基于遗传蚁群算法的多目标冷链物流车辆路径问题研究
发布时间：2021-02-03 23:56
生产力的不断提高以及生鲜新零售的兴起,使得社会对生鲜农产品的消费与日俱增,并越来越注重品质和配送服务。生鲜农产品在常温下存放容易腐烂,造成额外损失,因此其运输和配送必须采用具有冷藏保温功能的冷链物流。我国冷链物流业目前面临设施不足、配送成本高、损耗严重、准时性低、空载率高等困境,需要改善现状。为此,本文研究了带容量和时间窗约束的多目标生鲜农产品冷链物流车辆路径问题,构建了以总成本最低和客户满意度最高为优化目标的多目标优化模型,其中制冷成本和货损成本的定义考虑了运输过程与卸货过程中的差异及货物的变动情况;客户满意度则反映客户对取/送货时间的评价。为求得问题的最优解,采用ε约束法处理,并混合遗传算法与蚁群算法,以蚁群算法为基础,加入交叉算子与变异算子,设计了遗传蚁群算法。首先通过蚁群算法生成初始种群,然后对其实施交叉操作和变异操作,并对蚂蚁状态转移规则和信息素总量进行优化,从而减少算法的早熟现象,提高收敛速度和求解质量。为验证模型与算法的有效性,对实际算例进行求解,并将其结果与遗传算法、蚁群算法求得结果进行对比,发现本文算法求得的最优解比遗传算法和蚁群算法求得的更优秀,且能在更少的迭代次数...
【文章来源】：河南大学河南省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
普通VRP示意图
确定本文算法的最佳迭代次数，验证算法的稳定性，设置不同的迭代户满意度情况下三种算法的最低成本。由于客户满意度最大值为 10有代表性的满意度，如客户满意度分别 100%、90%、80%，求解此时的解结果进行对比，确定算法收敛时的最佳迭代次数、算法稳定性以及求户满意度为 100%的情况下，三种算法不同迭代次数的求解结果如表 5表 5-4 客户满意度为 100%时三种算法不同迭代次数最优解迭代次数 GA ACO GA-ACO100 1315.94 1279.75 1246.47200 1307.72 1264.86 1234.50300 1286.93 1258.91 1225.18400 1280.39 1246.07 1216.35500 1275.56 1243.72 1216.35中结果在图像中表示，则迭代次数与求解结果的关系如图 5-2 所示：
表 5-5 客户满意度为 90%时三种算法不同迭代次数最优解迭代次数 GA ACO GA-ACO100 1136.49 1082.08 1077.44200 1127.22 1076.08 1066.79300 1122.43 1064.83 1053.13400 1114.48 1054.13 1052.80500 1107.61 1053.72 1052.80将表中结果在图像中表示，则迭代次数与求解结果的关系如图 5-3 所示：
【参考文献】：
期刊论文
[1]生鲜农产品冷链物流车辆配送路径优化研究[J]. 樊世清,娄丹,孙莹. 保鲜与加工. 2017(06)
[2]易腐生鲜货品车辆路径问题的改进混合蝙蝠算法[J]. 殷亚,张惠珍. 计算机应用. 2017(12)
[3]带时间窗的蓄冷式多温共配冷链配送问题研究[J]. 戴夏静,梁承姬. 重庆师范大学学报(自然科学版). 2017(05)
[4]基于生鲜农产品的冷链物流配送路径优化[J]. 范立南,董冬艳,李佳洋,刘闯,丁宇. 沈阳大学学报(自然科学版). 2017(02)
[5]基于改进智能水滴算法的冷链物流配送路径优化问题研究[J]. 王维军,罗伟. 工业工程. 2017(02)
[6]多模糊时间窗车辆路径问题的建模及求解[J]. 闫芳,王媛媛. 交通运输系统工程与信息. 2016(06)
[7]基于捕食搜索策略混合遗传算法的车辆路径问题研究[J]. 林涛,武孟贤,轩倩倩,徐庆国,江冲. 中南民族大学学报(自然科学版). 2016(04)
[8]冷链物流同时送取货车辆路径优化[J]. 周咏,计莹峰,杨华龙,于坤. 数学的实践与认识. 2016(20)
[9]软硬时间窗共存装卸一体化车辆路径问题的混合离散粒子群优化算法[J]. 周蓉,沈维蕾. 合肥工业大学学报(自然科学版). 2016(08)
[10]基于随机需求的冷链物流车辆路径优化模型[J]. 马向国,刘同娟,杨平哲,蒋荣芬. 系统仿真学报. 2016(08)
博士论文
[1]带时间窗车辆路径问题及其算法研究[D]. 潘立军.中南大学 2012
硕士论文
[1]基于生鲜农产品的冷链物流配送路径优化研究[D]. 董冬艳.沈阳大学 2017
[2]基于改进混合蚁群算法的带时间窗车辆路径问题优化研究[D]. 韩越.安徽理工大学 2016
[3]城市冷链物流配送路径优化研究[D]. 富佳.大连理工大学 2016
[4]考虑碳排放的生鲜农产品冷链配送路径优化研究[D]. 钱光宇.北京交通大学 2016
[5]城市快递配送条件下的多目标车辆路径优化研究[D]. 杨志清.哈尔滨工业大学 2015
