物流企业车辆调度优化方法研究

发布时间：2018-01-10 22:00

  本文关键词：物流企业车辆调度优化方法研究　出处：《沈阳大学》2014年硕士论文　论文类型：学位论文

  更多相关文章： CVRP VRPTW 蚁群算法 Sweep算法 物流车辆调度系统

【摘要】：近年来，随着智能交通和电子商务的快速崛起，现代物流呈现出信息化、社会化的发展趋势。不断增长的业务量为物流企业的蓬勃发展带来无限机遇，但同时也对物流运输能力和效率提出新的要求。如何通过提高物流运输效率，以最低的成本完成货物运输任务，实现利润最大化是物流企业面临的首要问题。本文从物流企业车辆调度问题着手，描述和分析了用于求解车辆调度问题的蚁群优化算法，并针对其缺陷提出四点改进策略。通过仿真分析，证明了改进后蚁群算法的优越性。在此基础上，设计并开发了物流车辆调度系统。 本文首先阐述了车辆调度问题的定义、组成要素和分类，着重介绍面向载重能力约束的车辆调度问题和带时间窗的车辆调度问题，详尽分析和说明各类约束条件的实际意义和数学描述，在此基础上建立了两类问题各自的数学模型。 然后，重点研究了具有正反馈机制、高稳定性的用于求解车辆调度问题的蚁群优化算法，针对传统蚁群算法搜索速度慢、容易陷入局部最优解的缺点，明确提出了基于Sweep算法的初始解构建、确定性与探索性并行搜索、信息素动态更新和关键参数优化等四种改进方案。通过对旅行商问题的求解，证明改进后蚁群算法对最短路径搜索具有高效性和稳定性。 接着，进一步将改进后的蚁群算法用于求解面向载重能力约束的车辆调度问题和带时间窗的车辆调度问题。分别设计了求解这两类问题的实现步骤，采用不同的测算实例进行仿真分析。通过与传统的蚁群算法相比，无论在最优解计算、搜索速度还是鲁棒性均具有明显的优越性。 最后，设计了物流企业车辆调度系统架构及功能，实现了对客户信息、车场信息、货物信息、订单信息、车辆信息等的综合管理；将改进的蚁群算法应用在车辆调度模块中，，实现带时间窗的辆调度任务的自动生成和各车辆最短路径的地图显示。通过对实际订单的计算分析，本系统生成的配送计划合理、有效，对物流企业的车辆调度具有重要的指导意义。
[Abstract]:In recent years, with the rapid rise of intelligent transportation and electronic business, modern logistics showing information, social development trend. The growing volume of business brings infinite opportunities the vigorous development of logistics enterprises, but also on the logistics transportation capacity and efficiency of the proposed new requirements. How to improve the transportation efficiency, finished goods transport task with the lowest cost, realize the profit maximization is the primary problem faced by logistics enterprises. This paper from the logistics vehicle scheduling problems, described and analyzed for the ant colony optimization algorithm to solve the vehicle scheduling problem, and puts forward four strategies to improve the defects. Through simulation analysis, proves the superiority of the ant colony algorithm improved. On this basis, the design and development of the logistics vehicle scheduling system.
This paper first describes the definition of the vehicle scheduling problem, elements and classification, emphatically introduces the vehicle scheduling problem for capacity constraints and the vehicle scheduling problem with time windows, detailed description and analysis of all kinds of constraint conditions and practical significance of mathematics, mathematical model is then established based on the two kinds of problems.
Then, focus on the positive feedback mechanism for ant colony optimization algorithm to solve the vehicle scheduling problem with high stability, according to the traditional ant colony algorithm search speed is slow, easy to fall into local optimal solution, clearly put forward the initial Sweep algorithm based on the deconstruction of construction, is qualitative and exploratory parallel search, dynamic pheromone updating and key parameters optimization of four improved schemes. By solving the traveling salesman problem, proved that the improved ant colony algorithm for the shortest path search has the advantages of high efficiency and stability.
Then, the improved ant colony algorithm for vehicle scheduling problem solving oriented load capacity constraints and vehicle scheduling problem with time windows are designed. The implementation steps of solving the two problems, using different calculation examples were simulated and analyzed. Compared with the traditional ant colony algorithm, both in the calculation of optimal search speed and robustness have obvious advantages.
Finally, design the structure and function of logistics vehicle scheduling system, the realization of customer information, parking information, goods information, order information, integrated management of vehicle information; the improved ant colony algorithm is applied in vehicle scheduling module, realize the task scheduling with time windows vehicle automatic generation and the shortest vehicle the path of the map display. By calculating the actual order analysis, the system generates a distribution plan is reasonable, effective, has an important guiding significance for vehicle scheduling of logistics enterprises.

