近年來,智能物流已然成為一個(gè)較為熱門的話題。隨著我國經(jīng)濟(jì)整體水平的急速發(fā)展和網(wǎng)絡(luò)時(shí)代下國民消費(fèi)模式的悄然轉(zhuǎn)變,物流行業(yè)的需求量顯著提高,現(xiàn)代物流技術(shù)正迫切向著更加便捷智能的方向發(fā)展。為滿足不斷擴(kuò)張的需求,以及有效控制不斷增長的物流成本,智能物流應(yīng)運(yùn)而生。其中,物流配送作為智能物流體系中最為重要的一個(gè)環(huán)節(jié),在物流運(yùn)作的過程中起著支撐性的作用。然而,在智能物流的成本構(gòu)成中,物流配送也占據(jù)著相當(dāng)大的比重,如何降低物流成本,完善智能物流體系,愈發(fā)受到廣泛的關(guān)注。因此,路徑優(yōu)化問題作為物流配送問題重要的研究和解決手段,成為當(dāng)今智能物流研究的焦點(diǎn)。本文即圍繞著智能物流中的路徑優(yōu)化這一熱門問題,展開了相關(guān)的研究。本文介紹了國內(nèi)外對于物流配送路徑優(yōu)化問題的研究現(xiàn)狀,以及相關(guān)求解算法的發(fā)展和研究情況。對于物流配送問題進(jìn)行了較為詳細(xì)的描述,并列舉了常見的數(shù)學(xué)模型建立,同時(shí)介紹路徑優(yōu)化問題相關(guān)的基本算法及其分類。其中,對免疫算法與粒子群算法的原理做了較為詳細(xì)的研究,并總結(jié)出這兩種算法各自的優(yōu)點(diǎn)和缺點(diǎn)。結(jié)合粒子群算法的全局尋優(yōu)能力、正反饋性和免疫算法全局收斂性、抗體多樣性等優(yōu)點(diǎn),提出了一種新的求解算法,即免疫粒子群算法。該算法將免疫算法所具有的免疫處理機(jī)制引入到一般的粒子群算法中,使粒子群算法在出現(xiàn)早熟收斂的現(xiàn)象時(shí),能夠及時(shí)擺脫局部最優(yōu)解,從而到解空間中的其它位置繼續(xù)進(jìn)行搜尋,直到找到全局最優(yōu)解,這種機(jī)制的引入有效地提高了算法在運(yùn)行后期的收斂速度以及求解精度。分別建立帶有時(shí)間窗限制的裝卸一體化物流配送問題模型和多配送中心物流配送問題模型,并確定模型的約束條件,利用免疫粒子群算法對該問題模型進(jìn)行最優(yōu)路徑的求解,利用計(jì)算機(jī)編程實(shí)現(xiàn)算法。通過實(shí)驗(yàn),比較免疫粒子群算法與其他幾種求解算法在兩個(gè)模型的求解上的差異,證明免疫粒子群算法在解決不同類型的路徑優(yōu)化問題上的可行性、穩(wěn)定性和高效性。
【學(xué)位單位】：沈陽工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：F252;TP18
【部分圖文】：

圖 2.1 VRP 問題示意圖Fig. 2.1 VRP schematic diagram表 2.1 物流配送路徑優(yōu)化問題類型Tab. 2.1 Types of logistics distribution route optimization

圖 4.1 最優(yōu)路徑方案圖Fig. 4.1 Optimal path plan中，徑 1：0-7-2-5-9，行駛距離為 118.93km；徑 2：0-8-1-4-6-3-9，行駛距離為 151.96km。

圖 4.2 四種算法的 10 次實(shí)驗(yàn)結(jié)果圖Fig. 4.2 Ten experimental results of the four algorithms從上述的實(shí)驗(yàn)結(jié)果對比圖中，可以很明顯的看到，在本章的 10 次實(shí)驗(yàn)計(jì)算的對比，本文所提出的 IA-PSO 算法在對最優(yōu)配送路徑的總距離計(jì)算上，有 7 次達(dá)到了本問的最優(yōu)解，即為 270.89km，收斂概率高到 70﹪，求解精度較高，其穩(wěn)定性較為可靠。
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉鐵男;;貪婪式算法在物流配送車輛配載模型中的應(yīng)用[J];物流技術(shù);2014年19期

2 鄧愛民;毛超;周彥霆;;帶軟時(shí)間窗的集配貨一體化VRP改進(jìn)模擬退火算法優(yōu)化研究[J];系統(tǒng)工程理論與實(shí)踐;2009年05期

3 吳雋;陳定方;李文鋒;胡俊杰;;基于改進(jìn)蟻群算法的有時(shí)間窗車輛路徑優(yōu)化[J];湖北工業(yè)大學(xué)學(xué)報(bào);2008年03期

4 張維澤;林劍波;吳洪森;童若鋒;董金祥;;基于改進(jìn)蟻群算法的物流配送路徑優(yōu)化[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2008年04期

5 馮靜;舒寧;;群智能理論及應(yīng)用研究[J];計(jì)算機(jī)工程與應(yīng)用;2006年17期

6 張亮;孫力娟;;蟻群算法和免疫算法的融合及其應(yīng)用[J];計(jì)算機(jī)技術(shù)與發(fā)展;2006年03期

7 胡純德,祝延軍,高隨祥;基于人工免疫算法和蟻群算法求解旅行商問題[J];計(jì)算機(jī)工程與應(yīng)用;2004年34期

8 李寧,鄒彤,孫德寶;帶時(shí)間窗車輛路徑問題的粒子群算法[J];系統(tǒng)工程理論與實(shí)踐;2004年04期

9 亓霞,陳森發(fā),黃鵾,周振國;基于免疫算法的物流配送車輛路徑優(yōu)化問題研究[J];土木工程學(xué)報(bào);2003年07期

10 李嘉,王夢光,唐立新,宋建海;一類特殊車輛路徑問題(VRP)[J];東北大學(xué)學(xué)報(bào);2001年03期

相關(guān)博士學(xué)位論文 前1條

1 戴錫;車輛路線問題的二階段啟發(fā)式算法及其在現(xiàn)代物流配送中的應(yīng)用[D];復(fù)旦大學(xué);2004年

相關(guān)碩士學(xué)位論文 前6條

1 于豐平;基于混合遺傳算法的快遞車輛路徑優(yōu)化問題的研究[D];青島科技大學(xué);2017年

2 王雪紅;基于遺傳算法的車輛路徑優(yōu)化問題的應(yīng)用研究[D];天津科技大學(xué);2016年

3 張倩;基于SA-ACO的物流配送車輛路徑優(yōu)化研究[D];河北工程大學(xué);2012年

4 歐陽濤;物流車輛路徑問題算法研究[D];吉林大學(xué);2011年

5 喬燁;基于捕食搜索策略粒子群算法的車輛路徑問題研究[D];長安大學(xué);2008年

6 彭慧;基于人工免疫算法的優(yōu)化問題研究[D];燕山大學(xué);2006年

本文編號：2851123