[6]带时间窗的冷链物流车辆路径多目标优化问题研究[D]. 段雪凝.东北大学 2014
[7]冷链物流配送路径优化研究[D]. 杨丹婷.大连海事大学 2014
[8]城市农产品冷链物流配送路径优化研究[D]. 李明泽.大连海事大学 2013
[9]带模糊时间窗的冷链物流车辆配送路径优化[D]. 张金凤.武汉理工大学 2013
[10]带时间窗的农产品冷链物流车辆路径问题研究[D]. 向金秀.大连海事大学 2011
本文编号：3017371
【文章来源】：河南大学河南省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
普通VRP示意图
确定本文算法的最佳迭代次数，验证算法的稳定性，设置不同的迭代户满意度情况下三种算法的最低成本。由于客户满意度最大值为 10有代表性的满意度，如客户满意度分别 100%、90%、80%，求解此时的解结果进行对比，确定算法收敛时的最佳迭代次数、算法稳定性以及求户满意度为 100%的情况下，三种算法不同迭代次数的求解结果如表 5表 5-4 客户满意度为 100%时三种算法不同迭代次数最优解迭代次数 GA ACO GA-ACO100 1315.94 1279.75 1246.47200 1307.72 1264.86 1234.50300 1286.93 1258.91 1225.18400 1280.39 1246.07 1216.35500 1275.56 1243.72 1216.35中结果在图像中表示，则迭代次数与求解结果的关系如图 5-2 所示：
表 5-5 客户满意度为 90%时三种算法不同迭代次数最优解迭代次数 GA ACO GA-ACO100 1136.49 1082.08 1077.44200 1127.22 1076.08 1066.79300 1122.43 1064.83 1053.13400 1114.48 1054.13 1052.80500 1107.61 1053.72 1052.80将表中结果在图像中表示，则迭代次数与求解结果的关系如图 5-3 所示：
【参考文献】：
期刊论文
[1]生鲜农产品冷链物流车辆配送路径优化研究[J]. 樊世清,娄丹,孙莹. 保鲜与加工. 2017(06)
[2]易腐生鲜货品车辆路径问题的改进混合蝙蝠算法[J]. 殷亚,张惠珍. 计算机应用. 2017(12)
[3]带时间窗的蓄冷式多温共配冷链配送问题研究[J]. 戴夏静,梁承姬. 重庆师范大学学报(自然科学版). 2017(05)
[4]基于生鲜农产品的冷链物流配送路径优化[J]. 范立南,董冬艳,李佳洋,刘闯,丁宇. 沈阳大学学报(自然科学版). 2017(02)
[5]基于改进智能水滴算法的冷链物流配送路径优化问题研究[J]. 王维军,罗伟. 工业工程. 2017(02)
[6]多模糊时间窗车辆路径问题的建模及求解[J]. 闫芳,王媛媛. 交通运输系统工程与信息. 2016(06)
[7]基于捕食搜索策略混合遗传算法的车辆路径问题研究[J]. 林涛,武孟贤,轩倩倩,徐庆国,江冲. 中南民族大学学报(自然科学版). 2016(04)
[8]冷链物流同时送取货车辆路径优化[J]. 周咏,计莹峰,杨华龙,于坤. 数学的实践与认识. 2016(20)
[9]软硬时间窗共存装卸一体化车辆路径问题的混合离散粒子群优化算法[J]. 周蓉,沈维蕾. 合肥工业大学学报(自然科学版). 2016(08)
[10]基于随机需求的冷链物流车辆路径优化模型[J]. 马向国,刘同娟,杨平哲,蒋荣芬. 系统仿真学报. 2016(08)
博士论文
[1]带时间窗车辆路径问题及其算法研究[D]. 潘立军.中南大学 2012
硕士论文
[1]基于生鲜农产品的冷链物流配送路径优化研究[D]. 董冬艳.沈阳大学 2017
[2]基于改进混合蚁群算法的带时间窗车辆路径问题优化研究[D]. 韩越.安徽理工大学 2016
[3]城市冷链物流配送路径优化研究[D]. 富佳.大连理工大学 2016
[4]考虑碳排放的生鲜农产品冷链配送路径优化研究[D]. 钱光宇.北京交通大学 2016
[5]城市快递配送条件下的多目标车辆路径优化研究[D]. 杨志清.哈尔滨工业大学 2015
[6]带时间窗的冷链物流车辆路径多目标优化问题研究[D]. 段雪凝.东北大学 2014
[7]冷链物流配送路径优化研究[D]. 杨丹婷.大连海事大学 2014
[8]城市农产品冷链物流配送路径优化研究[D]. 李明泽.大连海事大学 2013
[9]带模糊时间窗的冷链物流车辆配送路径优化[D]. 张金凤.武汉理工大学 2013
[10]带时间窗的农产品冷链物流车辆路径问题研究[D]. 向金秀.大连海事大学 2011
本文编号：3017371
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3017371.html
