本文選題：動態(tài)車輛調(diào)度問題 + 自適應量子旋轉門　； 參考：《昆明理工大學》2017年碩士論文

【摘要】：隨著電子商務業(yè)的蓬勃發(fā)展,物流成為當今社會不可或缺的產(chǎn)業(yè)與利益源泉。但是當今社會物流配送系統(tǒng)的配送還沒有達到利益最大化、時間最小化的目標。為了解決這一問題,物流配送系統(tǒng)中的車輛調(diào)度問題成為學術界的研究熱點。雖然學術界對物流配送車輛調(diào)度問題的研究各不相同,但是其宗旨都是在更接近現(xiàn)實配送的模型基礎上達到最大經(jīng)濟利益、最小成本、最小化時間、最高客戶評價口碑。物流配送系統(tǒng)中的車輛調(diào)度問題屬于NP難問題,常被使用的算法為傳統(tǒng)啟發(fā)式算法。但是啟發(fā)式算法也存在著一定的局限,如收斂速度慢、易陷入局部最優(yōu)、全局搜索能力差、精確度低等缺陷。且隨著車輛調(diào)度數(shù)學模型的復雜化,傳統(tǒng)的啟發(fā)式算法更加難以得到理想的優(yōu)化結果。本文主要針對不同類型的動態(tài)車輛調(diào)度問題,對混合量子算法進行設計改進,并分別采用所設計的算法進行仿真實驗和對比實驗來驗證算法在解決特定問題時的有效性和優(yōu)越性,主要工作如下:首先,提出動態(tài)車輛調(diào)度的數(shù)學模型。將量子計算與遺傳算法相結合形成量子遺傳算法。設計了根據(jù)適應度值轉換的自適應量子旋轉門,并加入了兩元素局部搜索來來提高算法的局部搜索能力。有加入了變異操作來提高算法的搜索深度,最后通過仿真實驗表明所提出算法與其他算法相比較的優(yōu)越性,以及所加入的自適應量子旋轉門、變異操作和兩元素局部搜索的有效性。其次,在動態(tài)車輛調(diào)度模型的基礎上加入了多配送中心。同時將蟻群算法與量子計算相結合形成量子蟻群算法,并用自適應量子旋轉門代替常規(guī)的量子旋轉門。在算法中加入局部搜索操作提高算法的局部搜索能力。最后通過實驗表明所提出算法在求解特定問題時與其他算法相比較的優(yōu)越性,以及所加入的自適應量子旋轉門、兩元素局部搜索的有效性。最后,在多車場動態(tài)車輛調(diào)度問題模型中加入多車型因素。同時因車輛調(diào)度問題的復雜化,在自適應量子蟻群算法中加入信息素矩陣變異操作來提高算法的搜索深度。最后通過實驗表明所提出算法在求解特定問題時與其他算法相比較的優(yōu)越性,以及所加入的信息素變異操作的有效性。本文通過對混合量子算法和動態(tài)車輛調(diào)度問題的研究,總結了混合量子算法的特點,為后續(xù)車輛調(diào)度問題的研究工作建立了基礎。
[Abstract]:With the vigorous development of e-commerce, logistics has become an indispensable industry and benefit source. However, the distribution of logistics distribution system has not reached the goal of maximizing benefits and minimizing time. In order to solve this problem, vehicle scheduling problem in logistics distribution system has become a hot research topic in academia. Although the academic research on vehicle scheduling problem of logistics distribution is different, its purpose is to achieve the maximum economic benefit, minimum cost, minimum time and highest customer evaluation word of mouth on the basis of more realistic distribution model. The vehicle scheduling problem in logistics distribution system belongs to NP-hard problem, and the commonly used algorithm is traditional heuristic algorithm. However, heuristic algorithms also have some limitations, such as slow convergence rate, easy to fall into local optimum, poor global search ability, low accuracy and so on. With the complexity of vehicle scheduling mathematical model, the traditional heuristic algorithm is more difficult to obtain ideal optimization results. In this paper, the hybrid quantum algorithm is designed and improved for different types of dynamic vehicle scheduling problems. Simulation experiments and comparative experiments are carried out to verify the effectiveness and superiority of the algorithm in solving specific problems. The main work is as follows: firstly, the mathematical model of dynamic vehicle scheduling is proposed. Quantum genetic algorithm is formed by combining quantum computation with genetic algorithm. An adaptive quantum rotary gate based on fitness conversion is designed and two elements local search is added to improve the local search ability of the algorithm. The mutation operation is added to improve the search depth of the algorithm. Finally, the simulation results show that the proposed algorithm is superior to other algorithms, and the adaptive quantum rotary gate is added. Mutation operation and the effectiveness of local search for two elements. Secondly, multiple distribution centers are added on the basis of dynamic vehicle scheduling model. At the same time, the ant colony algorithm is combined with quantum computation to form a quantum ant colony algorithm, and the adaptive quantum rotary gate is used to replace the conventional quantum rotation gate. The local search operation is added to the algorithm to improve the local search ability of the algorithm. Finally, experiments show that the proposed algorithm is superior to other algorithms in solving specific problems, and that the adaptive quantum rotary gate and the local search of two elements are effective. Finally, multiple vehicle models are added to the dynamic vehicle scheduling problem model. At the same time due to the complexity of vehicle scheduling problem pheromone matrix mutation operation is added to the adaptive quantum ant colony algorithm to improve the search depth of the algorithm. Finally, experiments show that the proposed algorithm is superior to other algorithms in solving specific problems, and that the pheromone mutation operation is effective. Based on the study of hybrid quantum algorithm and dynamic vehicle scheduling problem, the characteristics of hybrid quantum algorithm are summarized in this paper, and the foundation for further research on vehicle scheduling problem is established.
【學位授予單位】：昆明理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：U492.22

