物流業(yè)已經(jīng)成為國民經(jīng)濟(jì)的重要產(chǎn)業(yè)，在社會(huì)經(jīng)濟(jì)發(fā)展中起著越來越重要的作用，配送是物流中的重要環(huán)節(jié)，配送路線的選擇直接影響配送成本，進(jìn)而影響了物流成本。物流配送路線優(yōu)化研究，是配送系統(tǒng)優(yōu)化中的重要一環(huán)。通過配送路線優(yōu)化，可以提高企業(yè)的運(yùn)作效率，降低配送成本，實(shí)現(xiàn)物流科學(xué)化。自從配送路徑優(yōu)化問題被提出以來，國內(nèi)外的專家學(xué)者對(duì)其開展了廣泛的研究。目前己經(jīng)產(chǎn)生出多種成熟的模型和算法，為后人繼續(xù)研究提供了基礎(chǔ)。通過闡述配送車輛路線優(yōu)化問題及其構(gòu)成要素，分析以往路線優(yōu)化問題模型存在的不足，本文重新對(duì)配送車輛路線優(yōu)化問題進(jìn)行了必要的界定和約束，在建模過程中將揀選、加工、裝卸等配送成本作為次要因素進(jìn)行處理，以燃料費(fèi)、人員費(fèi)用、其它費(fèi)用以及時(shí)間成本總和代替配送成本，在充分考慮車輛裝載情況、配送線路的路面情況、車輛在各路段行駛平均速度情況以及各客戶點(diǎn)不同時(shí)間窗需求的基礎(chǔ)上，構(gòu)建了以成本最低為優(yōu)化目標(biāo)的車輛路線優(yōu)化問題數(shù)學(xué)模型。粒子群算法被認(rèn)為是求解組合優(yōu)化問題的有效手段之一，本文所研究的問題屬于組合優(yōu)化問題，因此可采用粒子群算法來求解本文提出的成本最低配送車輛路線優(yōu)化問題模型。本文提出的模型中存在車輛動(dòng)態(tài)裝... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：81 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖4.3粒子群算法步驟

圖 5.1 向上開口拋物線慣性權(quán)重遞減曲線5.3 算例結(jié)果分析5.3.1 最短路配送路線優(yōu)化問題結(jié)果分析分別利用標(biāo)準(zhǔn)粒子群算法及帶慣性權(quán)重策略和邊界策略的改進(jìn)粒子群算法對(duì)最短路配送路線模型進(jìn)行 20 次計(jì)算，結(jié)果如表 5.8 和表 5.9 所示。表 5.8 標(biāo)準(zhǔn)粒子群算法求解最短路配送路線問題的結(jié)果次數(shù) 1 2 3 4 5 6 7 8 9 10結(jié)果 1023.04 910.00 935.00 1188.04 1117.20 939.00 910.00 1020.00 910.00 1255.00次數(shù) 11 12 13 14 15 16 17 18 19 20結(jié)果 1185.00 910.00 1284.00 1023.04 910.00 935.00 1117.20 1284.00 939.00 1020.00表 5.9 帶策略的改進(jìn)型粒子群算法求解最短路配送路線問題的結(jié)果次數(shù) 1 2 3 4 5 6 7 8 9 10結(jié)果 935.00 910.00 1023.04 910.00 910.00 910.00 1020.00 910.00 939.00 910.00次數(shù) 11 12 13 14 15 16 17 18 19 20

第 5 章 算例分析20 次運(yùn)算中有 15 次可求出最優(yōu)解，搜索成功率為 75%，這與結(jié)果與的帶開口向上權(quán)重策略的粒子群算法搜索成功率為 80%的結(jié)論大致相子群算法求解的平均值為 937.60，與最優(yōu)解 910.00 偏差較小。以上以最短路為優(yōu)化目標(biāo)的配送路線優(yōu)化問題時(shí)帶慣性權(quán)重策略和邊界法要明顯優(yōu)于標(biāo)準(zhǔn)粒子群算法，這是由于加入慣性權(quán)重遞減策略和邊子群算法容易陷入局部極值的缺點(diǎn)，提高了算法的尋優(yōu)性能。別枚舉出以上兩種算法求得最優(yōu)解情況下的運(yùn)算數(shù)據(jù)作圖，得到兩種的進(jìn)化情況，如圖 5.2 和 5.3 所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于粒子群算法的物流配送車輛優(yōu)化調(diào)度研究[J]. 劉志雄.  武漢科技大學(xué)學(xué)報(bào). 2009(06)
[2]帶裝載量約束的物流配送車輛路徑優(yōu)化研究[J]. 何小年,謝小良.  計(jì)算機(jī)工程與應(yīng)用. 2009(34)
[3]多車場車輛路徑問題的新型聚類蟻群算法[J]. 陳美軍,張志勝,陳春詠,史金飛.  中國制造業(yè)信息化. 2008(11)
[4]粒子群算法在VRP中的應(yīng)用[J]. 方金城,張岐山.  管理科學(xué)文摘. 2008(03)
[5]車輛路徑問題的并行粒子群算法研究[J]. 馬慧民,吳勇,葉春明.  上海理工大學(xué)學(xué)報(bào). 2007(05)
[6]模糊需求車輛路徑問題及其啟發(fā)式蟻群算法[J]. 陳寶文,宋申民,陳興林.  計(jì)算機(jī)應(yīng)用. 2006(11)
[7]帶回程的車輛運(yùn)輸路徑優(yōu)化及定價(jià)模型[J]. 董媛媛,陶緒林,周晶.  現(xiàn)代交通技術(shù). 2006(04)
[8]非滿載車輛路徑問題的改進(jìn)粒子群優(yōu)化算法[J]. 羅先國,侍洪波.  華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2006(07)
[9]帶時(shí)窗回程取貨的車輛路徑問題的算法[J]. 郭伏,隆穎.  東北大學(xué)學(xué)報(bào). 2006(05)
[10]逆向物流單車輛運(yùn)輸策略[J]. 王發(fā)鴻,達(dá)慶利.  東南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2006(01)

博士論文
[1]公路運(yùn)輸系統(tǒng)的經(jīng)濟(jì)分析與評(píng)價(jià)[D]. 于春榮.吉林大學(xué) 2008
[2]開放式車輛路徑問題及其應(yīng)用研究[D]. 符卓.中南大學(xué) 2003
[3]隨機(jī)車輛路徑問題研究[D]. 謝秉磊.西南交通大學(xué) 2003

碩士論文
[1]基于小生境粒子群算法的同時(shí)取貨送貨車輛路徑問題研究[D]. 李振.山東大學(xué) 2011
[2]基于粒子群算法的卷煙配送車輛路徑問題研究[D]. 趙麗.長安大學(xué) 2009
[3]逆向物流回收的車輛配置及路徑優(yōu)化研究[D]. 滕耘.北京交通大學(xué) 2008
[4]基于混合粒子群算法的物流配送車輛路徑問題的研究[D]. 陳利.中南大學(xué) 2007



本文編號(hào)：3442728