基于人工蜂群算法的考虑碳排放的带时间窗车辆路径问题研究

发布时间：2017-08-09 01:14

  本文关键词：基于人工蜂群算法的考虑碳排放的带时间窗车辆路径问题研究

  更多相关文章： 时间窗 车辆路径问题 人工蜂群算法 碳排放

【摘要】：带时间窗车辆路径问题(Vehicle Routing Problem with Time Windows, VRPTW)作为VRP(Vehicle Routing Problem, VRP)的一个主要分支,一直是运筹学领域的热点研究问题,同时也是关乎到国计民生的物流领域的热点和难点问题。它要求车辆在规定的时间将确定的货物送到指定的地点,是研究最小运输成本的货物配送问题。在如今倡导低碳经济的大背景下,绿色物流受到了政府和商业组织越来越多的关注,因为从长远来看当前的物流战略是不可持续的。因此在设计物流策略时除了传统的经济成本,环境、生态、社会效益也应该考虑在内。交通运输在物流中占主要部分,这点不可否认,因此环境敏感的物流政策需要改变其自身的运输方案,使其转变成对生态环境有更少负面影响的可持续的配送网络。研究VRPTW问题的碳排放具有十分重要的现实意义。本文一开始对车辆路径问题的定义及模型进行了简单回顾,并对其扩展问题进行了分类介绍,重点介绍了VRPTW的特点及其模型,并总结了当前求解VRPTW的常规方法。然后引入一种群集智能算法-人工蜂群算法(ABC),作为本文提及模型的求解方法。算法设计可以分为两部分：第一部分根据VRPTW的时间窗以及车辆容量约束,结合当前应用比较成功的初始解生成方法以及局部搜索方法,设计适合于此问题的ABC算法(ABC1),并用标准测试集验证可行性。最后从跟随蜂以及侦查蜂选择,邻域搜索三方面对ABC算法进行改进(ABC2),用相同的测试集比较,证明改进后算法的优越性。第二部分针对考虑碳排放的带时间窗车辆路径问题(Emission Vehicle Routing Problem with Time Windows, EVRPTW)建立相应模型,在相同参数下,用ABC2对两个模型进行求解,对结果进行比较。实验结果分为两方面：第一通过Solomon标准测试集证明了ABC2在求解VRPTW的有效性；第二通过对两个模型计算结果的对比说明尽管在考虑碳排放的情况下行驶距离略有增加,但碳排放量有较明显的减少,证明通过改变优化目标来降低碳排放有一定的理论可操作性。
【关键词】：时间窗 车辆路径问题 人工蜂群算法 碳排放
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U492.22
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-14
• 1.1 研究背景及意义9-10
• 1.1.1 研究背景9
• 1.1.2 研究意义9-10
• 1.2 国内外研究现状10-13
• 1.2.1 带时间窗车辆路径问题国内外研究现状10-12
• 1.2.2 考虑碳排放的车辆路径问题国内外研究现状12-13
• 1.3 研究内容13
• 1.4 技术路线13-14
• 2 车辆路径问题概述14-28
• 2.1 车辆路径问题概述14-20
• 2.1.1 旅行商问题14-15
• 2.1.2 车辆路径问题介绍15-16
• 2.1.3 经典车辆路径问题模型16-18
• 2.1.4 车辆路径问题分类18-20
• 2.2 带时间窗车辆路径问题概述20-22
• 2.2.1 带时间窗车辆路径定义20-21
• 2.2.2 带时间窗车辆路径问题模型21-22
• 2.3 VRPTW问题的求解算法22-27
• 2.3.1 启发式算法22-25
• 2.3.2 元启发式算法25-27
• 2.3.3 各种算法的比较27
• 2.4 本章小结27-28
• 3 人工蜂群算法及其VRPTW中的初步应用28-39
• 3.1 人工蜂群算法28-31
• 3.1.1 群集智能算法的一般特性28
• 3.1.2 人工蜂群算法的基本原理28-31
• 3.2 人工蜂群算法在VRPTW中的简单应用31-38
• 3.2.1 初始解生成31-34
• 3.2.2 可行性检查方法34-35
• 3.2.3 邻域搜索35-36
• 3.2.4 侦查蜂过程36-37
• 3.2.5 实验数据37-38
• 3.2.6 实验结果38
• 3.3 本章小结38-39
• 4 人工蜂群算法改进及在EVRPTW中的应用39-49
• 4.1 人工蜂群算法改进39-42
• 4.1.1 邻域搜索策略改进39-40
• 4.1.2 跟随蜂选择以及侦查蜂选择改进40
• 4.1.3 改进人工蜂群算法流程40-42
• 4.1.4 结果比较42
• 4.2 考虑碳排放的带时间窗车辆路径问题42-48
• 4.2.1 基于两种不同目标函数的简单对比43-44
• 4.2.2 ABC_2求解EVRPTW44-48
• 4.3 本章小结48-49
• 结论49-50
• 参考文献50-54
• 攻读硕士学位期间发表学术论文情况54-55
• 致谢55-56

