本文關鍵詞：物流配送車輛路徑問題及其智能算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著世界經(jīng)濟發(fā)展的相互滲透、高度融合,國家之間、不同的區(qū)域之間的相互合作貿(mào)易往來越來越多,同時伴隨著互聯(lián)網(wǎng)經(jīng)濟在經(jīng)濟增長中所占的比重日漸增加,當代經(jīng)濟的發(fā)展已經(jīng)進入了一個全新的時代即物流時代。物流運輸?shù)暮侠硪?guī)劃、科學發(fā)展為經(jīng)濟增長創(chuàng)造了新的利潤空間,同時隨著全球物流技術的不斷研發(fā)與進步,我們將迎來智能物流的新時代。那么實現(xiàn)物流智能化、科學化要解決的首要問題就是車輛路徑優(yōu)化問題(VRP)在配送當中的應用。對VRP問題的合理優(yōu)化能提高物流運輸效率、減少運輸成本、增加經(jīng)濟效益,對整個物流運輸安排是至關重要的。因此本文著重研究了物流配送中車輛路徑規(guī)劃問題即智能算法求解VRP問題。本文首先對車輛路徑問題進行了系統(tǒng)的研究,建立了標準車輛路徑問題模型,并對目前實際應用中出現(xiàn)較多的較為復雜車輛路徑問題進行了總結;其次,分別對蟻群算法和粒子群算法求解車輛路徑問題進行了改進研究。第一蟻群算法已被證明是一種很有發(fā)展前景的求解復雜優(yōu)化問題的方法。但必須指出,作為一種全局搜索算法,蟻群算法雖然可以模擬螞蟻覓食行為,逐步找到問題的最優(yōu)解,有效地避免局部最優(yōu),但是仍然存在不足之處,如搜索時間過長、對參數(shù)敏感、收斂速度慢等。因此對蟻群算法求解車輛路徑問題本文提出了兩種改進思路,首先提出了一種基于遺傳算子的改進蟻群算法,結合遺傳算法的優(yōu)點對每代蟻群執(zhí)行交叉和變異操作,并根據(jù)模擬退火算法的Metropolis準則,以概率接受新個體,最后利用此算法求解VRP問題的特例TSP問題以驗證算法改進效果。在此基礎之上通過對蟻群算法進一步的研究發(fā)現(xiàn)螞蟻在尋優(yōu)過程中可以根據(jù)不同的目標作為路徑選擇依據(jù)而采取不同的行為方式,并可以據(jù)此進行分組尋優(yōu),于是提出了一種基于混合行為的改進蟻群算法,設計了4種具體的螞蟻行為,選擇不同的螞蟻行為方式來組成不同的改進算法并應用于車輛路徑問題求解;第二粒子群算法是一種較新的迭代優(yōu)化算法,一方面其規(guī)則簡單、參數(shù)少、收斂速度快但另一方面卻易早熟、局部搜索能力不足、易偏離最優(yōu)解等。因此本文提出一種基于微粒間相互作用的改進粒子群算法,在粒子群中加入領域拓撲結構,引入輕子、強子的概念,輕子根據(jù)個體極值和群體極值來變換速度和位置,而強子通過與全局最優(yōu)粒子碰撞來改變速度和位置。當算法陷入停滯時,通過粒子衰變作用來增加種群多樣性,并利用Matlab進行車輛路徑問題仿真實驗。最后,總結本文研究的不足之處為未來進一步深入研究打下基礎。
【關鍵詞】：車輛路徑問題 蟻群算法 混合行為 粒子群算法
【學位授予單位】：西華師范大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U116.2;F252;TP18
【目錄】：

