本文關(guān)鍵詞：基于粒子群蟻群混合算法的物流車(chē)輛路徑問(wèn)題研究，由筆耕文化傳播整理發(fā)布。

【摘要】：在經(jīng)濟(jì)全球化和信息化的大前提下,物流作為“第三利潤(rùn)源泉”成為拉動(dòng)我國(guó)GDP增長(zhǎng)和第三產(chǎn)業(yè)發(fā)展的重要因素。配送是從物流系統(tǒng)中衍生出來(lái)的重要環(huán)節(jié)。優(yōu)化配送路線(xiàn)能夠提高配送效率,降低配送成本,同時(shí)能夠有效減少因物流配送引發(fā)的交通擁堵,空氣、噪聲污染等問(wèn)題。因此研究如何有效的利用現(xiàn)有資源建立合理的配送方案,提高企業(yè)的經(jīng)濟(jì)效益,具有重要的現(xiàn)實(shí)意義。車(chē)輛路徑優(yōu)化問(wèn)題(Vehicle Routing Problem, VRP)是物流配送優(yōu)化中的核心問(wèn)題。近些年來(lái)VRP問(wèn)題已經(jīng)成為運(yùn)籌學(xué)、應(yīng)用數(shù)學(xué)、圖論以及計(jì)算機(jī)科學(xué)等學(xué)科領(lǐng)域關(guān)注的重點(diǎn)問(wèn)題。由于該問(wèn)題是一個(gè)復(fù)雜的組合優(yōu)化問(wèn)題,所以求解此問(wèn)題的許多智能型啟發(fā)式優(yōu)化算法應(yīng)運(yùn)而生。粒子群算法和蟻群優(yōu)化算法就是人類(lèi)受自然界真實(shí)鳥(niǎo)類(lèi)和螞蟻的覓食行為啟發(fā)而提出的智能優(yōu)化算法。本文通過(guò)研究粒子群算法和蟻群優(yōu)化算法的優(yōu)點(diǎn),提出了一種有效結(jié)合兩種算法優(yōu)勢(shì)的融合算法(PSO-MMA)。通過(guò)將P SO-MMA算法應(yīng)用于旅行商問(wèn)題說(shuō)明其在搜索解的精度上是一種比較優(yōu)秀的算法,進(jìn)一步將該算法應(yīng)用于VRP問(wèn)題的求解并驗(yàn)證了其有效性。本文的研究?jī)?nèi)容和完成的工作主要有以下幾個(gè)方面：1.針對(duì)粒子群算法容易陷入局部最優(yōu)的不足之處,提出了自適應(yīng)變異和劃分多粒子群的策略對(duì)該算法進(jìn)行優(yōu)化。2.由于蟻群算法在搜索初期信息素是均勻分布,因此具有搜索盲目性的缺點(diǎn)。本文使用優(yōu)化后的粒子群算法求得問(wèn)題的次優(yōu)解來(lái)初始分布最大最小蟻群算法的信息素矩陣。之后利用蟻群算法,以國(guó)際庫(kù)TSPLIB中旅行商問(wèn)題(旅行商問(wèn)題是一個(gè)經(jīng)典組合優(yōu)化問(wèn)題,由于它的NP完全性,在國(guó)際上已經(jīng)成為衡量算法優(yōu)劣的標(biāo)準(zhǔn))的標(biāo)準(zhǔn)算例為實(shí)驗(yàn)數(shù)據(jù)搜索問(wèn)題的最優(yōu)解。計(jì)算結(jié)果顯示,PSO-MMA在搜索解的精確性上明顯優(yōu)于基本粒子群算法(PSO),最大最小蟻群算法(MMAS)和改進(jìn)后的粒子群算法(IPSO),并且可以搜索到eil51和berlin52兩個(gè)實(shí)例的最優(yōu)解,說(shuō)明本文提出算法的優(yōu)越性。3.對(duì)車(chē)輛路徑問(wèn)題進(jìn)行建模,并采用VRP數(shù)據(jù)庫(kù)及其它文獻(xiàn)中的實(shí)例對(duì)融合后的算法進(jìn)行實(shí)驗(yàn),仿真實(shí)驗(yàn)結(jié)果驗(yàn)證了粒子群蟻群融合算法求解帶容量約束的車(chē)輛路徑問(wèn)題的有效性。
【關(guān)鍵詞】：自適應(yīng)變異 粒子群算法 蟻群算法 旅行商問(wèn)題 車(chē)輛路徑問(wèn)題
【學(xué)位授予單位】：內(nèi)蒙古農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：U116.2;TP18
【目錄】：

