基于人工蜂群算法的车辆路径问题的研究与应用

发布时间：2017-05-19 15:27

  本文关键词：基于人工蜂群算法的车辆路径问题的研究与应用，，由笔耕文化传播整理发布。

【摘要】：随着互联网经济和技术的高速发展和世界经济一体化进程的加快,物流活动在社会生活和企业经营中所处地位越来越重要,很多企业将物流作为提升企业核心竞争力的重要手段。同时,统计数据表明,我国的物流成本与发达国家相比还有相当的差距。这说明,提高物流管理水平有现实的需要,也有巨大的发展空间,该课题具有广阔的发展前景和重要的意义。物流管理中,合理的物流安排在带来经济利益同时还为实现科学化的管理提供保障,而车辆路径安排是物流安排的核心环节,因此本项目选择车辆路径问题进行研究有利于提高物流效率,具有重要的实用价值。并且车辆路径问题是对运筹学理论和组合优化理论的实际体现,被誉为“运筹学近几十年来最成功的研究之一”,因此对车辆路径问题的研究也有深远的理论意义。经过多年的发展,对车辆路径问题及其算法的研究取得了大量研究成果。由于人工蜂群算法是一种较新的算法,该算法在车辆路径问题中的应用成果相对较少,且研究内容不够全面。为了丰富解决车辆路径问题的方法,并寻求车辆路径问题解的精度,本文以车辆路径问题为研究主线,对人工蜂群算法及其改进算法进行了研究,并在对人工蜂群算法进行应用研究时,首先对算法中的核心参数范围进行了讨论。论文的主要研究内容如下:(1)针对满载车辆路径问题提出了改进的人工蜂群算法。首先对人工蜂群算法进行了离散化处理;为了避免求解过程中过快收敛而导致局部最优的问题,提出了基于中位数的概率计算方法;为了提高侦察蜂的搜索效率,提出了遗传思想的侦察蜂搜索策略。对比试验的分析表明改进的人工蜂群算法是有效的。(2)针对满载问题对最优解精度的不利影响,我们研究了非满载车辆路径问题的人工蜂群算法的改进。在改进算法中,根据非满载问题特点用二维编码表示问题的解;采用节约插入法进行初始化;采用变邻域搜索方式进行邻域搜索。通过与标准数据库和相关文献结果的对比分析,人工蜂群算法的改进在解的精度上是可靠的。(3)为了深入研究车辆路径问题,我们研究了带时间窗的车辆路径问题的人工蜂群算法。为了简化计算过程,除了保留非满载车辆路径问题的人工蜂群算法的基本内容外,采用了更简洁的邻域搜索结构。通过对标准数据库算例的实验分析,人工蜂群算法对求解带时间窗的车辆路径问题具有一定竞争力。本文对标准的和带时间窗的车辆路径问题,采用人工蜂群算法分别进行了研究。算法的实验对比分析发现,满载的人工蜂群算法与非满载的相比,计算时间少,但是计算精度差;人工蜂群算法能够成功应用于带时间窗的车辆路径问题。本文的研究成果为车辆路径问题的求解提供了新的思路和借鉴。
【关键词】：车辆路径问题 人工蜂群算法 中位数选择策略 遗传思想侦察蜂
【学位授予单位】：武汉轻工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：U116.2;TP18
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-15
• 1.1 选题背景和研究意义9
• 1.2 国内外研究现状9-13
• 1.2.1 车辆路径问题研究现状9-10
• 1.2.2 车辆路径问题求解算法研究现状10-12
• 1.2.3 人工蜂群算法国内外研究现状12-13
• 1.3 本文研究的主要内容和组织结构13-15
• 1.3.1 本文的研究内容13-14
• 1.3.2 论文的结构安排14-15
• 第二章 车辆路径问题及ABC算法的基本知识15-26
• 2.1 车辆路径问题概述15-18
• 2.1.1 车辆路径问题基本模型描述15-16
• 2.1.2 车辆路径问题要素及常见模型介绍16-18
• 2.2 ABC算法基本知识18-20
• 2.3 ABC算法关键参数的分析与讨论20-25
• 2.3.1 人工蜂数量的分析与讨论20-22
• 2.3.2 产生侦察蜂迭代次数的分析与讨论22-25
• 2.4 本章小结25-26
• 第三章 基于ABC的带装载能力约束的满载VRP的研究26-39
• 3.1 问题的描述26
• 3.2 基于MVRP的ABC26-32
• 3.2.1 ABC算法离散化的改造26-28
• 3.2.2 基于中位数选择策略的引入28-30
• 3.2.3 侦察蜂搜索中遗传思想的引入30-31
• 3.2.4 基于MVRP的IABC算法31-32
• 3.3 实验对比与分析32-38
• 3.3.1 实验参数设置33
• 3.3.2 ABC算法两点改进效果对比分析33-36
• 3.3.3 IABC算法与SABC算法的标准VRP算例对比36-37
• 3.3.4 MVRP化的IABC算法与其他算法比较37-38
• 3.4 本章小结38-39
• 第四章 基于ABC的带装载能力约束的非满载VRP的研究39-48
• 4.1 IABC算法的FVRP化39-42
• 4.1.1 带装载能力约束的FVRP的数学模型39
• 4.1.2 对IABC算法的FVRP化处理技术39-40
• 4.1.3 对IABC算法邻域搜索结构的改进40-42
• 4.2 实验结果与分析42-47
• 4.2.1 基于IABC的FVRP与MVRP的标准数据库算例比较42-45
• 4.2.2 FVRP化的IABC算法与其他算法比较45-47
• 4.3 本章小结47-48
• 第五章 带时间窗的VRP研究48-54
• 5.1 带时间窗VRP概述及其数学模型48-49
• 5.2 IABC求解带时间窗VRP49-50
• 5.3 实验结果与分析50-53
• 5.3.1 参数设置51
• 5.3.2 实验对比分析51-53
• 5.4 本章小结53-54
• 第六章 总结与展望54-55
• 6.1 总结54
• 6.2 展望54-55
• 参考文献55-59
• 致谢59-60
• 攻读学位期间的研究成果60

【相似文献】

中国期刊全文数据库 前10条

1 王云平;;车辆路径问题的形式化及其知识表示方法研究[J];辽宁省交通高等专科学校学报;2006年04期

2 王江晴;康立山;;动态车辆路径问题仿真器的设计与实现[J];核电子学与探测技术;2007年05期

3 曹二保;赖明勇;张汉江;;模糊需求车辆路径问题研究[J];系统工程;2007年11期

4 唐连生;梁剑;;突发事件下的车辆路径问题研究综述[J];铁道运输与经济;2008年12期

5 唐伟勤;张隐;张敏;;大规模突发事件应急物资调度中的车辆路径问题[J];物流技术;2008年12期

6 刘红梅;陈杨;;车辆路径问题的形式化方法研究[J];科技资讯;2008年05期

7 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

8 熊志华;邵春福;姚智胜;;车辆路径问题的可靠性研究[J];物流技术;2008年08期

9 徐俊杰;;利用微正则退火算法求解车辆路径问题[J];安庆师范学院学报(自然科学版);2009年02期

10 宁晓利;;车辆路径问题的组合优化算法[J];物流技术;2009年06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：379086