【摘要】：隨著科學技術(shù)的日益發(fā)展以及互聯(lián)網(wǎng)在人民大眾生活中的普及,電子商務(wù)是我們?nèi)粘Ｉ钪幸粋�重要的組成部分,而作為電子商務(wù)最關(guān)鍵的的環(huán)節(jié)——物流配送,也展現(xiàn)出具大的研究價值。據(jù)科學統(tǒng)計,在整個物流系統(tǒng)中,商品的配送成本占據(jù)總成本的60%左右,而車輛調(diào)度問題是商品物流配送中最核心的問題。。因此,對車輛調(diào)度問題的研究,不僅在學術(shù)理論上具有很大的研究必要,而且還有相當大的現(xiàn)實基礎(chǔ)。本文是分別使用蟻群算法、粒子群算法和二者結(jié)合的算法對建立的帶時間窗的車輛調(diào)度模型進行分析和求解,最終得出結(jié)合算法在優(yōu)化性能上優(yōu)于單純的使用某一種算法。本文所做的主要工作包括:一、分別介紹了蟻群算法和粒子群算法,對它們的數(shù)學模型進行分析。蟻群算法采用正反饋機制,蟻群算法的實現(xiàn)原理是蟻群中所有個體在尋找食物時借助其分泌的化學物質(zhì)信息素不斷進行數(shù)據(jù)交互和傳承,實現(xiàn)蟻群內(nèi)部的相互合作,更容易得出最優(yōu)解。但是蟻群算法收斂速度慢、計算時間長,而且容易過早的陷入局部最優(yōu),出現(xiàn)停滯現(xiàn)象。粒子群算法具有簡單、容易實現(xiàn)、參數(shù)較少、收斂速度快的優(yōu)點,在一個搜索空間內(nèi),所有的粒子會根據(jù)粒子自身歷史的最優(yōu)解和種群中粒子的全局最優(yōu)解共同決定其飛行方向。所以本文將蟻群算法和粒子群算法相結(jié)合,首先使用粒子群算法求出最優(yōu)解,將求出的最優(yōu)解信息作為蟻群算法的初始信息素,再利用蟻群算法求出最終的最優(yōu)解。二、本文在現(xiàn)代物流技術(shù)基礎(chǔ)上,建立了一個帶時間窗的車輛調(diào)度模型,對車輛調(diào)度模型從理論和解決方法上進行了深度的研究。然后分別用蟻群算法、粒子群算法、融合算法尋找最優(yōu)解,通過matlab仿真,得到實驗數(shù)據(jù),通過對實驗數(shù)據(jù)進行分析得出結(jié)合算法相比于原來的兩種算法在尋找最優(yōu)解時更高效。
[Abstract]:With the development of science and technology and the popularization of the Internet in the people's life, electronic commerce is an important part of our daily life, and as the most crucial link of e-commerce, logistics distribution, It also shows great research value. According to scientific statistics, in the whole logistics system, the distribution cost of commodities accounts for about 60% of the total cost, and the vehicle scheduling problem is the core problem in the distribution of commodity logistics. Therefore, the study of vehicle scheduling problem is not only necessary in academic theory, but also has a considerable practical basis. In this paper, the ant colony algorithm, particle swarm optimization algorithm and the combination of the two algorithms are used to analyze and solve the vehicle scheduling model with time window. Finally, it is concluded that the combined algorithm is superior to a single algorithm in optimization performance. The main work of this paper is as follows: first, the ant colony algorithm and particle swarm optimization algorithm are introduced, and their mathematical models are analyzed. Ant colony algorithm uses positive feedback mechanism. The principle of ant colony algorithm is that all individuals in ant colony interact and transmit data with the help of chemical pheromone they secrete while searching for food, so as to realize mutual cooperation within ant colony. It is easier to get the optimal solution. However, ant colony algorithm has the advantages of slow convergence rate, long computation time, and premature fall into local optimum, which leads to stagnation. Particle swarm optimization (PSO) has the advantages of simple, easy to implement, few parameters and fast convergence. All particles determine their flight direction according to the historical optimal solution of the particle and the global optimal solution of the particle in the population. Therefore, this paper combines ant colony algorithm and particle swarm optimization algorithm, first uses the particle swarm optimization algorithm to find the optimal solution, takes the obtained optimal solution information as the initial pheromone of the ant colony algorithm, and then uses the ant colony algorithm to find the final optimal solution. Secondly, on the basis of modern logistics technology, a vehicle scheduling model with time window is established, and the theory and solution of vehicle scheduling model are studied in depth. Then the ant colony algorithm, particle swarm optimization algorithm and fusion algorithm are used to find the optimal solution. Through matlab simulation, the experimental data are obtained. Through the analysis of the experimental data, it is concluded that the combined algorithm is more efficient than the original two algorithms in finding the optimal solution.
【學位授予單位】：湖北工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：U492.22;TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 李海龍;周屹;;物流配送與跟蹤的動態(tài)車輛調(diào)度問題研究[J];黑龍江工程學院學報;2008年02期

