近年來,隨著生產(chǎn)力疾速發(fā)展和消費者收入水平的大幅提高,生鮮食品區(qū)域化產(chǎn)出和反季節(jié)銷售規(guī)模正大幅增加,消費者越加關(guān)注生鮮食品的種類多樣化、食用安全性和營養(yǎng)性,尤其是新鮮度和配送的準時性。生鮮食品與常溫食品相比其具備生命周期短的特點以及易腐率高的特性,因而冷鏈物流對保障生鮮食品質(zhì)量非常重要。由于我國冷鏈物流起步較晚,配送路徑規(guī)劃多依靠司機經(jīng)驗,缺乏科學(xué)理論的指導(dǎo)。這導(dǎo)致生鮮食品配送成本高、貨損嚴重以及送貨不準時,使得生鮮配送物流商面臨巨大壓力。隨著大氣污染與能源危機的日益嚴峻,零排放、能源利用率高的電動汽車得到國家和社會越來越多的關(guān)注。廣泛使用電動汽車出行可以優(yōu)化當(dāng)前煤炭、天然氣、石油的能源結(jié)構(gòu),減輕交通污染治理的壓力,而且可以得到國家的多項補助。對于生鮮配送商來說,電動冷藏車環(huán)保且行駛成本低廉,是未來生鮮配送車輛的合適選擇。路徑規(guī)劃是考量冷鏈物流能否高效運作的至關(guān)重要的環(huán)節(jié),科學(xué)合理的電動冷藏車路徑規(guī)劃可以有效縮短生鮮食品的在途時間,降低物流成本。不同于傳統(tǒng)的燃油冷藏車,電動冷藏車由電池直接供電行駛,故具有一些特性:電池容量有限,充電時間較長和充電設(shè)備缺乏等。這些特點使得電動冷藏車在生鮮配送車輛調(diào)度中不僅需要考慮生鮮貨損情況還需要考慮充電時間、充電站位置以及電池容量限制。傳統(tǒng)的車輛調(diào)度理論已不適合指導(dǎo)生鮮配送電動冷藏車路徑規(guī)劃問題,生鮮物流公司迫切需要以電動冷藏車為研究對象的相關(guān)理論。本文主要研究以生鮮食品為配送對象的電動冷藏車路徑規(guī)劃問題,首先對車輛調(diào)度理論、生鮮冷鏈物流和求解算法等方面的文獻進行研究總結(jié)。然后,考慮生鮮食品配送和電動冷藏車的特點,分析電動冷藏車配送生鮮食品的路徑成本,建立基于派車固定成本、行駛成本、制冷成本、時間窗懲罰成本和貨損成本之和最小的目標(biāo)函數(shù);模型約束包括車輛約束、載重約束、電池容量約束和時間約束,進而建立帶時間窗的電動冷藏車路徑規(guī)劃問題(Electric Refrigerator Vehicle Routing Problem with Soft Time Window,以下簡稱“EVRPSTW”問題)的混合整數(shù)規(guī)劃模型。之后考慮到電動汽車車輛調(diào)度問題是NP難題,本文應(yīng)用粒子群算法求解EVRPSTW路徑問題,并根據(jù)研究問題對算法參數(shù)改進和粒子編碼設(shè)計。最后,本文運用優(yōu)化后的粒子群算法對含有60個客戶點的算例進行仿真求解,仿真測試結(jié)果表明本文優(yōu)化后的粒子群算法能夠在一定程度上穩(wěn)定求解EVRPSTW問題,驗證了本文算法在求解EVRPSTW問題上的可行性,并進一步分析多車型混合配送情況下的路徑和成本變化;對算法參數(shù)w、種群數(shù),以及EVRPSTW模型中的時間窗、電池容量等相關(guān)因素進行研究;綜合本文研究,從不同角度為生鮮配送企業(yè)提供優(yōu)化建議。
【學(xué)位單位】：東華大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：F252
【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 研究內(nèi)容
    1.3 研究方法與技術(shù)路線
第2章 車輛路徑規(guī)劃和生鮮配送相關(guān)理論概述
    2.1 傳統(tǒng)車輛路徑問題相關(guān)概述
        2.1.1 車輛路徑規(guī)劃問題構(gòu)成要素
        2.1.2 VRPTW問題的國內(nèi)外相關(guān)研究
    2.2 電動汽車路徑問題國內(nèi)外相關(guān)研究
        2.2.1 EVRP問題國外研究現(xiàn)狀
        2.2.2 EVRP問題國內(nèi)研究現(xiàn)狀
    2.3 生鮮配送路徑問題國內(nèi)外相關(guān)研究
        2.3.1 生鮮配送國外研究現(xiàn)狀
        2.3.2 生鮮配送國內(nèi)研究現(xiàn)狀
    2.4 路徑規(guī)劃問題相關(guān)算法
        2.4.1 精確算法
        2.4.2 啟發(fā)式算法
        2.4.3 粒子群算法國內(nèi)外相關(guān)研究
    2.5 本章小結(jié)
第3章 生鮮配送電動冷藏車路徑優(yōu)化模型
    3.1 引言
    3.2 生鮮配送電動冷藏車路徑問題描述
    3.3 基本假設(shè)及參數(shù)描述
        3.3.1 模型的基本假設(shè)
        3.3.2 參數(shù)描述
    3.4 配送成本分析
        3.4.1 派車與行駛成本
        3.4.2 制冷成本
        3.4.3 時間窗成本
        3.4.4 貨損成本
    3.5 EVRPSTW 模型
        3.5.1 目標(biāo)函數(shù)
        3.5.2 數(shù)學(xué)模型
    3.6 本章小結(jié)
第4章 優(yōu)化粒子群算法
    4.1 基本粒子群算法的理論基礎(chǔ)
        4.1.1 算法原理
        4.1.2 算法改進方向
    4.2 優(yōu)化粒子群算法參數(shù)
        4.2.1 改進慣性權(quán)重
        4.2.2 改進學(xué)習(xí)因子
    4.3 粒子群算法的編碼設(shè)計
    4.4 粒子群算法的實現(xiàn)流程
    4.5 本章小結(jié)
第5章 仿真測試與分析
    5.1 生鮮算例
    5.2 生鮮算例測試
        5.2.1 模型參數(shù)設(shè)置
        5.2.2 測試結(jié)果分析
        5.2.3 多車型混合配送
    5.3 算法參數(shù)影響分析
        5.3.1 慣性權(quán)重更新方式的影響
        5.3.2 種群數(shù)的影響
    5.4 模型相關(guān)因素分析
        5.4.1 時間窗因素分析
        5.4.2 最大行駛里程因素分析
    5.5 對生鮮配送企業(yè)的優(yōu)化建議
        5.5.1 合理規(guī)劃車輛和路線
        5.5.2 加強冷鏈管理和物流信息系統(tǒng)建設(shè)
    5.6 本章小結(jié)
第6章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 研究展望
參考文獻
致謝

