基于两阶段启发式算法的带时间窗车辆路径优化研究
发布时间：2021-07-07 09:57
随着新时代电子商务的迅猛发展,物流配送的地位也随之越来越高,成为了电子商务向前发展的重要基石,同时其与电子商务发展的不对称性也将对电子商务产生反向制约。现代物流的核心问题是优化资产配置的同时提高服务感知度,可以以最小的成本提供最好的服务。所以对于配送过程中的车辆路线进行规划,制定合理方案是车辆路径研究问题的重点,尤其是对带时间窗的车辆路径问题（Vehicle Routing Problem With Time Windows,VRPTW）的研究。VRPTW既能提高单位资产产出值,也能从时间维度优化客户的服务体验。从物流公司角度而言,资产效率的提高可以减少硬件投入,公司资金流转压力会大幅减少,从而提高在整个行业的竞争力和员工待遇,产生良性循环。因此对VRPTW的研究具有重要意义。本文基于VRPTW的以上研究意义,以VRPTW相关理论和相关算法理论为基础,对其进行概念界定以及因素描述,对比了各种可以求解路径优化问题的算法,同时列举具体数据测试了启发式算法进行对比,从而选定了遗传算法作为本文应用的算法之一。根据车辆在中约束、顾客要求的时间上的约束以及各种有关因素范围的约束建立了以求解运输目成...
【文章来源】：沈阳工业大学辽宁省
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
遗传算法随机路线图
沈阳工业大学硕士学位论文18图2.5遗传算法最优路线图Fig.2.5GeneticAlgorithmOptimalRoadmap图2.6遗传算法迭代进化图Fig.2.6Geneticalgorithmiterativeevolutiongraph2.5.2禁忌搜索算法测试与分析使用禁忌搜索算法首先随机获得一个解，初始解如图2.7所示，行驶路程总和为75.68，经过禁忌搜索算法优化得到最优路径与遗传算法优化后得到的最优解相同，总路程为30.96，通过进化迭代图可以看到在65代以后基本保持不变。
沈阳工业大学硕士学位论文18图2.5遗传算法最优路线图Fig.2.5GeneticAlgorithmOptimalRoadmap图2.6遗传算法迭代进化图Fig.2.6Geneticalgorithmiterativeevolutiongraph2.5.2禁忌搜索算法测试与分析使用禁忌搜索算法首先随机获得一个解，初始解如图2.7所示，行驶路程总和为75.68，经过禁忌搜索算法优化得到最优路径与遗传算法优化后得到的最优解相同，总路程为30.96，通过进化迭代图可以看到在65代以后基本保持不变。
【参考文献】：
期刊论文
[1]车辆路径优化问题及求解方法研究综述[J]. 庞燕,罗华丽,邢立宁,任腾. 控制理论与应用. 2019(10)
[2]基于遗传算法与方案优选的多目标优化模型求解方法[J]. 单宝英,郭萍,张帆,郭珊珊. 中国农业大学学报. 2019(06)
[3]带时间窗的电动汽车物流配送车辆路径问题研究[J]. 黄敏芳,刘敬,郭琼. 物流技术. 2019(05)
[4]考虑客户满意度的车辆路径优化研究[J]. 户佐安,贾叶子,李博威,刘陆. 工业工程. 2019(01)
[5]中国物流业发展的现状、问题与趋势[J]. 魏际刚. 北京交通大学学报(社会科学版). 2019(01)
[6]带时间窗和服务顺序约束的多需求车辆路径问题[J]. 李珍萍,张煜炜. 控制与决策. 2019(07)
[7]我国电商企业物流运营模式的应用与创新发展[J]. 王德方. 产业与科技论坛. 2018(05)
[8]我国电子商务与物流产业协同发展研究[J]. 耿杰. 科技风. 2018(03)
[9]基于改进K-means算法的微博舆情分析研究[J]. 谢修娟,李香菊,莫凌飞. 计算机工程与科学. 2018(01)
[10]跨境电子商务物流企业竞争力实证研究[J]. 刘侃,赵冬梅. 商业经济研究. 2018(01)
博士论文
[1]装卸一体化车辆路径问题优化模型及算法研究[D]. 周蓉.合肥工业大学 2016
硕士论文
[1]面向轮胎制造企业的能耗优化方法研究[D]. 刘晓婷.西安理工大学 2017
[2]基于广义多子代遗传算法的外卖配送问题研究[D]. 许刚.东北农业大学 2017
[3]时变网络条件下生鲜农产品运输车辆路径问题研究[D]. 吴姝雨.重庆交通大学 2017
