基于群智能混合算法的应急物流配送路径优化研究

发布时间：2017-04-10 13:16

  本文关键词：基于群智能混合算法的应急物流配送路径优化研究，由笔耕文化传播整理发布。

【摘要】：随着自然灾害、安全事故等突发性事件发生频率的增高,对及时响应突发事件、尽可能减少灾后人员伤亡、最大限度的挽救受灾地区的宝贵生命提出了更高要求。应急物流配送路径是应急物流系统管理的重要工作之一,如何选择适宜的配送路径确保灾区民众及时收到应急物资,对于解决突发事件的应急救援问题具有重要的理论意义和实用价值。论文首先针对特重大自然灾害灾区道路实际情况,对道路通行难易度概念进行了界定,分析了影响道路通行难易度的各因素,提出了将时间成本换算为路径当量长度的道路通行难易度系数计算方法。其次,构建了应急物流配送路径优化的网络模型,和基于多影响因素的应急物流配送路径优化数学模型。第三,提出了求解应急物流配送路径优化模型的粒子群与蚁群混合的群智能算法,并分析研究了算法的基本原理、数学描述、参数分析以及算法流程,和MATLAB程序设计。最后,论文针对宁强地震灾区城乡应急物流配送的实际问题,构建了具体的应急物流配送路径优化模型,基于MATLAB软件平台,对几种不同情况进行了模拟仿真分析,确定了宁强地震灾区城乡应急物流配送的最优路径,为应急物资配送方案制定提供了科学依据。论文对道路通行难易度的各影响因素进行定性与定量的分析,提出了道路通行难易度系数的计算方法,更真实的反映了客观实际,提高了应急物流配送路径优化方案的可实施性。取长补短设计了粒子群与蚁群混合群智能算法,为解决路径优化问题提供了一种更科学、更精确的方法。宁强县作为2008年汶川特大地震的重灾区,近几年余震频发,论文选取宁强地震灾区城乡应急物流配送路径进行优化研究,具有一定的现实借鉴价值。
【关键词】：应急物流 配送路径 蚁群算法 粒子群算法
【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3-4
• ABSTRACT4-9
• 1．绪论9-18
• 1.1 研究背景9-10
• 1.2 研究目的及意义10-11
• 1.3 国内外研究现状11-15
• 1.3.1 国内研究现状及水平11-12
• 1.3.2 国外研究现状及水平12-14
• 1.3.3 国内外研究评述14-15
• 1.4 研究内容15-16
• 1.5 研究技术路线16-18
• 2．应急物流配送路径相关理论18-24
• 2.1 基础理论18-20
• 2.1.1 应急物流的内涵18
• 2.1.2 应急物流的特点18-19
• 2.1.3 应急物流与普通物流的对比分析19
• 2.1.4 应急物流系统的研究内容19-20
• 2.2 应急物流配送理论20-21
• 2.2.1 应急配送车辆路径问题20
• 2.2.2 应急物流配送车辆路径问题的分类20-21
• 2.2.3 应急物流配送车辆路径问题的说明21
• 2.3 应急物流配送路径优化21-22
• 2.3.1 车辆路径问题分类21-22
• 2.3.2 路径优化问题的提出22
• 2.3.3 带时间窗限制的路径问题22
• 2.4 本章小结22-24
• 3．基于多影响因素的应急物流配送路径优化模型24-32
• 3.1 应急物流配送路径优化问题的提出24-25
• 3.1.1 问题描述24
• 3.1.2 应急物流配送路径优化模型假设24-25
• 3.2 应急物流配送路径优化模型参数说明25
• 3.2.1 基本参数25
• 3.2.2 变量定义25
• 3.3 基于多影响因素的路径当量长度计算25-30
• 3.3.1 路段可通行性25-26
• 3.3.2 道路通行影响因素权重分析26-29
• 3.3.3 配送路径当量长度计算29-30
• 3.4 基于多影响因素的应急物流配送优化路径模型30
• 3.5 本章小结30-32
• 4．求解应急物流配送路径优化模型的群智能混合算法32-46
• 4.1 群智能算法32-33
• 4.1.1 群智能算法32
• 4.1.2 主要的群智能算法32-33
• 4.1.3 群智能算法与传统路径算法的比较33
• 4.2 粒子群算法和蚁群算法33-38
• 4.2.1 粒子群算法33-35
• 4.2.2 蚁群算法35-38
• 4.3 应急物流配送路径优化模型的群智能混合算法设计38-45
• 4.3.1 粒子群算法和蚁群算法的特点38-40
• 4.3.2 粒子群与蚁群混合算法设计40-42
• 4.3.3 混合算法MATLAB实现42-45
• 4.4 本章小结45-46
• 5．宁强地震灾区城乡应急物流配送路径优化46-62
• 5.1 宁强县灾区概况及相关数据来源46-49
• 5.1.1 灾区概况46-47
• 5.1.2 应急物流配送相关数据来源47-49
• 5.2 宁强灾区应急物流配送路径优化模型49-54
• 5.2.1 宁强灾区应急物流配送路径网络模型49-50
• 5.2.2 路径当量长度计算50-52
• 5.2.3 应急物流配送路径模型52-54
• 5.3 基于MATLAB平台求解最优配送路径54-61
• 5.3.1 粒子群与蚁群混合算法求解宁强灾区最优应急物资配送路径54-56
• 5.3.2 蚁群算法求解宁强灾区最优应急物资配送路径56-58
• 5.3.3 粒子群算法求解宁强灾区最优应急物资配送路径58-60
• 5.3.4 对比三种算法的搜索结果60-61
• 5.4 本章小结61-62
• 6．结论和展望62-64
• 6.1 结论62-63
• 6.2 展望63-64
• 致谢64-65
• 参考文献65-74
• 硕士研究生学习阶段发表论文74

