【摘要】：研究多車型大規(guī)模物流配送問題,針對企業(yè)配送門店規(guī)模大且聚集的特點,在自適應(yīng)大規(guī)模鄰域搜索(ALNS)框架下提出一種新的鄰域映射方式:基于密度聚類的毀滅移除算法。ALNS包含毀滅與重建兩個階段,通過不斷對當(dāng)前解進行破壞和重建得到更好解。在毀滅階段,隨機選擇一條路線進行密度聚類得到簇集合,然后按簇對路線上的門店進行移除;重建階段隨機選擇貪婪插入法或Regret-2插入法將移除的門店插入到合適的路線上得到新配送方案。通過國際基準(zhǔn)測試案例驗證了所提算法的有效性,與已有算法對比,基于密度聚類的毀滅移除算法的ALNS算法求解結(jié)果比案例已知最優(yōu)解平均誤差更低,求解質(zhì)量更優(yōu);應(yīng)用于實際場景中,該算法能在有限時間內(nèi)求得較好的配送方案。
[Abstract]:This paper studies the problem of large-scale logistics distribution of multi-vehicle models, aiming at the characteristics of large scale and agglomeration of enterprise distribution stores. In the framework of adaptive large-scale neighborhood search (ALNS), a new neighborhood mapping method is proposed: the destruction removal algorithm based on density clustering. ALNS consists of two stages: destruction and reconstruction. A better solution is obtained by continuously destroying and rebuilding the current solution. In the destruction stage, a random route is chosen to cluster the clusters, and then the stores on the route are removed according to the cluster. In the reconstruction phase, the greedy insertion method or the Regret-2 insertion method are randomly selected to insert the removed stores into the appropriate route to obtain the new distribution scheme. The effectiveness of the proposed algorithm is verified by an international benchmark case. Compared with the existing algorithms, the ALNS algorithm based on density clustering has lower average error and better solution quality than the known optimal solution. The algorithm can get a better distribution scheme in a limited time.
【作者單位】： 中南大學(xué)信息科學(xué)與工程學(xué)院;
【基金】：國家科技支撐計劃項目(2015BAH05F02)~~
【分類號】：TP301.6

【參考文獻】

相關(guān)期刊論文 前3條

1 郝建彬;;“新零售”的曙光[J];互聯(lián)網(wǎng)經(jīng)濟;2016年11期

2 譚穎;胡瑞飛;殷國富;;多密度閾值的DBSCAN改進算法[J];計算機應(yīng)用;2008年03期

3 曹二保;賴明勇;聶凱;劉長石;;大規(guī)模物流配送車輛調(diào)度問題研究[J];湖南大學(xué)學(xué)報(自然科學(xué)版);2007年12期

【共引文獻】

相關(guān)期刊論文 前10條

1 朱紫玉;;新零售模式下零售企業(yè)的戰(zhàn)略轉(zhuǎn)型研究[J];北方經(jīng)貿(mào);2017年08期

2 陽旺;何國超;吳雁;;基于密度聚類構(gòu)建物流配送問題的毀滅移除算法[J];計算機應(yīng)用;2017年08期

3 魏成;;“純電商”如何面對新零售[J];時代金融;2017年09期

4 李敏;張桂珠;;密度峰值優(yōu)化初始中心的K-means算法[J];計算機應(yīng)用與軟件;2017年03期

5 周海松;黃德才;;密度自適應(yīng)的半監(jiān)督譜聚類算法[J];計算機科學(xué);2016年12期

6 何兆怡;;一種基于模擬退火算法的密度聚類方法[J];福建電腦;2016年04期

7 陳蓋凱;武濤;李海瑞;王丹;;基于變結(jié)構(gòu)的應(yīng)急航材調(diào)度策略[J];火力與指揮控制;2016年02期

8 蔣禮青;張明新;鄭金龍;戴嬌;尚趙偉;;快速搜索與發(fā)現(xiàn)密度峰值聚類算法的優(yōu)化研究[J];計算機應(yīng)用研究;2016年11期

9 肖柯偉;陳志;趙博;;物流配送車輛調(diào)度問題智能算法研究進展[J];物流科技;2015年12期

10 吳華;盧君妥;柳長安;楊國田;李志成;;巡檢圖像的改進密度空間聚類分割算法[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2015年S1期

【二級參考文獻】

相關(guān)期刊論文 前4條

1 章兢,周泉;基于免疫克隆算法的物流配送車輛路徑優(yōu)化研究[J];湖南大學(xué)學(xué)報(自然科學(xué)版);2004年05期

2 蔡穎琨,謝昆青,馬修軍;屏蔽了輸入?yún)?shù)敏感性的DBSCAN改進算法[J];北京大學(xué)學(xué)報(自然科學(xué)版);2004年03期