[4]基于Hadoop云计算平台的K-Means聚类算法研究[D]. 刘洋.哈尔滨理工大学 2017
[5]基于现代优化算法的K-means聚类的研究与应用[D]. 左倪娜.广西大学 2016
[6]食品企业物流配送问题研究[D]. 刘建非.重庆交通大学 2014
[7]带时间窗车辆路径问题的蚁群算法改进[D]. 董攀.长沙理工大学 2014
[8]基于聚类分析和遗传算法的带时间窗车辆路径问题研究[D]. 林郁丞.福建农林大学 2009
本文编号：3269423
【文章来源】：沈阳工业大学辽宁省
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
遗传算法随机路线图
沈阳工业大学硕士学位论文18图2.5遗传算法最优路线图Fig.2.5GeneticAlgorithmOptimalRoadmap图2.6遗传算法迭代进化图Fig.2.6Geneticalgorithmiterativeevolutiongraph2.5.2禁忌搜索算法测试与分析使用禁忌搜索算法首先随机获得一个解，初始解如图2.7所示，行驶路程总和为75.68，经过禁忌搜索算法优化得到最优路径与遗传算法优化后得到的最优解相同，总路程为30.96，通过进化迭代图可以看到在65代以后基本保持不变。
沈阳工业大学硕士学位论文18图2.5遗传算法最优路线图Fig.2.5GeneticAlgorithmOptimalRoadmap图2.6遗传算法迭代进化图Fig.2.6Geneticalgorithmiterativeevolutiongraph2.5.2禁忌搜索算法测试与分析使用禁忌搜索算法首先随机获得一个解，初始解如图2.7所示，行驶路程总和为75.68，经过禁忌搜索算法优化得到最优路径与遗传算法优化后得到的最优解相同，总路程为30.96，通过进化迭代图可以看到在65代以后基本保持不变。
【参考文献】：
期刊论文
[1]车辆路径优化问题及求解方法研究综述[J]. 庞燕,罗华丽,邢立宁,任腾. 控制理论与应用. 2019(10)
[2]基于遗传算法与方案优选的多目标优化模型求解方法[J]. 单宝英,郭萍,张帆,郭珊珊. 中国农业大学学报. 2019(06)
[3]带时间窗的电动汽车物流配送车辆路径问题研究[J]. 黄敏芳,刘敬,郭琼. 物流技术. 2019(05)
[4]考虑客户满意度的车辆路径优化研究[J]. 户佐安,贾叶子,李博威,刘陆. 工业工程. 2019(01)
[5]中国物流业发展的现状、问题与趋势[J]. 魏际刚. 北京交通大学学报(社会科学版). 2019(01)
[6]带时间窗和服务顺序约束的多需求车辆路径问题[J]. 李珍萍,张煜炜. 控制与决策. 2019(07)
[7]我国电商企业物流运营模式的应用与创新发展[J]. 王德方. 产业与科技论坛. 2018(05)
[8]我国电子商务与物流产业协同发展研究[J]. 耿杰. 科技风. 2018(03)
[9]基于改进K-means算法的微博舆情分析研究[J]. 谢修娟,李香菊,莫凌飞. 计算机工程与科学. 2018(01)
[10]跨境电子商务物流企业竞争力实证研究[J]. 刘侃,赵冬梅. 商业经济研究. 2018(01)
博士论文
[1]装卸一体化车辆路径问题优化模型及算法研究[D]. 周蓉.合肥工业大学 2016
硕士论文
[1]面向轮胎制造企业的能耗优化方法研究[D]. 刘晓婷.西安理工大学 2017
[2]基于广义多子代遗传算法的外卖配送问题研究[D]. 许刚.东北农业大学 2017
[3]时变网络条件下生鲜农产品运输车辆路径问题研究[D]. 吴姝雨.重庆交通大学 2017
[4]基于Hadoop云计算平台的K-Means聚类算法研究[D]. 刘洋.哈尔滨理工大学 2017
[5]基于现代优化算法的K-means聚类的研究与应用[D]. 左倪娜.广西大学 2016
[6]食品企业物流配送问题研究[D]. 刘建非.重庆交通大学 2014
[7]带时间窗车辆路径问题的蚁群算法改进[D]. 董攀.长沙理工大学 2014
[8]基于聚类分析和遗传算法的带时间窗车辆路径问题研究[D]. 林郁丞.福建农林大学 2009
本文编号：3269423
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3269423.html