【学位授予单位】：沈阳大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：U492.22

【相似文献】

相关期刊论文 前10条

1 李海龙;周屹;;物流配送与跟踪的动态车辆调度问题研究[J];黑龙江工程学院学报;2008年02期

2 经怀明;张立军;;多车型车辆调度问题的建模与仿真[J];计算机仿真;2006年04期

3 任春玉;韦超;;有时间窗车辆调度问题优化研究[J];哈尔滨商业大学学报(自然科学版);2007年02期

4 牟峰;;车辆调度问题的研究现状及发展趋势[J];西华大学学报(自然科学版);2012年05期

5 李继玲;卢才武;李金成;;基于蚁群算法的有时间窗车辆调度问题的研究[J];信息技术;2006年05期

6 李春霞;张思林;庞明宝;;基于时间依赖网络的车辆调度问题研究[J];交通科技;2011年01期

7 宋伟刚;张宏霞;佟玲;;有时间窗约束非满载车辆调度问题的节约算法[J];东北大学学报;2006年01期

8 李作秋;王国林;;一种有时间窗约束的非满载车辆调度问题中的启发式算法研究[J];公路交通科技;2006年07期

9 马卫民,王刊良;局内封闭式车辆调度问题及其竞争策略[J];系统工程理论与实践;2004年09期

10 张立峰;赵方庚;孙江生;宋传平;;基于蚁群算法的军事配送车辆调度问题研究[J];交通与计算机;2008年06期

相关会议论文 前5条

1 马华伟;叶浩然;夏维;;允许分割配送的多时间窗车辆调度问题的改进蚁群算法求解[A];第十四届中国管理科学学术年会论文集(上册)[C];2012年

2 杨国兴;;多车场车辆调度问题的一种有效算法[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集（第3卷）[C];1995年

3 王银;王慧;;浅谈配送车辆调度问题[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

4 王永;农兰晶;刘蕾;杨晓洁;;邮政中心选址与车辆调度混合模型研究[A];中国系统工程学会第十八届学术年会论文集——A12系统科学与系统工程理论在各个领域中的应用研究[C];2014年

5 王永;刘蕾;农兰晶;杨晓洁;;邮政运输车辆调度问题研究[A];中国系统工程学会第十八届学术年会论文集——A12系统科学与系统工程理论在各个领域中的应用研究[C];2014年

相关博士学位论文 前3条

1 葛显龙;面向云配送模式的车辆调度问题及算法研究[D];重庆大学;2011年

2 周洁;车辆调度问题的算法及复杂性[D];华东师范大学;2013年

3 李妍峰;时变网络环境下车辆调度问题研究[D];西南交通大学;2008年

相关硕士学位论文 前10条

1 柯昌正;动态车辆调度问题研究与应用[D];北京交通大学;2007年

2 郭凤鸣;动态环境下的车辆调度问题研究[D];同济大学;2006年

3 刘云霞;动态车辆调度问题分析及算法设计[D];西南交通大学;2004年

4 胡夏云;基于蚁群算法的动态车辆调度问题的研究[D];广东工业大学;2013年

5 杨烨;带时间窗的单车场多车型满载车辆调度问题研究[D];山东理工大学;2013年

6 邢莹莹;地震灾害下应急药品的车辆调度研究[D];辽宁科技大学;2013年

7 徐鹏;基于统计分区和智能优化算法的车辆调度问题研究[D];南昌大学;2014年

8 刘新雨;考虑外包车辆和加班条件的车辆调度问题研究[D];河北工程大学;2014年

9 张磊;满载车辆调度问题研究[D];同济大学;2006年

10 滕玮;基于蚁群算法的车辆调度问题研究[D];华中师范大学;2006年

本文编号：1406931