粒子群优化算法在车辆路径问题中的应用研究

发布时间：2021-08-02 01:13

　　优化问题是在物流供应链管理中一个非常重要的课题。随着技术的发展,优化问题也变得越发复杂,难以解决。智能算法对于求解这些优化问题有着明显的优势,在计算规模较大,较为复杂的优化问题时,智能算法有着更快的求解效率,适应性更广。粒子群优化算法（Particle Swarm Optimization,PSO）是群体智能算法的一种,它模拟自然界中鸟类飞行觅食的过程,在搜索空间中寻找出解决问题的最佳方案。PSO算法由于其参数的数量较少,有着简单易于实现、收敛速度快的优点,但它也同样存在易陷入局部最优的缺陷,这个缺陷也限制了其实际应用,因此对粒子群算法做出相应的改进有着十分重要的意义。车辆路径问题（Vehicle Routing Problem,VRP）作为典型的NP难问题,使用智能算法求解是目前主要的解决方案,本文也将PSO算法应用到了VRP中,对PSO算法应用进行了研究。本文首先介绍了粒子群算法和车辆路径问题的国内外研究现状,其次对粒子群算法的原理和算法流程进行了阐述,并总结出了几种常见的改进方向,介绍了几种常见的标准测试函数。在这些理论基础上,本文根据粒子群算法本身的缺陷,将莱维飞行和反向学习机... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

基本PSO算法流程图

第二章相关理论综述13在许多局部极值点很难求得全局最优解。所有这些测试函数的理论最优解为X=(0,0,...,0)，理论全局最优值为0。（1）Sphere函数：)100100(,)(121==iniixxxf(2-5)图2-2Sphere函数（2）Quadric函数：)100100(,)()(1212===iniijjxxxf(2-6)图2-3Quadric函数

第二章相关理论综述13在许多局部极值点很难求得全局最优解。所有这些测试函数的理论最优解为X=(0,0,...,0)，理论全局最优值为0。（1）Sphere函数：)100100(,)(121==iniixxxf(2-5)图2-2Sphere函数（2）Quadric函数：)100100(,)()(1212===iniijjxxxf(2-6)图2-3Quadric函数

【参考文献】：
期刊论文
[1]粒子群算法的改进及在农业水资源配置的应用[J]. 张倩,张建丰,李涛,辛彦林,史娟.  排灌机械工程学报. 2020(06)
[2]基于模糊推理技术PSO算法的机器人路径规划研究[J]. 刘彩霞.  机电工程. 2019(04)
[3]基于多目标粒子群算法的船舶航速优化[J]. 张进峰,杨涛宁,马伟皓.  系统仿真学报. 2019(04)
[4]改进粒子群算法应用于Android恶意应用检测[J]. 霍林,陆寅丽.  计算机工程与应用. 2020(07)
[5]基于改进粒子群算法的移动机器人路径规划[J]. 郭世凯,孙鑫.  电子测量技术. 2019(03)
[6]基于指数衰减惯性权重的分裂粒子群优化算法[J]. 王永贵,曲彤彤,李爽.  计算机应用研究. 2020(04)
[7]时变路网下多配送中心多车型联合配送[J]. 王杨,鲁晓春.  科学技术与工程. 2018(36)
[8]模糊需求下多中心开放式车辆路径优化[J]. 杨翔,范厚明,徐振林,李阳.  计算机集成制造系统. 2019(02)
[9]多车型绿色车辆路径问题优化模型[J]. 何东东,李引珍.  计算机应用. 2018(12)
[10]装卸一体化车辆路径问题的自适应并行遗传算法[J]. 周蓉,沈维蕾.  中国机械工程. 2018(22)

硕士论文
[1]生鲜食品冷链物流配送车辆路径优化[D]. 林俊楷.华侨大学 2016



本文编号：3316588