隨著新時(shí)代電子商務(wù)的迅猛發(fā)展,物流配送的地位也隨之越來(lái)越高,成為了電子商務(wù)向前發(fā)展的重要基石,同時(shí)其與電子商務(wù)發(fā)展的不對(duì)稱性也將對(duì)電子商務(wù)產(chǎn)生反向制約。現(xiàn)代物流的核心問(wèn)題是優(yōu)化資產(chǎn)配置的同時(shí)提高服務(wù)感知度,可以以最小的成本提供最好的服務(wù)。所以對(duì)于配送過(guò)程中的車輛路線進(jìn)行規(guī)劃,制定合理方案是車輛路徑研究問(wèn)題的重點(diǎn),尤其是對(duì)帶時(shí)間窗的車輛路徑問(wèn)題（Vehicle Routing Problem With Time Windows,VRPTW）的研究。VRPTW既能提高單位資產(chǎn)產(chǎn)出值,也能從時(shí)間維度優(yōu)化客戶的服務(wù)體驗(yàn)。從物流公司角度而言,資產(chǎn)效率的提高可以減少硬件投入,公司資金流轉(zhuǎn)壓力會(huì)大幅減少,從而提高在整個(gè)行業(yè)的競(jìng)爭(zhēng)力和員工待遇,產(chǎn)生良性循環(huán)。因此對(duì)VRPTW的研究具有重要意義。本文基于VRPTW的以上研究意義,以VRPTW相關(guān)理論和相關(guān)算法理論為基礎(chǔ),對(duì)其進(jìn)行概念界定以及因素描述,對(duì)比了各種可以求解路徑優(yōu)化問(wèn)題的算法,同時(shí)列舉具體數(shù)據(jù)測(cè)試了啟發(fā)式算法進(jìn)行對(duì)比,從而選定了遺傳算法作為本文應(yīng)用的算法之一。根據(jù)車輛在中約束、顧客要求的時(shí)間上的約束以及各種有關(guān)因素范圍的約束建立了以求解運(yùn)輸目成... 

【文章來(lái)源】：沈陽(yáng)工業(yè)大學(xué)遼寧省

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

遺傳算法隨機(jī)路線圖

沈陽(yáng)工業(yè)大學(xué)碩士學(xué)位論文18圖2.5遺傳算法最優(yōu)路線圖Fig.2.5GeneticAlgorithmOptimalRoadmap圖2.6遺傳算法迭代進(jìn)化圖Fig.2.6Geneticalgorithmiterativeevolutiongraph2.5.2禁忌搜索算法測(cè)試與分析使用禁忌搜索算法首先隨機(jī)獲得一個(gè)解，初始解如圖2.7所示，行駛路程總和為75.68，經(jīng)過(guò)禁忌搜索算法優(yōu)化得到最優(yōu)路徑與遺傳算法優(yōu)化后得到的最優(yōu)解相同，總路程為30.96，通過(guò)進(jìn)化迭代圖可以看到在65代以后基本保持不變。

沈陽(yáng)工業(yè)大學(xué)碩士學(xué)位論文18圖2.5遺傳算法最優(yōu)路線圖Fig.2.5GeneticAlgorithmOptimalRoadmap圖2.6遺傳算法迭代進(jìn)化圖Fig.2.6Geneticalgorithmiterativeevolutiongraph2.5.2禁忌搜索算法測(cè)試與分析使用禁忌搜索算法首先隨機(jī)獲得一個(gè)解，初始解如圖2.7所示，行駛路程總和為75.68，經(jīng)過(guò)禁忌搜索算法優(yōu)化得到最優(yōu)路徑與遺傳算法優(yōu)化后得到的最優(yōu)解相同，總路程為30.96，通過(guò)進(jìn)化迭代圖可以看到在65代以后基本保持不變。

【參考文獻(xiàn)】：
期刊論文
[1]車輛路徑優(yōu)化問(wèn)題及求解方法研究綜述[J]. 龐燕,羅華麗,邢立寧,任騰.  控制理論與應(yīng)用. 2019(10)
[2]基于遺傳算法與方案優(yōu)選的多目標(biāo)優(yōu)化模型求解方法[J]. 單寶英,郭萍,張帆,郭珊珊.  中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào). 2019(06)
[3]帶時(shí)間窗的電動(dòng)汽車物流配送車輛路徑問(wèn)題研究[J]. 黃敏芳,劉敬,郭瓊.  物流技術(shù). 2019(05)
[4]考慮客戶滿意度的車輛路徑優(yōu)化研究[J]. 戶佐安,賈葉子,李博威,劉陸.  工業(yè)工程. 2019(01)
[5]中國(guó)物流業(yè)發(fā)展的現(xiàn)狀、問(wèn)題與趨勢(shì)[J]. 魏際剛.  北京交通大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2019(01)
[6]帶時(shí)間窗和服務(wù)順序約束的多需求車輛路徑問(wèn)題[J]. 李珍萍,張煜煒.  控制與決策. 2019(07)
[7]我國(guó)電商企業(yè)物流運(yùn)營(yíng)模式的應(yīng)用與創(chuàng)新發(fā)展[J]. 王德方.  產(chǎn)業(yè)與科技論壇. 2018(05)
[8]我國(guó)電子商務(wù)與物流產(chǎn)業(yè)協(xié)同發(fā)展研究[J]. 耿杰.  科技風(fēng). 2018(03)
[9]基于改進(jìn)K-means算法的微博輿情分析研究[J]. 謝修娟,李香菊,莫凌飛.  計(jì)算機(jī)工程與科學(xué). 2018(01)
[10]跨境電子商務(wù)物流企業(yè)競(jìng)爭(zhēng)力實(shí)證研究[J]. 劉侃,趙冬梅.  商業(yè)經(jīng)濟(jì)研究. 2018(01)

博士論文
[1]裝卸一體化車輛路徑問(wèn)題優(yōu)化模型及算法研究[D]. 周蓉.合肥工業(yè)大學(xué) 2016

碩士論文
[1]面向輪胎制造企業(yè)的能耗優(yōu)化方法研究[D]. 劉曉婷.西安理工大學(xué) 2017
[2]基于廣義多子代遺傳算法的外賣配送問(wèn)題研究[D]. 許剛.東北農(nóng)業(yè)大學(xué) 2017
[3]時(shí)變網(wǎng)絡(luò)條件下生鮮農(nóng)產(chǎn)品運(yùn)輸車輛路徑問(wèn)題研究[D]. 吳姝雨.重慶交通大學(xué) 2017
[4]基于Hadoop云計(jì)算平臺(tái)的K-Means聚類算法研究[D]. 劉洋.哈爾濱理工大學(xué) 2017
[5]基于現(xiàn)代優(yōu)化算法的K-means聚類的研究與應(yīng)用[D]. 左倪娜.廣西大學(xué) 2016
[6]食品企業(yè)物流配送問(wèn)題研究[D]. 劉建非.重慶交通大學(xué) 2014
[7]帶時(shí)間窗車輛路徑問(wèn)題的蟻群算法改進(jìn)[D]. 董攀.長(zhǎng)沙理工大學(xué) 2014
[8]基于聚類分析和遺傳算法的帶時(shí)間窗車輛路徑問(wèn)題研究[D]. 林郁丞.福建農(nóng)林大學(xué) 2009



本文編號(hào)：3269423