21世紀,我國GDP總量飛速上升,許多行業(yè)蓬勃發(fā)展,特別是如今蒸蒸日上的物流行業(yè),更是我國經(jīng)濟發(fā)展的基礎(chǔ)性支柱行業(yè),但是由于物流運輸水平受限于高額的物流運輸成本,所以很大地阻礙著國內(nèi)許多物流企業(yè)的發(fā)展。這就使得怎樣有效提升物流運輸水平進而節(jié)約物流運輸成本成為學(xué)術(shù)界和行業(yè)界的十分重要的課題�；谖锪餍袠I(yè)的早期運作方式,學(xué)術(shù)界提出了車輛路徑問題,為此國內(nèi)外學(xué)者做了大量的研究且取得了許多不錯的研究成果,但是隨著科學(xué)技術(shù)的發(fā)展,如今的物流行業(yè)遇到的車輛路徑問題也更加復(fù)雜多變,從而衍伸出更多的問題--多約束車輛路徑問題、多中心車輛路徑問題以及多目標(biāo)的多約束多中心車輛路徑問題,對于這些衍伸問題國內(nèi)外學(xué)者研究不多,特別是對于多目標(biāo)的多約束多中心車輛路徑問題的研究更是欠缺�；诖吮疚氖紫冉o出了車輛路徑問題及其衍伸問題的研究背景,分析了目前車輛路徑問題及其衍伸問題方面的研究成果,通過參閱國內(nèi)外文獻綜述與研究成果,分別對基本車輛路徑問題、多約束車輛路徑問題以及多目標(biāo)的多約束中心車輛路徑問題進行了詳細分析并建立相應(yīng)的數(shù)學(xué)模型。然后在這些建立好的模型基礎(chǔ)上,深入研究啟發(fā)式優(yōu)化算法的方法原理,針對目前國內(nèi)外應(yīng)用... 

【文章來源】：北京工業(yè)大學(xué)北京市 211工程院校

【文章頁數(shù)】：96 頁

【學(xué)位級別】：碩士

【部分圖文】：

基本VRP問題的解示例

圖 2-2 遺傳算法一般流程圖Figure 2-2 General Flow Chart of Genetic Algori優(yōu)過程中能夠主動獲取和儲存相關(guān)尋優(yōu)空息來收縮尋優(yōu)空間，自適應(yīng)地限制尋優(yōu)過而獲得目標(biāo)問題的有用可行解或最佳解，效求解算法多是采用遺傳算法來求解V算法[26](VRP optimization algorithm base分析和流程如下所示。于基本 VRP 問題分析：基本 VRP 問題比采用遺傳算法的思路對所用車輛和顧客進可重復(fù)的自然數(shù)的順序表示車輛排列，采序表示顧客排列，兩者相對應(yīng)，構(gòu)成一個配送路徑方案，隨后計算該配送方案的總直到循環(huán)結(jié)束。個用 3 輛車向 9 個顧客派送的車輛派送優(yōu)

圖 2-3 基于遺傳算法的 VRP 問題優(yōu)化流程圖3 Flow chart of VRP optimization based on genetic algRP 的算法步驟，具體如下算法 1-1 所示：P optimization algorithm based on genetic algori傳算法的 VRP 問題優(yōu)化算法，顧客數(shù)量M ，最大進化代數(shù)maxT ，交叉概.成規(guī)模為 N 的種群，對車輛和顧客進行二進為適應(yīng)度評估函數(shù)對個體進行評價最優(yōu)個體存儲與輪盤賭相結(jié)合的淘汰策略，度值由小到大排序，將排序后最好的個體直個體需要采用輪盤賭方法和上代群體的 N 個編碼方式下有幾種編碼方式：僅對車輛編碼


本文編號：2902247