3-5
• ABSTRACT5-10
• 1 绪论10-18
• 1.1 课题研究的背景及意义10
• 1.2 国内外研究现状10-15
• 1.2.1 物流配送车辆路径优化国内外研究现状10-13
• 1.2.2 蚁群算法国内外研究现状13-15
• 1.3 本文研究的内容及技术路线15-17
• 1.3.1 研究内容15-17
• 1.3.2 技术路线17
• 1.4 本章小结17-18
• 2 物流配送及配送路径优化问题概述18-24
• 2.1 物流配送的定义及在配送中存在的问题18
• 2.2 简述配送车辆路径优化问题18-19
• 2.2.1 配送车辆路径优化问题简单描述18-19
• 2.2.2 物流配送路径优化问题的分类19
• 2.3 配送路径优化的方法19-22
• 2.3.1 精确算法20
• 2.3.2 启发式算法20-22
• 2.3.3 各种启发式算法研究情况分析22
• 2.4 本章小结22-24
• 3 改进蚁群算法的研究24-42
• 3.1 基本蚁群算法24-27
• 3.1.1 基本蚁群算法中的参数及其含义25-27
• 3.1.2 基本蚁群算法的流程图27
• 3.2 最优最差蚁群算法（BWAS）27-28
• 3.3 最大最小蚁群算法（ MMAS）28-29
• 3.4 基于主次种群蚁群算法(PASPAS)29-33
• 3.4.1 主次种群策略29-31
• 3.4.2 路径去交叉策略31-32
• 3.4.3 节约策略32-33
• 3.5 改进蚁群算法的仿真研究33-40
• 3.5.1 最大最小蚁群与主次种群蚁群算法用于TSP问题的分析与比较33-38
• 3.5.2 具有路径去交叉策略的主次种群蚁群算法仿真研究38-39
• 3.5.3 具有节约策略的主次种群蚁群算法仿真研究39-40
• 3.6 本章小结40-42
• 4 主次种群蚁群算法在物流配送车辆路径优化（VRP）问题上的研究42-52
• 4.1 VRP的描述42
• 4.2 车辆路径优化（VRP）与TSP的不同42-43
• 4.3 车辆问题的数学模型43-44
• 4.4 算法的设计44-47
• 4.4.1 算法的描述44-45
• 4.4.2 算法的步骤45-46
• 4.4.3 算法的流程46-47
• 4.5 主次种群蚁群算法解决VRP47-50
• 4.6 本章小结50-52
• 5 陕西西安市某快递物流配送路径分析及优化52-56
• 5.1 陕西西安市某快递物流配送路径分析52-54
• 5.2 陕西西安市某快递物流配送网络路径优化54-55
• 5.3 本章小结55-56
• 6 总结与展望56-58
• 6.1 总结与结论56-57
• 6.2 局限与展望57-58
• 致谢58-60
• 参考文献60-64
• 附录 攻读硕士期间发表的论文64

【参考文献】

中国期刊全文数据库 前10条

1 韦钦平;邵维;刘飞燕;;基于动态规划迭代法的最小H圈路径优化研究[J];长沙大学学报;2012年02期

2 冯华;;基于MapX和Floyd算法的最短路径搜索系统设计与实现[J];电脑编程技巧与维护;2011年24期

3 张学志;陈功玉;;车辆路线安排的改进节约算法[J];系统工程;2008年11期

4 吴庆洪,张纪会,徐心和;具有变异特征的蚁群算法[J];计算机研究与发展;1999年10期

5 张立营;;遗传算法基于路径优化问题应用的改进探索研究[J];经济研究导刊;2011年04期

6 范小宁;徐格宁;杨瑞刚;;车辆配送路径优化的新型蚁群算法[J];计算机工程与应用;2011年26期

7 张兆军;冯祖仁;陈竹青;;简化蚁群算法[J];控制与决策;2012年09期

8 邱荣祖;钟聪儿;修晓虎;;基于GIS和禁忌搜索集成技术的农产品物流配送路径优化[J];数学的实践与认识;2011年10期

9 罗晓明;;求解VRP的变种群规模混合自适应遗传算法[J];统计与决策;2011年22期

10 于锐;曹介南;朱培栋;;车辆运输路径规划问题研究[J];计算机技术与发展;2011年01期

中国硕士学位论文全文数据库 前4条

1 马江涛;基于遗传与蚁群的混合算法路径优化研究[D];湖北工业大学;2011年

2 邹挺;基于蚁群和人工鱼群混合群智能算法在物流配送路径优化问题中的应用研究[D];苏州大学;2011年

3 陈韦志;配送中心的运输路径优化研究[D];武汉理工大学;2007年

4 张晶成;基于改进蚁群算法的蔬菜物流配送车辆优化调度研究[D];长沙理工大学;2008年

  本文关键词：基于主次种群蚁群算法的物流配送车辆路径优化研究，，由笔耕文化传播整理发布。

本文编号：269736