3 馬帥,王騰蛟,唐世渭,楊冬青,高軍;一種基于參考點和密度的快速聚類算法[J];軟件學(xué)報;2003年06期

4 周水庚,周傲英,曹晶;基于數(shù)據(jù)分區(qū)的DBSCAN算法[J];計算機研究與發(fā)展;2000年10期

【相似文獻】

相關(guān)期刊論文 前10條

1 黃林鵬;;基于歸納的算法設(shè)計思想[J];程序員;2006年04期

2 劉波;;“算法設(shè)計與分析”教學(xué)探討[J];高等理科教育;2007年04期

3 肖小克;陳莉;;《算法設(shè)計與分析》實踐教學(xué)探討[J];福建電腦;2009年10期

4 穆瑞輝;;計算機算法設(shè)計研究與思考[J];數(shù)字技術(shù)與應(yīng)用;2012年12期

5 潘博;;構(gòu)建“算法設(shè)計與分析”趣味課堂[J];科教文匯(下旬刊);2013年06期

6 王希常,楊志強;一類考場編排算法的設(shè)計[J];山東師范大學(xué)學(xué)報(自然科學(xué)版);2002年04期

7 龍騰芳,高金文;“分而治之”方法在算法設(shè)計中的應(yīng)用[J];渤海大學(xué)學(xué)報(自然科學(xué)版);2004年01期

8 呂國英;;《算法設(shè)計與分析》教材建設(shè)的實施[J];計算機教育;2007年19期

9 徐子珊;;“算法設(shè)計與分析”教學(xué)中理論與技術(shù)的平衡[J];計算機教育;2008年10期

10 鄭紅;邵志清;符海波;;“算法設(shè)計與分析”課程教學(xué)改革初探[J];計算機教育;2008年14期

相關(guān)會議論文 前10條

1 徐子珊;;《算法設(shè)計與分析》課程中的工程教育[A];2005年全國理論計算機科學(xué)學(xué)術(shù)年會論文集[C];2005年

2 舒輝;柳清峰;杜祝平;周蓓;;實踐教學(xué)模式在本科專業(yè)課程教學(xué)中的應(yīng)用[A];中國電子教育學(xué)會高教分會2010年論文集[C];2010年

3 彭小宏;陽東升;劉忠;;基于聚類算法的組織協(xié)作網(wǎng)設(shè)計[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

4 羅長政;李熙瑩;王鎮(zhèn)波;羅東華;;一種大流量交叉路口的背景提取與更新算法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

5 楊利;李霖;昌月樓;陽國貴;;對稱位向量及啟發(fā)式并行散列連接算法[A];數(shù)據(jù)庫研究與進展95——第十三屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集[C];1995年

6 張晉;;嵌入式電腦鼠運行算法的研究[A];全國第20屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集（上冊）[C];2009年

7 楊子良;陶宏才;;一種基于向量運算的頻繁項集快速挖掘算法[A];2007北京地區(qū)高校研究生學(xué)術(shù)交流會通信與信息技術(shù)會議論文集（上冊）[C];2008年

8 劉升;王行愚;牛玉剛;;一種求解復(fù)雜約束優(yōu)化問題的文化算法設(shè)計[A];第十七屆全國過路控制會議論文集[C];2006年

9 高文超;孫宇清;韓冬雪;;一種改進的素數(shù)尋找問題的算法設(shè)計與實現(xiàn)[A];中國電子學(xué)會第十六屆信息論學(xué)術(shù)年會論文集[C];2009年

10 朱秋云;張琪;姬朝陽;陳亮;魏苑琦;朱紹文;;一種基于概念格的關(guān)聯(lián)規(guī)則對半查找算法設(shè)計[A];2005年中國智能自動化會議論文集[C];2005年

相關(guān)重要報紙文章 前1條

1 ;算法設(shè)計的策略[N];電腦報;2003年

相關(guān)博士學(xué)位論文 前10條

1 史亞;多核學(xué)習(xí)算法與應(yīng)用研究[D];西安電子科技大學(xué);2015年

2 谷偉哲;齊次光滑算法及其應(yīng)用[D];天津大學(xué);2010年

3 張常淳;基于MapReduce的大數(shù)據(jù)連接算法的設(shè)計與優(yōu)化[D];中國科學(xué)技術(shù)大學(xué);2014年

4 郭崇慧;地區(qū)中長期發(fā)展規(guī)劃若干定量模型、算法及應(yīng)用研究[D];大連理工大學(xué);2002年

5 蔣蔚;粒子濾波改進算法研究與應(yīng)用[D];哈爾濱工業(yè)大學(xué);2010年

6 孫賀;算法設(shè)計中的若干前沿問題[D];復(fù)旦大學(xué);2009年

7 陳寧濤;基于二分技術(shù)的高效算法設(shè)計及其應(yīng)用[D];華中科技大學(xué);2006年

8 婁曉文;無符號基因組切割再粘貼重組問題的算法研究[D];山東大學(xué);2010年

9 孫群英;密集環(huán)境中有源RFID防沖撞算法的研究及應(yīng)用[D];浙江大學(xué);2011年

10 劉興林;中文詞匯知識獲取算法和語義計算研究及應(yīng)用[D];華南理工大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 李欣園;基于選擇偏好的組合聚類算法研究與實現(xiàn)[D];內(nèi)蒙古大學(xué);2015年

2 樓磊磊;醫(yī)療保險數(shù)據(jù)異常行為檢測算法和系統(tǒng)[D];浙江大學(xué);2015年

3 趙晨陽;基于蟻群算法的高階圖匹配方法研究[D];西安電子科技大學(xué);2014年

4 程X;基于云平臺的聚類算法并行化研究[D];南京郵電大學(xué);2015年

5 楊勛;復(fù)雜場景下單目標(biāo)視覺跟蹤算法研究[D];合肥工業(yè)大學(xué);2014年

6 曹甜;RFID系統(tǒng)中高效信息收集算法研究[D];太原理工大學(xué);2016年

7 潘宇婷;復(fù)雜網(wǎng)絡(luò)重疊社區(qū)挖掘算法研究與設(shè)計[D];江蘇大學(xué);2016年

8 王子瑜;基于動態(tài)的唇形身份識別算法的研究[D];吉林大學(xué);2016年

9 魏天姣;基于圖像稀疏表示與非線性壓縮感知的相位恢復(fù)算法研究[D];燕山大學(xué);2016年

10 韓盼;基于類和區(qū)域特征的協(xié)同顯著性檢測算法[D];燕山大學(xué);2016年

，

本文編號：2361671