【摘要】：智慧物流在智慧城市中充當(dāng)著重要角色,為了減少快遞員配送快遞時(shí)的時(shí)間消耗和距離消耗,提高快遞末端配送效率,研究了基于啟發(fā)式智能搜索算法的城市兩級(jí)配送路徑規(guī)劃算法,基于云平臺(tái)完成了快遞路徑規(guī)劃系統(tǒng)的開發(fā)。結(jié)合國(guó)內(nèi)快遞進(jìn)入目標(biāo)城市范圍之后的配送特點(diǎn),將其分為兩個(gè)級(jí)別:城市級(jí)別和城區(qū)級(jí)別。城市級(jí)別配送點(diǎn)數(shù)少且分散,由大貨車配送,以時(shí)間總消耗作為路徑質(zhì)量評(píng)估值,提出了 一種改進(jìn)貪婪自進(jìn)化過程的模擬退火算法,采用貪婪算法產(chǎn)生的初始路徑作為待進(jìn)化染色體,進(jìn)行基因交換和片段倒置的自我進(jìn)化操作,借助Metropolis準(zhǔn)則決定是否用進(jìn)化后的解取代進(jìn)化前的解,并在進(jìn)化過程中始終記錄當(dāng)前狀態(tài)之前的最優(yōu)個(gè)體,進(jìn)行退火降溫后再次進(jìn)化,直到溫度降至預(yù)設(shè)溫度停止。仿真結(jié)果表明,單次配送二十個(gè)點(diǎn)時(shí),改進(jìn)后的算法在其穩(wěn)定性和當(dāng)前最優(yōu)距離上更優(yōu)。城區(qū)級(jí)別配送點(diǎn)數(shù)多且密集,由電動(dòng)三輪車配送,因?yàn)槿嗆囲`活輕巧,受城市交通影響小,以騎行距離消耗作為路徑質(zhì)量評(píng)估值,為了獲得距離消耗較短的路徑,改進(jìn)了一種基于Metropolis準(zhǔn)則的選擇遺傳算法。在遺傳算法中,移除交叉率,采用Metropolis準(zhǔn)則決定經(jīng)過交叉和變異后的個(gè)體是否遺傳進(jìn)入子代種群,調(diào)節(jié)每代交叉和變異時(shí)接受較差解的概率,達(dá)到避免種群早熟的目的。仿真結(jié)果表明,單次配送五十個(gè)點(diǎn)時(shí)選擇遺傳算法不僅有效消除搜索中易陷入局部最優(yōu)解的現(xiàn)象,而且在達(dá)到相對(duì)穩(wěn)定解時(shí)選擇遺傳算法最終規(guī)劃結(jié)果相比于傳統(tǒng)算法縮短了 10%,相比于遺傳模擬退火算法縮短了4%。將上述兩種算法應(yīng)用到快遞路徑規(guī)劃服務(wù)云平臺(tái)中,用西安市圓通快遞區(qū)配送中心分布點(diǎn)驗(yàn)證城市級(jí)別配送路徑規(guī)劃功能,證明該功能切實(shí)可用,用西安市南二環(huán)附近隨機(jī)的五十個(gè)真實(shí)地點(diǎn)驗(yàn)證城區(qū)級(jí)別配送路徑規(guī)劃功能,得到了比較理想的推薦配送路徑。
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP18;F252.1
【圖文】：

為了確保算法的收斂性，提升算法的性能和效率算法的思想，加入定向自進(jìn)化過程，得到一種基于貪婪自是經(jīng)典的組合優(yōu)化問題，其基本數(shù)學(xué)模型可以作如下描述兩個(gè)城市之間的距離都是確定的，現(xiàn)要求一個(gè)旅行商從某市且只在一個(gè)城市逗留一次，最后回到出發(fā)的城市，在這歷順序 (,,...,)min 123nT tttt，使得函數(shù) f(T)值最�。篺(T)d(t,t)d(t,t)n1n-1i1ii1 min 城市，下角標(biāo) 1 到n表示n個(gè)不同的城市， d(t,t)i i 1代表 2.1 是 TSP 模型圖，可以直觀展示 TSP 所要達(dá)到的目標(biāo)目標(biāo)點(diǎn)，兩個(gè)圓圈虛連線上的數(shù)字表示這兩個(gè)點(diǎn)之間的消最短路徑。