• 摘要3-4
• abstract4-9
• 1 緒論9-15
• 1.1 研究背景和意義9-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀10-12
• 1.2.1 粒子群算法的國(guó)內(nèi)外研究現(xiàn)狀10
• 1.2.2 蟻群算法的國(guó)內(nèi)外研究現(xiàn)狀10-11
• 1.2.3 車(chē)輛路徑問(wèn)題的國(guó)內(nèi)外研究現(xiàn)狀11-12
• 1.3 論文的研究?jī)?nèi)容12-13
• 1.4 論文的組織結(jié)構(gòu)13-15
• 2 粒子群及蟻群算法的基礎(chǔ)知識(shí)15-27
• 2.1 粒子群算法介紹15-21
• 2.1.1 粒子群算法的基本原理15-16
• 2.1.2 粒子群算法的流程16-17
• 2.1.3 粒子群算法的特點(diǎn)17-18
• 2.1.4 幾種粒子群算法的改進(jìn)方法18-20
• 2.1.5 粒子群算法的研究及應(yīng)用20-21
• 2.2 蟻群算法介紹21-27
• 2.2.1 蟻群算法的基本原理21-23
• 2.2.2 蟻群算法模型的數(shù)學(xué)描述23-24
• 2.2.3 蟻群算法的實(shí)現(xiàn)步驟24
• 2.2.4 基本蟻群算法的特點(diǎn)24-27
• 3 粒子群蟻群混合算法求解旅行商問(wèn)題27-36
• 3.1 粒子群算法的改進(jìn)27-28
• 3.1.1 多粒子群競(jìng)爭(zhēng)機(jī)制27
• 3.1.2 自適應(yīng)變異策略27-28
• 3.1.3 算法步驟28
• 3.2 最大最小螞蟻算法28-30
• 3.2.1 Max-Min Ant System28-29
• 3.2.2 算法步驟29-30
• 3.3 粒子群蟻群混合算法30-32
• 3.3.1 混合算法的思想30-31
• 3.3.2 算法流程31-32
• 3.4 旅行商問(wèn)題32-33
• 3.4.1 旅行商問(wèn)題概述32
• 3.4.2 旅行商問(wèn)題的數(shù)學(xué)模型32-33
• 3.5 仿真實(shí)驗(yàn)33-36
• 4 粒子群蟻群混合算法在車(chē)輛路徑問(wèn)題中的應(yīng)用36-50
• 4.1 車(chē)輛路徑問(wèn)題的研究36-38
• 4.1.1 車(chē)輛路徑問(wèn)題概述36
• 4.1.2 車(chē)輛路徑問(wèn)題的約束條件36-37
• 4.1.3 車(chē)輛路徑問(wèn)題的分類(lèi)37-38
• 4.2 車(chē)輛路徑問(wèn)題的求解方法38-43
• 4.2.1 一般算法38-39
• 4.2.2 啟發(fā)式算法39-43
• 4.3 粒子群蟻群混合算法求解車(chē)輛路徑問(wèn)題43-50
• 4.3.1 車(chē)輛路徑問(wèn)題的數(shù)學(xué)模型43-44
• 4.3.2 測(cè)試實(shí)例44-49
• 4.3.3 實(shí)驗(yàn)小結(jié)49-50
• 5 總結(jié)與展望50-52
• 5.1 總結(jié)50
• 5.2 展望50-52
• 致謝52-53
• 參考文獻(xiàn)53-57
• 作者簡(jiǎn)介57