【參考文獻】

相關期刊論文 前10條

1 陳誠;邱榮祖;;基于兩階段求解的動態(tài)車輛路徑問題研究[J];集美大學學報(自然科學版);2015年06期

2 寧濤;陳榮;郭晨;馮瑞芳;;一種基于云計算環(huán)境的動態(tài)車輛路徑問題解決策略[J];交通運輸工程與信息學報;2015年03期

3 張婷;賴平仲;何琴飛;靳志宏;;基于實時信息的城市配送車輛動態(tài)路徑優(yōu)化[J];系統(tǒng)工程;2015年07期

4 寧濤;陳榮;郭晨;梁旭;;一種基于雙鏈量子編碼的動態(tài)車輛路徑問題解決策略[J];運籌學學報;2015年02期

5 周慧;周良;丁秋林;;多目標動態(tài)車輛路徑問題建模及優(yōu)化[J];計算機科學;2015年06期

6 劉曉冰;焦璇;黃明;寧濤;;用混合量子算法求解模糊柔性作業(yè)車間調(diào)度問題[J];工業(yè)工程與管理;2015年03期

7 趙燕偉;李文;張景玲;任設東;;多車型同時取送貨問題的低碳路徑研究[J];浙江工業(yè)大學學報;2015年01期

8 崔明月;黃榮杰;劉紅釗;劉旭焱;蔣華龍;;量子遺傳算法在公交車輛調(diào)度中的應用[J];實驗室研究與探索;2014年12期

9 符楊;蔣一鎏;李振坤;;基于混合量子遺傳算法的微電網(wǎng)電源優(yōu)化配置[J];電力系統(tǒng)保護與控制;2013年24期

10 馮國新;嚴明強;佟富欣;;基于混合量子算法的武器目標分配研究[J];戰(zhàn)術導彈技術;2013年06期

相關博士學位論文 前1條

1 葛顯龍;面向云配送模式的車輛調(diào)度問題及算法研究[D];重慶大學;2011年

相關碩士學位論文 前10條

1 王晨蕾;基于交通流的多車場動態(tài)車輛路徑問題研究[D];北京交通大學;2016年

2 隋騰飛;具有動態(tài)客戶的同時取送貨車輛路徑問題優(yōu)化研究[D];南京航空航天大學;2016年

3 郝文菊;基于文化基因算法的動態(tài)車輛路徑問題研究[D];河南大學;2015年

4 高威;時間依賴下考慮碳排放的動態(tài)車輛路徑優(yōu)化模型研究[D];東北大學;2014年

5 李亞龍;改進量子蟻群算法的研究及應用[D];安徽大學;2014年

6 郭建紅;帶時間窗的卷煙物流配送動態(tài)車輛路徑優(yōu)化方法研究[D];北京交通大學;2013年

7 胡夏云;基于蟻群算法的動態(tài)車輛調(diào)度問題的研究[D];廣東工業(yè)大學;2013年

8 王仁民;改進變鄰域搜索算法在動態(tài)車輛路徑問題中的研究[D];廣西師范學院;2013年

9 胡宇博;基于多目標免疫進化算法的動態(tài)車輛路徑優(yōu)化研究[D];鄭州大學;2009年

10 肖增敏;動態(tài)網(wǎng)絡車輛路徑問題研究[D];西南交通大學;2005年

，

本文編號：1901520