圖 2.2 帶權(quán)有向圖 G有向圖 G 后，還需建立一個(gè)n n的矩角線上的元素取值都為 0，ijS,的數(shù)時(shí)，從點(diǎn)i到點(diǎn) j 的這條路段消耗的 其他邊（，）在最優(yōu)路徑上01iji, jX 經(jīng)過每個(gè)頂點(diǎn)恰好一次的回路，產(chǎn)生消耗 TSP 就是要找出G 中W 最小的 i,ji,jmin WSXSP 的常用方式之一，該算法本質(zhì)上屬隨機(jī)因子，在迭代的過程中并不是只中跳出局部最優(yōu)解，從而有機(jī)會(huì)找到 所示，若初代解為最左邊的點(diǎn) A，算

其他邊（，）在最優(yōu)路徑上01iji, jX 路徑就是經(jīng)過每個(gè)頂點(diǎn)恰好一次的回路，產(chǎn)生的消 ，非對(duì)稱消耗 TSP 就是要找出G 中W 最小的回路 i,ji,jmin WSX法是解決 TSP 的常用方式之一，該算法本質(zhì)上屬于貪中加入了隨機(jī)因子，在迭代的過程中并不是只一味迭代過程中跳出局部最優(yōu)解，從而有機(jī)會(huì)找到全局如圖 2.3 所示，若初代解為最左邊的點(diǎn) A，算法會(huì)，此時(shí)算法會(huì)繼續(xù)向右搜索到點(diǎn) C，顯然點(diǎn) C 的結(jié)會(huì)接受點(diǎn) C，將其作為新的搜索方向繼續(xù)搜索。對(duì)都做相同處理，使算法有機(jī)會(huì)繼續(xù)搜索，或許經(jīng)過 D。

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 蘭輝;何琴飛;邊展;靳志宏;;考慮道路通行狀況的冷鏈物流配送路徑優(yōu)化[J];大連海事大學(xué)學(xué)報(bào);2015年04期

2 張弛;涂立;王加陽;;新型蟻群算法在TSP問題中的應(yīng)用[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年08期

3 王啟明;李瑋瑤;;基于改進(jìn)量子蟻群算法的TSP求解問題研究[J];微處理機(jī);2015年03期

4 羅慶;周軍;;基于改進(jìn)遺傳算法的物流配送路徑優(yōu)化[J];物流技術(shù);2015年09期

5 林文如;林國(guó)福;;百度地圖API及蟻群算法在車輛路徑問題中的應(yīng)用[J];閩江學(xué)院學(xué)報(bào);2015年02期

6 陳志新;陳方玉;胡貴彥;祝亞亭;;基于混合粒子群算法的配送車輛復(fù)雜路徑優(yōu)化[J];物流技術(shù);2014年13期

7 張眾;;餐飲物流配送路徑優(yōu)化方法研究[J];物流技術(shù);2014年13期

8 張家善;王志宏;;基于信息素的改進(jìn)蟻群算法及其在TSP中的應(yīng)用[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2013年22期

相關(guān)碩士學(xué)位論文 前3條

1 李波;基于動(dòng)態(tài)交通網(wǎng)絡(luò)的城市物流配送路徑優(yōu)化研究[D];深圳大學(xué);2017年

2 趙興龍;基于K-means-遺傳算法的眾包配送網(wǎng)絡(luò)優(yōu)化研究[D];北京交通大學(xué);2016年

3 劉錦;混合遺傳算法和模擬退火算法在TSP中的應(yīng)用研究[D];華南理工大學(xué);2014年

本文編號(hào)：2805795