【相似文獻】

相關(guān)期刊論文 前10條

1 陳建新;崔廣才;;基于改進粒子群算法的函數(shù)優(yōu)化研究[J];電腦迷;2018年01期

2 周慧;;基于粒子群算法的最優(yōu)值求解[J];科技廣場;2017年12期

3 吳豐;郭曉娟;;基于混合粒子群算法的船舶穩(wěn)定性分析[J];艦船科學(xué)技術(shù);2018年14期

4 鄧廣彪;;改進的粒子群算法在云計算下的數(shù)據(jù)挖掘中的研究[J];科技通報;2017年04期

5 張釗旭;王志杰;李建辰;王貴奇;許軍;楊進候;;一種基于模擬退火-改進二進制粒子群算法的測試優(yōu)化選擇方法[J];水下無人系統(tǒng)學(xué)報;2017年03期

6 朱俚治;王興虎;;試談粒子群算法[J];電腦編程技巧與維護;2017年11期

7 朱寶;;基于改進粒子群算法的盾構(gòu)掘進施工優(yōu)化研究[J];遼寧科技學(xué)院學(xué)報;2017年03期

8 袁正午;李君琪;;基于改進粒子群算法的云資源調(diào)度[J];計算機工程與設(shè)計;2016年02期

9 江嘉偉;毋文峰;;一種改進的粒子群算法[J];電腦編程技巧與維護;2016年06期

10 張衛(wèi)明;周慶忠;黎武;;基于改進粒子群算法的野戰(zhàn)油庫選址優(yōu)化[J];兵器裝備工程學(xué)報;2016年08期

相關(guān)博士學(xué)位論文 前10條

1 劉天宇;基于協(xié)作學(xué)習(xí)和文化進化機制的量子粒子群算法及應(yīng)用研究[D];西安電子科技大學(xué);2017年

2 孟麗;粒子群算法及其在分數(shù)階系統(tǒng)辨識中的應(yīng)用研究[D];華北電力大學(xué)(北京);2016年

3 韓佳偉;多層級蘋果預(yù)冷過程模擬及預(yù)冷控制決策優(yōu)化[D];北京工業(yè)大學(xué);2018年

4 雷開友;粒子群算法及其應(yīng)用研究[D];西南大學(xué);2006年

5 王芳;粒子群算法的研究[D];西南大學(xué);2006年

6 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學(xué);2006年

7 張寶;粒子群算法及其在衛(wèi)星艙布局中的應(yīng)用研究[D];大連理工大學(xué);2007年

8 王雪飛;粒子群算法的動態(tài)拓樸結(jié)構(gòu)研究[D];西南大學(xué);2008年

9 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學(xué);2014年

10 馮琳;改進多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 蔡嘯;農(nóng)產(chǎn)品物流配送干擾管理問題的混合量子粒子群算法研究[D];東北財經(jīng)大學(xué);2018年

2 戴雅蘭;基于粒子群算法的機床結(jié)構(gòu)模態(tài)分析方法研究[D];華中科技大學(xué);2018年

3 賈雙龍;基于模糊和粒子群算法的移動機器人路徑規(guī)劃研究[D];東北大學(xué);2017年

4 楊小兵;基于改進的勢場法和粒子群算法的機器人路徑規(guī)劃技術(shù)研究[D];東北大學(xué);2016年

5 胡紀玲;生鮮配送電動冷藏車路徑規(guī)劃研究[D];東華大學(xué);2018年

6 宋奕萌;基于修正偶應(yīng)力理論的非線性微梁的尺度效應(yīng)分析[D];吉林大學(xué);2018年

7 趙昊;基于混沌粒子群算法優(yōu)化硅基波導(dǎo)光柵耦合器的研究[D];山東大學(xué);2018年

8 安冠星;粒子群算法下輻射傳輸模型反演路域植被參數(shù)[D];長沙理工大學(xué);2017年

9 侯玉強;水庫生態(tài)服務(wù)價值調(diào)度及粒子群算法[D];昆明理工大學(xué);2018年

10 牟雪娣;基于離散時空網(wǎng)絡(luò)的不正常航班恢復(fù)問題研究[D];北京交通大學(xué);2018年

本文編號：2851711