基于蚁群算法的一致性车辆路径问题的研究

发布时间：2018-02-23 00:58

本文关键词： 一致性车辆路径问题服务空间一致性服务单位一致性蚁群算法　出处：《安徽理工大学》2017年硕士论文　论文类型：学位论文

【摘要】：计算机技术的不断成熟促使了车辆交通的大改革,整个交通现状呈现出一种新的形势,现代物流业发生了翻天覆地的变化,不再仅限于车辆货物的运输,更是实际在生活的方方面面体现其价值,如校园校车的路线规划,铁路货运的调度,公司班车的行车路线等问题都可以抽象为车辆调度问题,车辆路径问题已然是所有物流公司都投入科学研究的重点问题。在物质社会极大发展的背景下,人们对于服务态度和服务质量的要求也不断提升,一致性车辆路径问题因运而生。一致性车辆路径问题在人们更加追求生活水平和体验的时代要求下,显得尤为重要,企业突破传统的经营方式,更加注重以人为本。因此,对一致性车辆路径问题的研究其实是每个企业迫在眉睫的重点。科技大爆发的几十年里,已经有一部分相当成熟的启发式算法应用于求解一致性车辆路径问题上,蚁群算法作为鲁棒性极强的启发式算法被广泛应用于各类车辆路径问题中,将其改进求解一致性车辆路径问题具有重大科研意义。本文的主要工作如下：(1)对车辆路径问题中的一致性问题进行了调查、分析和总结,并对国内外相关研究成果进行了提炼,在此基础之上,阐述了车辆路径问题一致性的研究综述,描述了三类一致性问题。基于当前多样的一致性分类标准,首先讨论并分析了经典车辆路径问题,并在此基础之上综述了求解一致性车辆路径问题中一致性问题的基本方法和现代启发式算法。(2)为求解一致性车辆路径问题中的服务单位一致性问题。首先通过一种简化的分解框架来分解规划配送区域,借此生成初始解集和运载向量表,最后借助信息素的可控界限来避免局部过量调度车辆,从而保证了不同区域内服务车辆数量的一致性。通过算例表明文中算法的有效性和高效性。(3)为求解一致性车辆路径问题中的服务空间一致性问题。为保证空间一致性,需要对仓库的选址进行合理规划,本文将空间一致性问题分解成选址问题和车辆路径问题,借助混合蚁群算法进行求解。前者通过映射表迭代生成子代,后者将蚁群算法的信息素更新规则划分为两阶段,通过多策略协调优先原则,达到服务空间一致性。通过仿真,可以验证算法求解出的解集具有较高一致性。
[Abstract]:In order to solve the problem of vehicle routing problem , it is very important to solve the problem of vehicle routing problem .

【学位授予单位】：安徽理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：F259.1;TP18

【参考文献】