【相似文献】

中国期刊全文数据库 前10条

1 王云平;;车辆路径问题的形式化及其知识表示方法研究[J];辽宁省交通高等专科学校学报;2006年04期

2 王江晴;康立山;;动态车辆路径问题仿真器的设计与实现[J];核电子学与探测技术;2007年05期

3 曹二保;赖明勇;张汉江;;模糊需求车辆路径问题研究[J];系统工程;2007年11期

4 唐连生;梁剑;;突发事件下的车辆路径问题研究综述[J];铁道运输与经济;2008年12期

5 唐伟勤;张隐;张敏;;大规模突发事件应急物资调度中的车辆路径问题[J];物流技术;2008年12期

6 刘红梅;陈杨;;车辆路径问题的形式化方法研究[J];科技资讯;2008年05期

7 唐加福;孔媛;潘震东;董颖;;基于划分的蚁群算法求解货物权重车辆路径问题[J];控制理论与应用;2008年04期

8 熊志华;邵春福;姚智胜;;车辆路径问题的可靠性研究[J];物流技术;2008年08期

9 徐俊杰;;利用微正则退火算法求解车辆路径问题[J];安庆师范学院学报(自然科学版);2009年02期

10 宁晓利;;车辆路径问题的组合优化算法[J];物流技术;2009年06期

中国重要会议论文全文数据库 前10条

1 符卓;陈斯卫;;车辆路径问题的研究现状与发展趋势[A];中国运筹学会第七届学术交流会论文集（下卷）[C];2004年

2 杨世坚;陈韬;;随机车辆路径问题研究综述[A];中国系统工程学会决策科学专业委员会第六届学术年会论文集[C];2005年

3 李桂平;陈楠;;多中心车辆路径问题的解决思路[A];中国地理信息系统协会第四次会员代表大会暨第十一届年会论文集[C];2007年

4 李大卫;王梦光;;广义车辆路径问题——模型及算法[A];1997中国控制与决策学术年会论文集[C];1997年

5 符卓;聂靖;;开放式车辆路径问题及其若干研究进展[A];中国运筹学会第八届学术交流会论文集[C];2006年

6 陈宝文;宋申民;陈兴林;单志众;;应用于车辆路径问题的多蚁群算法[A];第25届中国控制会议论文集（下册）[C];2006年

7 戎丽霞;;模糊需求条件下的多车场车辆路径问题[A];第三届中国智能计算大会论文集[C];2009年

8 张凤姣;张兴芳;;基于不确定理论的车辆路径问题[A];第九届中国不确定系统年会、第五届中国智能计算大会、第十三届中国青年信息与管理学者大会论文集[C];2011年

9 肖雁;符卓;李育安;;带软时间窗的车辆路径问题及其应用前景探讨[A];中国运筹学会第六届学术交流会论文集（下卷）[C];2000年

10 许鑫;范文慧;冯雅U，

本文编号：642867