本文關(guān)鍵詞：基于蟻群算法的物流系統(tǒng)配送車輛路徑優(yōu)化問題研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著科技的發(fā)展與社會的進(jìn)步,物流是企業(yè)在生產(chǎn)領(lǐng)域之外的又一利潤源泉。為了降低企業(yè)物流配送成本,物流系統(tǒng)中的車輛路徑問題(VRP)已經(jīng)成為了熱點問題。如何將配送車輛路徑進(jìn)行合理的優(yōu)化從而降低物流配送成本是該問題的研究宗旨。物流配送車輛調(diào)度路徑優(yōu)化問題是組合優(yōu)化中典型的NP-hard問題,且計算VRP問題的時間會隨著問題規(guī)模的增大而增加,當(dāng)問題規(guī)模較大時,精確算法很難求解。因此,目前物流系統(tǒng)中的配送環(huán)節(jié)的車輛調(diào)度路徑優(yōu)化問題的求解方法主要使用啟發(fā)式算法。本文主要針對不同約束條件的物流車輛調(diào)度路徑優(yōu)化問題,對蟻群算法進(jìn)行了三種改進(jìn),并分別采用改進(jìn)算法進(jìn)行仿真來驗證算法的有效性。首先,針對蟻群算法在求解VRPTW時易陷入局部最優(yōu)的問題,基于節(jié)約思想定義了螞蟻轉(zhuǎn)移概率,采用了Pareto最優(yōu)解集的全局信息素更新規(guī)則,提出了改進(jìn)的Pareto蟻群算法(Improved Pareto ant colony algorithm,簡稱IPACA)。通過仿真實驗表明該算法提高了蟻群算法的全局搜索能力,有效避免了算法陷入局部最優(yōu),降低了總的配送費用(路程),從而驗證了該算法的有效性。其次,對帶時間窗的單配送中心的物流車輛路徑問題出現(xiàn)的顧客時間窗變動或需求量變動的干擾事件,進(jìn)行描述分析并建立相應(yīng)的數(shù)學(xué)模型,并用蟻群算法求解該問題。然后,將自適應(yīng)記憶算法(Adaptive Memory Programing Algorithm, AMPA)與蟻群算法(Ant Colony Algorithm, ACA)相混合提出了基于自適應(yīng)記憶的蟻群算法(Adaptive Memory Programing for Ant Colony Algorithm, AMP-ACA),并應(yīng)用該算法求解單配送中心的具有同時送貨和取貨需求的車輛路徑問題(Vehicle Routing Problem with Simultaneous Delivery and Pick-up, VRPSDP).最后,對全文做一個總結(jié),并且對下一步的研究工作進(jìn)行了展望。
【關(guān)鍵詞】：VRP 蟻群算法 VRPTW 干擾管理 VRPSDP
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：F252;TP18
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-14
• 1.1 物流配送車輛調(diào)度優(yōu)化問題的研究背景及意義10-11
• 1.2 國內(nèi)外的研究現(xiàn)狀11-12
• 1.3 本文工作12-13
• 1.4 本文的組織結(jié)構(gòu)13-14
• 第二章 物流系統(tǒng)中的配送車輛路徑優(yōu)化問題相關(guān)理論14-22
• 2.1 物流系統(tǒng)中的配送車輛路徑優(yōu)化問題及分類14-15
• 2.2 求解VRP問題的精確算法15-16
• 2.2.1 分枝定界法15
• 2.2.2 枚舉法15-16
• 2.2.3 動態(tài)規(guī)劃法16
• 2.3 求解VRP的啟發(fā)式算法16-18
• 2.3.1 求解VRP的經(jīng)典啟發(fā)式算法16-17
• 2.3.2 求解VRP的現(xiàn)代啟發(fā)式算法17-18
• 2.4 蟻群算法18-20
• 2.4.1 蟻群算法的基本思想18-19
• 2.4.2 蟻群算法的實現(xiàn)過程19-20
• 2.4.3 蟻群優(yōu)化的特點20
• 2.5 本章小結(jié)20-22
• 第三章 基于改進(jìn)Pareto蟻群算法的車輛路徑問題研究22-30
• 3.1 帶時間窗的車輛路徑優(yōu)化問題的描述22-23
• 3.2 改進(jìn)的Pareto蟻群算法23-26
• 3.2.1 IPACA算法概述23
• 3.2.2 IPACA改進(jìn)的螞蟻狀態(tài)轉(zhuǎn)移規(guī)則23-24
• 3.2.3 IPACA的基于Pareto最優(yōu)解集的全局更新規(guī)則24-25
• 3.2.4 算法步驟25-26
• 3.3 仿真實驗與結(jié)果分析26-29
• 3.3.1 仿真實驗126-28
• 3.3.2 仿真實驗228-29
• 3.4 本章小結(jié)29-30
• 第四章 對有干擾事件發(fā)生的車輛路徑問題研究30-36
• 4.1 有干擾事件發(fā)生的車輛路徑問題描述30-32
• 4.2 帶干擾處理的蟻群算法32-33
• 4.2.1 對于VRPTW的干擾事件的擾動恢復(fù)策略32-33
• 4.2.2 算法步驟33
• 4.3 仿真實驗與結(jié)果分析33-35
• 4.4 本章小結(jié)35-36
• 第五章 具有同時送取貨需求的車輛路徑問題的研究36-46
• 5.1 具有同時送取貨需求的車輛路徑問題描述36-37
• 5.2 基于自適應(yīng)記憶的蟻群算法37-40
• 5.2.1 評價值函數(shù)的選擇37-38
• 5.2.2 鄰域結(jié)構(gòu)和候選解38
• 5.2.3 記憶表和特赦準(zhǔn)則38-39
• 5.2.4 AMP-ACA的算法流程39-40
• 5.3 仿真實驗與結(jié)果分析40-45
• 5.3.1 仿真實驗140-42
• 5.3.2 仿真實驗242-43
• 5.3.3 仿真實驗343-45
• 5.4 本章小結(jié)45-46
• 第六章 總結(jié)與展望46-48
• 6.1 總結(jié)46
• 6.2 展望46-48
• 致謝48-50
• 參考文獻(xiàn)50-54
• 附錄A (攻讀碩士期間發(fā)表的論文及參加的科研項目)54-56
• 附錄B (攻讀碩士期間發(fā)表的軟件著作權(quán))56

