近年來隨著社會(huì)智能交通的興起,電子商務(wù)的不斷發(fā)展,中國(guó)現(xiàn)代物流業(yè)進(jìn)入了高速發(fā)展時(shí)期,現(xiàn)代物流行業(yè)優(yōu)化中的關(guān)鍵一環(huán)是運(yùn)輸環(huán)節(jié)的優(yōu)化。運(yùn)輸環(huán)節(jié)的優(yōu)化問題屬于車輛路徑問題（VRP）,而VRP屬于NP難的組合優(yōu)化問題。研究人員從生物進(jìn)化的機(jī)理中得到啟發(fā),將蟻群算法、遺傳算法等仿生智能算法應(yīng)用于解決車輛路徑問題。本文源于深圳本地一家物流企業(yè)的前瞻性研究,通過對(duì)標(biāo)準(zhǔn)車輛路徑問題增加約束條件,建立起了兩種擴(kuò)展的車輛路徑優(yōu)化模型:帶容量約束的車輛路徑問題（CVRP）和多目標(biāo)優(yōu)化的車輛路徑問題（MOVRP）,具體工作如下:（1）為了解決帶容量約束的車輛路徑優(yōu)化問題,本文在基本蟻群算法的基礎(chǔ),定義了間接期望啟發(fā)式并將其引入到路徑選擇概率中,采用了全局與局部更新相結(jié)合的方式進(jìn)行蟻群算法的信息素更新,同時(shí)加入局部搜索算法2-opt優(yōu)化每一次迭代的最優(yōu)解,提出了一種改進(jìn)混合蟻群算法,并在Eil51和Lin105兩個(gè)公開數(shù)據(jù)集上驗(yàn)證了算法的有效性;（2）基于改進(jìn)混合蟻群算法,本文在研究分析帶容量約束的車輛路徑優(yōu)化問題的基礎(chǔ),結(jié)合該單目標(biāo)優(yōu)化問題的特點(diǎn),建立了帶有容量約束的車輛路徑問題的數(shù)學(xué)模型,設(shè)計(jì)了帶容量約束的... 

【文章來源】：深圳大學(xué)廣東省

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

論文研究技術(shù)路線圖

基于仿生智能算法的車輛路徑優(yōu)化研究與實(shí)現(xiàn)11(,+1)=∑(,+1)=1(2-3)式中ρ為信息素的揮發(fā)系統(tǒng)，τijk(t,t+1)表示螞蟻k在(t,t+1)時(shí)刻向邊(i,j)釋放的信息素量，τij(t,t+1)表示邊(i,j)在本次循環(huán)中應(yīng)該更新的信息素總和�；鞠伻核惴ǖ牧鞒虉D如圖2.2所示。圖2.2蟻群算法的流程圖M.Dorigo提出了三種不同邊信息素更新的方式如下：(,+1)={,(,)∈0,否則(2-4)(,+1)={,(,)∈0,否則(2-5)

基于仿生智能算法的車輛路徑優(yōu)化研究與實(shí)現(xiàn)12(,+1)={,(,)∈0,否則(2-6)其中，常數(shù)Q表示信息素量，Q值一般通過大量的實(shí)驗(yàn)得到取值范圍，在不同的算法參數(shù)情況下可能會(huì)不同。lk表示螞蟻k走過的邊。式2-5和式2-4、式2-6的區(qū)別在于式2-5使用全局信息作為模擬信息，相比其他兩個(gè)方案的局部信息來更好。而且從大量的文獻(xiàn)來看，式2-5代表的方案的確好于另外兩者，所以一般的實(shí)驗(yàn)選擇式2-5代表方案作為信息素更新方案。2.2.2蟻群算法的特點(diǎn)蟻群算法的主要特點(diǎn)包括：（1）蟻群算法天生具有并行特點(diǎn)，這是該算法較其他算法的優(yōu)勢(shì)。如圖2.3所示，它的搜索不是從起點(diǎn)開始，而是從多個(gè)點(diǎn)同時(shí)開始。（2）采用分布式計(jì)算，沒有中央控制；分布式并行模式將采用整個(gè)算法的運(yùn)行效率和響應(yīng)性，并大大改善。（3）基于群體智能的算法，個(gè)體之間通過相互協(xié)作和互相交流完成復(fù)雜有序的群體行為。（4）內(nèi)部具有概率運(yùn)行機(jī)制，概率帶來算法的不確定性對(duì)組合優(yōu)化問題具有更大可能得到最優(yōu)解。圖2.3蟻群系統(tǒng)并行示意圖2.2.3幾種典型改進(jìn)的蟻群算法

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)蟻群優(yōu)化算法的服務(wù)組合與優(yōu)化方法[J]. 沈記全,羅常委,侯占偉,劉志中.  計(jì)算機(jī)工程. 2018(12)
[2]基于人工免疫系統(tǒng)算法的建材企業(yè)車輛路徑問題優(yōu)化[J]. 季曉紅.  中國(guó)管理信息化. 2017(15)
[3]基于高維多目標(biāo)優(yōu)化的多車場(chǎng)車輛路徑問題[J]. 畢志升,鄭炯彬,蔡桂艷.  計(jì)算機(jī)與數(shù)字工程. 2017(07)
[4]帶軟時(shí)間窗的需求依訂單拆分車輛路徑問題及其禁忌搜索算法[J]. 符卓,劉文,邱萌.  中國(guó)管理科學(xué). 2017(05)
[5]帶時(shí)間窗車輛路徑問題的分布式多agent蟻群算法[J]. 金淳,張雨,王聰.  計(jì)算機(jī)應(yīng)用研究. 2018(03)
[6]求解帶硬時(shí)間窗的多目標(biāo)車輛路徑問題的多種混合蝙蝠算法[J]. 殷亞,張惠珍.  計(jì)算機(jī)應(yīng)用研究. 2017(12)
[7]考慮運(yùn)載能力與行程約束的綠色車輛路徑問題[J]. 董譽(yù)文,仉帥.  工業(yè)工程與管理. 2017(01)
[8]一種動(dòng)態(tài)搜索策略的蟻群算法及其在機(jī)器人路徑規(guī)劃中的應(yīng)用[J]. 游曉明,劉升,呂金秋.  控制與決策. 2017(03)
[9]遺傳-蟻群算法的配電網(wǎng)狀態(tài)估計(jì)[J]. 張純,王立斌.  現(xiàn)代電子技術(shù). 2016(19)
[10]改進(jìn)節(jié)約法下的物流配送路徑優(yōu)化問題[J]. 邰曉紅,李璐.  遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(06)

碩士論文
[1]基于精英策略的混合粒子蟻群算法改進(jìn)[D]. 高博.燕山大學(xué) 2011
[2]基于遺傳算法的連鎖企業(yè)配送多目標(biāo)VRP研究[D]. 金碩.東北大學(xué) 2011
[3]遺傳多目標(biāo)優(yōu)化算法的研究[D]. 袁形形.中國(guó)地質(zhì)大學(xué)（北京） 2010
[4]基于遺傳算法的多車場(chǎng)車輛路徑問題研究[D]. 鄧欣.重慶大學(xué) 2007



本文編號(hào)：3440383