【参考文献】

中国期刊全文数据库 前10条

1 张利彪,周春光,刘小华,马铭;粒子群算法在求解优化问题中的应用[J];吉林大学学报(信息科学版);2005年04期

2 帅国让;;应急物流研究综述[J];东方企业文化;2010年18期

3 杨弋,顾幸生;物流配送车辆优化调度的综述[J];东南大学学报(自然科学版);2003年S1期

4 罗先国;侍洪波;;非满载车辆路径问题的改进粒子群优化算法[J];华东理工大学学报(自然科学版);2006年07期

5 毕军,付梦印,张宇河;一种改进的蚁群算法求解最短路径问题[J];计算机工程与应用;2003年03期

6 王德刚;潘新;王德强;;最短路径算法在城市交通管理系统中的应用[J];内蒙古农业大学学报(自然科学版);2006年03期

7 樊雯婧;卢才武;;用群智能算法确定井下火灾多救护队最优路径[J];金属矿山;2014年01期

8 唐连生;程文明;梁剑;张则强;;应急物流配送问题的蚁群聚类算法研究[J];铁道运输与经济;2008年09期

9 潘菲菲;王仁超;张宗亮;李仕奇;;高面板堆石坝填筑分期断面优化分析研究[J];水力发电学报;2014年04期

10 王苏生;王岩;孙健;王丽;;连续性条件下的多受灾点应急资源配置算法[J];系统管理学报;2011年02期

中国博士学位论文全文数据库 前1条

1 陶振武;基于群集智能的产品共进化设计方法研究[D];华中科技大学;2007年

中国硕士学位论文全文数据库 前10条

1 赵红霞;化学计量学方法在分析化学中应用[D];辽宁科技大学;2006年

2 黄金虎;应急物流系统若干关键技术的研究与实现[D];上海交通大学;2007年

3 朱春涛;粒子群优化算法及其在水电站群优化调度中的应用[D];华中科技大学;2007年

4 徐鹏;基于蚁群算法的结构损伤检测[D];暨南大学;2009年

5 肖潇;基于粒子群优化算法的航班优化调度[D];陕西师范大学;2009年

6 陈婷;基于变异的粒子群算法的MDVRPTW研究[D];华东师范大学;2010年

7 张睿;基于最短完成时间和动态可挽救性的应急车辆调度问题研究[D];山东大学;2010年

8 彭先胜;基于粒子群算法的配电网络重构研究[D];西安理工大学;2010年

9 伍春林;基于改进蚁群算法的微电网DG选址与定容[D];中南大学;2010年

10 张溯;某轿车装配生产线物料准时化供应研究[D];沈阳工业大学;2013年

  本文关键词：基于群智能混合算法的应急物流配送路径优化研究，由笔耕文化传播整理发布。

，

本文编号：296792