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 王旭坪;許傳磊;胡祥培;;有顧客時間窗和發(fā)貨量變化的車輛調(diào)度干擾管理研究[J];管理科學(xué);2008年05期

2 陳迎欣;;基于改進(jìn)蟻群算法的車輛路徑優(yōu)化問題研究[J];計算機(jī)應(yīng)用研究;2012年06期

3 馬冬青;王蔚;;基于改進(jìn)粒子群算法的物流配送車輛調(diào)度[J];計算機(jī)工程與應(yīng)用;2014年11期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 李琳;電子商務(wù)環(huán)境下物流配送中若干優(yōu)化問題的研究[D];東北大學(xué);2010年

2 楊劍峰;蟻群算法及其應(yīng)用研究[D];浙江大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 殷志鋒;蟻群算法及其在多用戶檢測中的應(yīng)用[D];蘭州大學(xué);2006年

2 丁曉林;物流企業(yè)車輛調(diào)度管理系統(tǒng)的設(shè)計與實現(xiàn)[D];山東大學(xué);2008年

3 潘雪嬌;協(xié)同物流資源選擇與網(wǎng)絡(luò)動態(tài)配置建模研究[D];上海交通大學(xué);2010年

  本文關(guān)鍵詞：基于蟻群算法的物流系統(tǒng)配送車輛路徑優(yōu)化問題研究，，由筆耕文化傳播整理發(fā)布。

本文編號：392845