基于启发式优化算法的物流车辆路径问题的研究

发布时间：2020-12-07 00:09

　　21世纪,我国GDP总量飞速上升,许多行业蓬勃发展,特别是如今蒸蒸日上的物流行业,更是我国经济发展的基础性支柱行业,但是由于物流运输水平受限于高额的物流运输成本,所以很大地阻碍着国内许多物流企业的发展。这就使得怎样有效提升物流运输水平进而节约物流运输成本成为学术界和行业界的十分重要的课题。基于物流行业的早期运作方式,学术界提出了车辆路径问题,为此国内外学者做了大量的研究且取得了许多不错的研究成果,但是随着科学技术的发展,如今的物流行业遇到的车辆路径问题也更加复杂多变,从而衍伸出更多的问题--多约束车辆路径问题、多中心车辆路径问题以及多目标的多约束多中心车辆路径问题,对于这些衍伸问题国内外学者研究不多,特别是对于多目标的多约束多中心车辆路径问题的研究更是欠缺。基于此本文首先给出了车辆路径问题及其衍伸问题的研究背景,分析了目前车辆路径问题及其衍伸问题方面的研究成果,通过参阅国内外文献综述与研究成果,分别对基本车辆路径问题、多约束车辆路径问题以及多目标的多约束中心车辆路径问题进行了详细分析并建立相应的数学模型。然后在这些建立好的模型基础上,深入研究启发式优化算法的方法原理,针对目前国内外应用... 

【文章来源】：北京工业大学北京市 211工程院校

【文章页数】：96 页

【学位级别】：硕士

【部分图文】：

基本VRP问题的解示例

图 2-2 遗传算法一般流程图Figure 2-2 General Flow Chart of Genetic Algori优过程中能够主动获取和储存相关寻优空息来收缩寻优空间，自适应地限制寻优过而获得目标问题的有用可行解或最佳解，效求解算法多是采用遗传算法来求解V算法[26](VRP optimization algorithm base分析和流程如下所示。于基本 VRP 问题分析：基本 VRP 问题比采用遗传算法的思路对所用车辆和顾客进可重复的自然数的顺序表示车辆排列，采序表示顾客排列，两者相对应，构成一个配送路径方案，随后计算该配送方案的总直到循环结束。个用 3 辆车向 9 个顾客派送的车辆派送优

图 2-3 基于遗传算法的 VRP 问题优化流程图3 Flow chart of VRP optimization based on genetic algRP 的算法步骤，具体如下算法 1-1 所示：P optimization algorithm based on genetic algori传算法的 VRP 问题优化算法，顾客数量M ，最大进化代数maxT ，交叉概.成规模为 N 的种群，对车辆和顾客进行二进为适应度评估函数对个体进行评价最优个体存储与轮盘赌相结合的淘汰策略，度值由小到大排序，将排序后最好的个体直个体需要采用轮盘赌方法和上代群体的 N 个编码方式下有几种编码方式：仅对车辆编码


本文编号：2902247