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 方紅遠(yuǎn),王浩,程吉林;初始軌跡對(duì)逐步優(yōu)化算法收斂性的影響[J];水利學(xué)報(bào);2002年11期

2 徐紅梅;陳義保;劉加光;王燕濤;;蟻群算法中參數(shù)設(shè)置的研究[J];山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

3 張倩;陳維榮;;電力系統(tǒng)優(yōu)化算法綜述[J];科協(xié)論壇(下半月);2008年03期

4 劉海霞;李新;;幾何區(qū)間裁剪算法收斂性分析和比較[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2010年12期

5 孟慶春，，賈培發(fā);關(guān)于Genetic算法的研究及應(yīng)用現(xiàn)狀[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);1995年05期

6 朱勇;周?chē)?guó)標(biāo);;一類(lèi)改進(jìn)的蟻群算法及其收斂性分析[J];蘭州理工大學(xué)學(xué)報(bào);2006年02期

7 吳墀衍;鄭政謀;;奇異噪聲環(huán)境下傳統(tǒng)與穩(wěn)健LMS算法的性能研究[J];深圳大學(xué)學(xué)報(bào);1992年Z2期

8 李小平,王鳳儒;優(yōu)解保留遺傳算法收斂性的研究[J];電機(jī)與控制學(xué)報(bào);2000年01期

9 鄭松;侯迪波;唐旭華;葉波;周澤魁;;一種改進(jìn)蟻群算法及其在配方優(yōu)化中的應(yīng)用[J];江南大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年04期

10 徐耀群;王長(zhǎng)舉;;一種萬(wàn)有引力優(yōu)化算法及其收斂性分析[J];哈爾濱商業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年01期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前2條

1 任偉建;陳建玲;韓冬;王鳳妤;;蟻群算法綜述[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

2 張丹;華紅艷;邵麗紅;;擾動(dòng)蟻群算法中參數(shù)的優(yōu)化選擇[A];中國(guó)自動(dòng)化學(xué)會(huì)中南六�。▍^(qū)）2010年第28屆年會(huì)·論文集[C];2010年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 王允良;飛行器總體參數(shù)優(yōu)化的進(jìn)化算法及其應(yīng)用研究[D];西北工業(yè)大學(xué);2006年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 孟曉琳;蟻群算法的研究及其應(yīng)用[D];西南交通大學(xué);2015年

2 丁雪海;基于群智能的多目標(biāo)關(guān)聯(lián)規(guī)則挖掘算法應(yīng)用研究[D];上海大學(xué);2014年

3 陳貞貞;基于FPGA的壓縮感知恢復(fù)算法的研究與實(shí)現(xiàn)[D];中國(guó)科學(xué)院研究生院(空間科學(xué)與應(yīng)用研究中心);2015年

4 葛曼;基于稀疏表示的魯棒相位恢復(fù)算法研究[D];燕山大學(xué);2016年

5 胡瀛月;人工蜂群算法的改進(jìn)及相關(guān)應(yīng)用研究[D];中原工學(xué)院;2016年

6 高明芳;基于粒子群蟻群混合算法的物流車(chē)輛路徑問(wèn)題研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2016年

7 周文明;基于智能算法的移動(dòng)機(jī)器人路徑規(guī)劃研究[D];南京理工大學(xué);2016年

8 陳振;混合型蝙蝠搜索優(yōu)化算法及其應(yīng)用研究[D];廣西大學(xué);2014年

9 宋錦娟;一種改進(jìn)的蟻群算法及其在最短路徑問(wèn)題中的應(yīng)用[D];中北大學(xué);2013年

10 郭姍姍;基于改進(jìn)粒子濾波的紅外弱小目標(biāo)檢測(cè)前跟蹤算法[D];哈爾濱工程大學(xué);2012年

  本文關(guān)鍵詞：基于粒子群蟻群混合算法的物流車(chē)輛路徑問(wèn)題研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：432393