• 摘要5-6
• Abstract6-8
• 第1章 前言8-13
• 1.1 課題研究背景和意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-11
• 1.3 論文組織結構11
• 1.4 本文的難點和創(chuàng)新之處11-13
• 第2章 標準車輛路徑問題模型及其擴展分類13-17
• 2.1 車輛路徑問題的描述13
• 2.2 標準車輛路徑問題數(shù)學模型13-14
• 2.2.1 CVRP問題描述13
• 2.2.2 CVRP模型的建立13-14
• 2.3 車輛路徑問題擴展分類及其研究現(xiàn)狀14-16
• 2.3.1 帶時間窗車輛路徑問題（VRPTW）14-15
• 2.3.2 隨機車輛路徑問題（SVRP）15
• 2.3.3 動態(tài)車輛路徑問題（DVRP）15-16
• 2.3.4 開放式車輛路徑問題（OVRP）16
• 2.4 本章小結16-17
• 第3章 蟻群算法的改進研究及車輛路徑問題求解17-29
• 3.1 基本蟻群算法17-19
• 3.1.1 蟻群算法原理17
• 3.1.2 蟻群算法模型17-19
• 3.2 基于遺傳算子的改進蟻群算法（IHAC）19-24
• 3.2.1 編碼與適應值函數(shù)19-20
• 3.2.2 交叉算子20
• 3.2.3 變異算子20-21
• 3.2.4 Metropolis準則21
• 3.2.5 算法描述21
• 3.2.6 參數(shù)分析及算法測試21-24
• 3.3 一種基于混合行為的改進蟻群算法24-28
• 3.3.1 算法的基本思想24-25
• 3.3.2 算法的實現(xiàn)過程25-26
• 3.3.3 實驗仿真及分析26-28
• 3.4 本章小結28-29
• 第4章 粒子群算法的改進研究及車輛路徑問題求解29-35
• 4.1 基本粒子群算法29-30
• 4.1.1 粒子群算法原理29
• 4.1.2 粒子群算法流程29-30
• 4.2 基于微粒間相互作用的改進粒子群算法30-34
• 4.2.1 輕子間相互作用30-31
• 4.2.2 強子間相互作用31
• 4.2.3 粒子衰變31-32
• 4.2.4 構造粒子表達方式32
• 4.2.5 算法實現(xiàn)步驟32-33
• 4.2.6 實驗仿真及分析33-34
• 4.3 本章小結34-35
• 第5章 總結與展望35-36
• 參考文獻36-39
• 致謝39-42
• 在學期間的科研情況42

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王云平;;車輛路徑問題的形式化及其知識表示方法研究[J];遼寧省交通高等�？茖W校學報;2006年04期

2 王江晴;康立山;;動態(tài)車輛路徑問題仿真器的設計與實現(xiàn)[J];核電子學與探測技術;2007年05期

3 曹二保;賴明勇;張漢江;;模糊需求車輛路徑問題研究[J];系統(tǒng)工程;2007年11期

4 唐連生;梁劍;;突發(fā)事件下的車輛路徑問題研究綜述[J];鐵道運輸與經(jīng)濟;2008年12期

5 唐偉勤;張隱;張敏;;大規(guī)模突發(fā)事件應急物資調度中的車輛路徑問題[J];物流技術;2008年12期

6 劉紅梅;陳楊;;車輛路徑問題的形式化方法研究[J];科技資訊;2008年05期

7 唐加福;孔媛;潘震東;董穎;;基于劃分的蟻群算法求解貨物權重車輛路徑問題[J];控制理論與應用;2008年04期

8 熊志華;邵春福;姚智勝;;車輛路徑問題的可靠性研究[J];物流技術;2008年08期

9 徐俊杰;;利用微正則退火算法求解車輛路徑問題[J];安慶師范學院學報(自然科學版);2009年02期

10 寧曉利;;車輛路徑問題的組合優(yōu)化算法[J];物流技術;2009年06期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 符卓;陳斯衛(wèi);;車輛路徑問題的研究現(xiàn)狀與發(fā)展趨勢[A];中國運籌學會第七屆學術交流會論文集（下卷）[C];2004年

2 楊世堅;陳韜;;隨機車輛路徑問題研究綜述[A];中國系統(tǒng)工程學會決策科學專業(yè)委員會第六屆學術年會論文集[C];2005年

3 李桂平;陳楠;;多中心車輛路徑問題的解決思路[A];中國地理信息系統(tǒng)協(xié)會第四次會員代表大會暨第十一屆年會論文集[C];2007年

4 李大衛(wèi);王夢光;;廣義車輛路徑問題——模型及算法[A];1997中國控制與決策學術年會論文集[C];1997年

5 符卓;聶靖;;開放式車輛路徑問題及其若干研究進展[A];中國運籌學會第八屆學術交流會論文集[C];2006年

6 陳寶文;宋申民;陳興林;單志眾;;應用于車輛路徑問題的多蟻群算法[A];第25屆中國控制會議論文集（下冊）[C];2006年

7 戎麗霞;;模糊需求條件下的多車場車輛路徑問題[A];第三屆中國智能計算大會論文集[C];2009年

8 張鳳姣;張興芳;;基于不確定理論的車輛路徑問題[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

9 肖雁;符卓;李育安;;帶軟時間窗的車輛路徑問題及其應用前景探討[A];中國運籌學會第六屆學術交流會論文集（下卷）[C];2000年

10 許鑫;范文慧;馮雅U，

本文編號：488265