基于改进离散粒子群算法的物流路径优化的研究

发布时间：2021-09-02 06:12

　　随着我国经济的快速发展,物流业在社会和生活中已有重要的地位。其中物流成本是影响物流业发展的重要因素,而降低成本最简单有效且无需高投入的方法是对物流运输路径实现优化。将物流运输路径距离优化为最短不仅能够降低物流成本,而且提高了运输效率。因此,本文提出改进离散粒子群算法（2SGPSO）来解决物流运输路径问题。本文对物流运输路径问题和解决该问题的2SGPSO算法进行了研究:（1）本文提出了理想化的传统物流运输路径问题和结合实际的现代物流运输路径问题,并分别建立了相应的数学模型。在建立现代物流运输路径问题数学模型的过程中,考虑了实际中的配送站点之间的道路是否直接连接和交通是否拥堵两种情况,道路是否直连通过在两站点间建立道路转折点保证物流能够顺利配送,交通是否拥堵使用拥堵系数表示,并根据拥堵系数、路径距离和行驶速度得到了实际配送时间,由此建立了结合时间因素和路径距离因素的现代物流运输路径问题数学模型。（2）2SGPSO算法首先将遗传算法（GA）选择交叉和变异的操作方式加入到离散粒子群算法中（DPSO）,得到GPSO算法。在迭代搜索过程中,对物流运输配送站点进行编码得到的站点序列分别与当前最优站点... 

【文章来源】：长安大学陕西省 211工程院校 教育部直属院校

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

物流运输路径示意图

下来首先对传统和现代物流运输路径问题建立了数学模型，然后整 算法的创新性，即提出 GPSO 算法和 2SA 算法并将两种算法融合得到后对改进算法所带来的优势进行了验证和说明。流运输路径问题分析和模型统和现代物流运输路径问题将物流运输路径问题分为传统物流运输路径问题和现代物流运输路径输路径问题是在理想的状态下即不考虑外界以及自身的干扰条件下到最短，如图 2.1 所示，传统物流运输适应于空中物流运输和海上物运输路径问题即实际物流运输路径问题是指考虑实际在物流运输过路径最短需要面临的许多问题，比如，在保证配送完各个站点并且各次遍历的前提下，还需考虑时间是否最省，两个配送站点之间的道路是是否合理等。

图 2.4 GPSO 和 GA 迭代路径示意图 算法在搜索物流运输最短路径时具有先天的不足，即具有容 GPSO 算法并没有有效地解决该问题，又因为 SA 算法具有快等特点，所以考虑采用 SA 算法对 GPSO 算法进行改进。较差，而 2-opt 搜索策略能够增加路径搜索的多样性，因此索策略改善 SA 算法的缺点。如图 2.5 所示，测试采用的是 算法最终搜索到的配送城市序列和最短路径距离作为 2SA 算 2SA 算法分别对城市序列进行了 147 次迭代，迭代次数的设终止时的最短距离分别为 428.8 千米（km）和 435.6 千米（分别为 70 次和 77 次，该结果充分说明了 2SA 算法提高了物和运算效率。

【参考文献】：
期刊论文
[1]改进的蚁群与粒子群混合算法求解旅行商问题[J]. 汪冲,李俊,李波,张粤.  计算机仿真. 2016(11)
[2]求解TSP的带混沌扰动的模拟退火蚁群算法[J]. 王迎,张立毅,费腾,周修飞.  计算机工程与设计. 2016(04)
[3]求解TSP问题的自适应离散型布谷鸟算法[J]. 张子成,韩伟.  计算机工程与应用. 2017(10)
[4]求解旅行商问题的改进局部搜索混沌离散粒子群优化算法[J]. 程毕芸,鲁海燕,徐向平,沈莞蔷.  计算机应用. 2016(01)
[5]改进的混沌粒子群算法在TSP中的应用[J]. 李文,伍铁斌,赵全友,李玲香.  计算机应用研究. 2015(07)
[6]改进的蚁群遗传算法求解旅行商问题[J]. 于莹莹,陈燕,李桃迎.  计算机仿真. 2013(11)



本文编号：3378473