基于改进蚁群算法的区域车辆配送路径优化方法研究

发布时间：2017-05-06 14:16

  本文关键词：基于改进蚁群算法的区域车辆配送路径优化方法研究，，由笔耕文化传播整理发布。

【摘要】：随着信息技术和电子商务的高速发展、O2O模式的兴起,本地生活服务呈现爆发性增长,进而促进了区域性、短距离的配送业务的快速发展,区域配送市场渐成规模,在物流众多细分领域中占据了一席之地。物流行业在国民经济的占比很高,发挥着基础性的作用。在现阶段,我国的物流配送水平较低,存在劳动力密集、信息化程度低的缺陷,配送体验处于“只送不配”的阶段,配送效率低下,车辆等资源有效利用率低。因此,对于物流配送方面的研究具有很强的实际意义。在干线物流和广域配送方面,已经出现了众多优秀的优化调度方案,但针对小区域配送的研究较少,还没有相应的工具来满足小区域配送的路径优化需求。因此,本文在研究了车辆路径问题的基础上,分析了各种常见类型的车辆路径模型,结合众包模式,建立小区域物流配送的数学模型,对蚁群算法进行改进后用于小区域配送路线的优化,并将优化算法和配送策略封装到系统软件上,设计了区域配送系统来实现区域配送路线的优化。主要研究工作和成果如下:(1)综述了国内外车辆路径问题的研究现状和发展趋势,介绍了车辆路径问题的基本概念和不同约束条件下的分类,分析了求解车辆路径问题的各类算法,建立了带能力约束的车辆路径问题的一般数学模型。(2)针对基本蚁群算法计算速度慢、容易停滞在局部最优等缺陷,对转移概率公式、信息素更新策略进行改进,提出了一种改进的蚁群算法,并对每代最优解应用2-Opt算法进行进一步优化。改进后的算法用于小规模车辆路径问题上,仿真结果表明,改进算法具有收敛速度快、计算精度高的优势,对提高车辆运输效率,降低运输成本有应用价值。(3)针对小区域物流配送批量小、频次高的特点,为了满足小区域客户对配送时间限制的需求,本文在车辆路径问题基本模型上,增加了“多车场”和“时间限”两个约束条件,取消了“车辆容量”的限制条件,采用了众包配送的方式,建立了适用于小区域物流配送的车辆路径数学模型,设计了改进的蚁群算法对车辆路径进行优化与调度,并通过算例分析,验证了方法的有效性。(4)结合移动互联技术,采用PHP语言实现核心算法,设计了功能网页,开发了基于移动互联网的小区域物流配送系统,将核心算法应用在系统上,实现了配送路径的实时反馈。实际应用结果表明,本文所提方法与系统,适合小区域、高频次、小批量的应用场合,有较高的实用价值。
【关键词】：车辆路径问题 蚁群算法 小区域物流配送 众包 Web技术
【学位授予单位】：浙江理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要6-8
• ABSTRACT8-12
• 第1章 绪论12-17
• 1.1 课题研究背景及意义12-13
• 1.2 国内外研究现状与发展趋势13-15
• 1.2.1 车辆路径问题国内外研究现状13-14
• 1.2.2 蚁群算法国内外研究现状14-15
• 1.3 研究内容和论文结构15-17
• 1.3.1 研究内容15-16
• 1.3.2 论文结构16-17
• 第2章 车辆路径问题模型和算法研究17-30
• 2.1 配送网络模式17
• 2.2 车辆路径问题17-22
• 2.2.1 车辆路径问题的定义17-18
• 2.2.2 车辆路径问题构成要素18-19
• 2.2.3 车辆路径问题的模型19-22
• 2.3 车辆路径问题的求解算法22-26
• 2.3.1 精确算法23
• 2.3.2 启发式算法23-24
• 2.3.3 智能优化算法24-26
• 2.4 CVRP、VRPTW、MDVRP数学模型26-29
• 2.4.1 CVRP数学模型26-27
• 2.4.2 VRPTW数学模型27-28
• 2.4.3 MDVRP数学模型28-29
• 2.5 本章小结29-30
• 第3章 蚁群算法原理及其改进30-43
• 3.1 蚁群算法的思想起源30-32
• 3.2 蚁群算法的机制原理32-33
• 3.3 人工蚂蚁与真实蚂蚁的异同比较33-34
• 3.3.1 相同点比较33
• 3.3.2 不同点比较33-34
• 3.4 基本蚁群算法数学模型34-36
• 3.4.1 基于TSP问题的数学模型34-35
• 3.4.2 基于TSP问题的算法步骤35-36
• 3.5 蚁群算法的研究进展36-37
• 3.6 改进的基本蚁群算法37-40
• 3.6.1 基本蚁群算法的缺点37-38
• 3.6.2 蚁群算法的改进及算法步骤38-40
• 3.7 算例分析40-42
• 3.8 结果比较分析42
• 3.9 本章小结42-43
• 第4章 众包方式下小区域物流配送车辆路径建模与求解43-53
• 4.1 小区域配送43-44
• 4.1.1 O2O发展43
• 4.1.2 O2O的配送43-44
• 4.2 众包介绍44-45
• 4.3 众包方式下小区域物流配送车辆路径优化45-46
• 4.4 模型求解46-52
• 4.4.1 多车场到单车场的转换46-47
• 4.4.2 蚁群算法求解单车场带时间限制小区域车辆路径模型47-49
• 4.4.3 算例分析49-52
• 4.5 本章小结52-53
• 第5章 基于Web技术的区域配送系统设计与实现53-64
• 5.1 系统开发的背景和意义53
• 5.2 系统的整体框架设计53
• 5.3 相关技术介绍53-55
• 5.3.1 Web技术与前端技术53-54
• 5.3.2 数据库54-55
• 5.3.3 PHP55
• 5.4 系统的关键设计55-63
• 5.4.1 LAMP架构55-56
• 5.4.2 百度地图API56-57
• 5.4.3 阿里云服务器57-58
• 5.4.4 数据库表的设计58-59
• 5.4.5 界面设计59-63
• 5.5 本章小结63-64
• 第6章 总结与展望64-66
• 6.1 全文总结64
• 6.2 研究展望64-66
• 参考文献66-71
• 致谢71-72
• 攻读硕士学位期间的研究成果72

【相似文献】

中国期刊全文数据库 前10条

1 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

2 钟雪灵;王雄志;;开放式车辆路径问题的混合算法[J];计算机仿真;2011年08期

3 熊浩;符卓;鄢慧丽;;动态车辆路径问题的隐分区灵活分批策略[J];同济大学学报(自然科学版);2013年05期

4 娄山佐;吴耀华;肖际伟;廖莉;;基于增强学习解决随机需求车辆路径问题[J];系统仿真学报;2008年14期

5 徐俊杰;;车辆路径问题的改进微正则退火算法[J];信息化纵横;2009年06期

6 吴斌;邵建峰;方叶祥;;基于客户满意度的开放式车辆路径问题研究[J];计算机工程;2009年17期

7 王江晴;张潇;;复杂环境下动态车辆路径问题的建模与求解[J];武汉大学学报(理学版);2010年04期

8 陆琳;蔡绍洪;;一类随机顾客车辆路径问题及其算法[J];南京航空航天大学学报;2010年04期

9 温惠英;孙博;;协同车辆路径问题的模糊规划模型和算法[J];计算机应用研究;2011年02期

10 杨皎平;高雷阜;王俊;;装卸联盟车辆路径问题及两阶段优化方法[J];计算机工程与应用;2011年14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：348562