基于交通流的多模糊时间窗车辆路径优化研究

发布时间：2021-08-06 15:36

　　物流是一个新兴学科,配送是现代物流中的重要一环。随着消费者需求的多样化,顾客一般有多个时间段可以接受物流配送且具有模糊性的特点,同时,城市道路交通的日益拥堵降低了物流配送的效率,增加了车辆的配送时间,造成配送延迟,给企业带来损失。因此,考虑现实生活中交通流的动态变化以及客户具有多个模糊时间窗的情况,研究了基于交通流的多模糊时间窗车辆路径优化问题。本文首先分析了交通流、带时间窗车辆路径问题以及车辆路径优化求解算法的国内外研究现状,阐述了交通流、车辆路径问题、带时间窗车辆路径问题的相关理论。其次,给出了顾客的满意度表达函数以及不同时间段车辆行驶速度的分布函数,在此基础上建立了考虑交通流的多模糊时间窗车辆路径问题的数学优化模型。再次,设计了求解多模糊时间窗车辆路径问题的改进伊藤算法,在路径选择策略中增加目标节点对下一节点的影响,设计了路径权重更新规则,引入柯西变异,能够解决个体陷入局部最优。最后,通过仿真算例分析结果表明,动态的交通流和顾客具有的多模糊时间窗对车辆路径的选择具有重要的影响,通过和蚁群算法的计算结果进行对比分析,表明本文得出的最优路径总行驶距离、总配送成本均有所减少,客户满意度... 

【文章来源】：河北工程大学河北省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

物流配送的一般流程

距离影响因子β 2初始粒子半径r 0初始环境温度itmp 8000退火速率aspeed 0.99满意度平均水平 0.75结果分析行了 20 次实验，其中有 18 次达到满意度平均水平标准，.42km，客户平均满意度为 0.79，由 4 辆车进行配送服务，7.10 元，具体实验结果如表 5-5 所示。-5 可以发现，在满意度达到设定水平的条件下，最优实验结m，客户平均满意度为 0.83，由 4 辆车进行配送服务，总。验结果路径，如图 5-1 所示；得到的最优实验结果，如表

息素浓度范围min max[0.01,10]信息素的挥发速度1λ 2采用相同约束条件及计算机配置进行计算，分别运行 100 次，如表 5-10 所示。最优实验结果路径，如图 5-2 所示。表 5-10 蚁群算法最优实验结果Tab.5-10 Optimal experimental results路径行驶距离(km)顾客满意度0-9-8-10-11-12-0 97.41 0.79 0-14-13-15-18-19-20-0 101.84 0.78 0-1-5-2-6-3-4-7-0 100.53 0.80 0-16-17-0 31.86 0.79

【参考文献】：
期刊论文
[1]改进蚁群算法求解带时间窗的应急物流开环车辆路径问题[J]. 郭咏梅,胡大伟,陈翔.  长安大学学报(自然科学版). 2017(06)
[2]求解带时间窗车辆路径问题的狼群算法[J]. 叶勇,张惠珍.  公路交通科技. 2017(10)
[3]基于碳排放的模糊约定时间车辆路径问题研究[J]. 康凯,韩杰,马艳芳,张敬.  工业工程与管理. 2017(04)
[4]带软时间窗的需求依订单拆分车辆路径问题及其禁忌搜索算法[J]. 符卓,刘文,邱萌.  中国管理科学. 2017(05)
[5]结合质心思想和柯西变异策略的粒子群优化算法[J]. 吕立国,季伟东.  计算机应用. 2017(05)
[6]考虑运载能力与行程约束的绿色车辆路径问题[J]. 董誉文,仉帅.  工业工程与管理. 2017(01)
[7]时变路网下带时间窗的易腐食品生产-配送问题[J]. 吴瑶,马祖军.  系统工程理论与实践. 2017(01)
[8]求解环境车辆路径问题的多种群伊藤算法[J]. 尹志扬,余世明.  计算机科学. 2016(12)
[9]多模糊时间窗车辆路径问题的建模及求解[J]. 闫芳,王媛媛.  交通运输系统工程与信息. 2016(06)
[10]多配送中心车辆路径问题的狼群算法[J]. 叶勇,张惠珍.  计算机应用研究. 2017(09)

硕士论文
[1]基于交通流的多车场动态车辆路径问题研究[D]. 王晨蕾.北京交通大学 2016



本文编号：3326035