2 經(jīng)懷明;張立軍;;多車型車輛調(diào)度問題的建模與仿真[J];計算機仿真;2006年04期

3 任春玉;韋超;;有時間窗車輛調(diào)度問題優(yōu)化研究[J];哈爾濱商業(yè)大學學報(自然科學版);2007年02期

4 牟峰;;車輛調(diào)度問題的研究現(xiàn)狀及發(fā)展趨勢[J];西華大學學報(自然科學版);2012年05期

5 李繼玲;盧才武;李金成;;基于蟻群算法的有時間窗車輛調(diào)度問題的研究[J];信息技術(shù);2006年05期

6 李春霞;張思林;龐明寶;;基于時間依賴網(wǎng)絡(luò)的車輛調(diào)度問題研究[J];交通科技;2011年01期

7 宋偉剛;張宏霞;佟玲;;有時間窗約束非滿載車輛調(diào)度問題的節(jié)約算法[J];東北大學學報;2006年01期

8 李作秋;王國林;;一種有時間窗約束的非滿載車輛調(diào)度問題中的啟發(fā)式算法研究[J];公路交通科技;2006年07期

9 馬衛(wèi)民,王刊良;局內(nèi)封閉式車輛調(diào)度問題及其競爭策略[J];系統(tǒng)工程理論與實踐;2004年09期

10 張立峰;趙方庚;孫江生;宋傳平;;基于蟻群算法的軍事配送車輛調(diào)度問題研究[J];交通與計算機;2008年06期

相關(guān)會議論文 前5條

1 馬華偉;葉浩然;夏維;;允許分割配送的多時間窗車輛調(diào)度問題的改進蟻群算法求解[A];第十四屆中國管理科學學術(shù)年會論文集(上冊)[C];2012年

2 楊國興;;多車場車輛調(diào)度問題的一種有效算法[A];管理科學與系統(tǒng)科學進展——全國青年管理科學與系統(tǒng)科學論文集（第3卷）[C];1995年

3 王銀;王慧;;淺談配送車輛調(diào)度問題[A];第九屆中國不確定系統(tǒng)年會、第五屆中國智能計算大會、第十三屆中國青年信息與管理學者大會論文集[C];2011年

4 王永;農(nóng)蘭晶;劉蕾;楊曉潔;;郵政中心選址與車輛調(diào)度混合模型研究[A];中國系統(tǒng)工程學會第十八屆學術(shù)年會論文集——A12系統(tǒng)科學與系統(tǒng)工程理論在各個領(lǐng)域中的應(yīng)用研究[C];2014年

5 王永;劉蕾;農(nóng)蘭晶;楊曉潔;;郵政運輸車輛調(diào)度問題研究[A];中國系統(tǒng)工程學會第十八屆學術(shù)年會論文集——A12系統(tǒng)科學與系統(tǒng)工程理論在各個領(lǐng)域中的應(yīng)用研究[C];2014年

相關(guān)博士學位論文 前3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

2 周潔;車輛調(diào)度問題的算法及復雜性[D];華東師范大學;2013年

3 李妍峰;時變網(wǎng)絡(luò)環(huán)境下車輛調(diào)度問題研究[D];西南交通大學;2008年

相關(guān)碩士學位論文 前10條

1 柯昌正;動態(tài)車輛調(diào)度問題研究與應(yīng)用[D];北京交通大學;2007年

2 郭鳳鳴;動態(tài)環(huán)境下的車輛調(diào)度問題研究[D];同濟大學;2006年

3 劉云霞;動態(tài)車輛調(diào)度問題分析及算法設(shè)計[D];西南交通大學;2004年

4 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

5 楊燁;帶時間窗的單車場多車型滿載車輛調(diào)度問題研究[D];山東理工大學;2013年

6 邢瑩瑩;地震災害下應(yīng)急藥品的車輛調(diào)度研究[D];遼寧科技大學;2013年

7 徐鵬;基于統(tǒng)計分區(qū)和智能優(yōu)化算法的車輛調(diào)度問題研究[D];南昌大學;2014年

8 劉新雨;考慮外包車輛和加班條件的車輛調(diào)度問題研究[D];河北工程大學;2014年

9 張磊;滿載車輛調(diào)度問題研究[D];同濟大學;2006年

10 滕瑋;基于蟻群算法的車輛調(diào)度問題研究[D];華中師范大學;2006年

，

本文編號：2413335