伴隨著我國經(jīng)濟的快速發(fā)展,人們的消費觀念與購物方式有了較大的改變。一大部分人由原來的線下購物轉(zhuǎn)變?yōu)榛ヂ?lián)網(wǎng)線上購物,造成了以電子商務(wù)為基礎(chǔ)的網(wǎng)絡(luò)購物現(xiàn)象在人們當(dāng)中越來越普及。然而互聯(lián)網(wǎng)購物帶動了物流行業(yè)的發(fā)展,又給物流行業(yè)提出了一系列新的要求。如何合理安排運輸車輛,降低物流企業(yè)的運輸費用已成為現(xiàn)代物流企業(yè)研究的重要課題之一。經(jīng)典的車輛路徑問題（Vehicle Routing Problem,VRP）是物流配送車輛路徑優(yōu)化問題的起源。因此建立相應(yīng)的數(shù)學(xué)仿真模型以及合適的求解算法是研究物流配送車輛路徑優(yōu)化問題的關(guān)鍵。本文把研究的重點主要放在了帶時間窗的物流車輛路徑問題的數(shù)學(xué)建模及求解,提出了一種漸進揮發(fā)式的蟻群算法。本文具體研究工作主要包括以下內(nèi)容:提出了一種漸進揮發(fā)因子蟻群算法。對傳統(tǒng)蟻群算法在揮發(fā)因子、啟發(fā)因子以及信息素的增量方面做出相應(yīng)的改進。改進后的蟻群算法按照不同的迭代次數(shù)設(shè)置不同的揮發(fā)因子,并在啟發(fā)式因子中考慮到路徑的起始點與各個節(jié)點之間的距離關(guān)系。改進后的蟻群算法相比傳統(tǒng)蟻群算法收斂速度較快,更容易在較短的時間內(nèi)發(fā)現(xiàn)全局最優(yōu)解。通過MATLAB軟件載入各個物流站點的地理位置坐標... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究意義
    1.4 論文結(jié)構(gòu)
第2章 物流系統(tǒng)配送路徑優(yōu)化分析
    2.1 物流系統(tǒng)基本概述
        2.1.1 物流的概念
        2.1.2 現(xiàn)代物流系統(tǒng)及物流系統(tǒng)構(gòu)成
    2.2 配送概述
        2.2.1 物流配送的形式
        2.2.2 物流配送的特點
    2.3 物流配送車輛路徑優(yōu)化問題相關(guān)理論
        2.3.1 物流配送車輛路徑優(yōu)化問題的定義
        2.3.2 物流配送車輛路徑問題的基本模型
        2.3.3 配送車輛問題分類
        2.3.4 物流配送車輛問題組成部分
    2.4 物流配送車輛路徑優(yōu)化問題的求解算法
        2.4.1 精確算法
        2.4.2 傳統(tǒng)啟發(fā)式算法
        2.4.3 人工智能算法
    2.5 本章小結(jié)
第3章 改進蟻群算法求解
    3.1 蟻群算法基本概述
        3.1.1 蟻群算法的特點
        3.1.2 蟻群算法基本流程
    3.2 對蟻群算法的改進
        3.2.1 對揮發(fā)因子的改進
        3.2.2 對啟發(fā)因子的改進
        3.2.3 對信息素增量的改進
    3.3 目標函數(shù)
        3.3.1 配送距離目標函數(shù)
        3.3.2 客戶滿意度目標函數(shù)
        3.3.3 多目標函數(shù)優(yōu)化
    3.4 本章小結(jié)
第4章 實驗驗證與結(jié)果分析
    4.1 物流仿真平臺搭建
    4.2 終端配送模塊
    4.3 實驗驗證與結(jié)果分析
        4.3.1 驗證蟻群算法有效性實驗
        4.3.2 多目標函數(shù)情況下終端配送模型實驗
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 全文工作總結(jié)
    5.2 后續(xù)工作展望
參考文獻
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果


【參考文獻】：
期刊論文
[1]農(nóng)產(chǎn)品物流配送模式與對策研究[J]. 王宛濮.  技術(shù)經(jīng)濟與管理研究. 2020(06)
[2]基于聚集度自適應(yīng)反向?qū)W習(xí)粒子群算法在水庫優(yōu)化調(diào)度中的應(yīng)用[J]. 鄧志誠,孫輝,趙嘉,王暉.  水利水電技術(shù). 2020(04)
[3]基于動態(tài)規(guī)劃的非均勻雜波環(huán)境中的復(fù)似然比檢測前跟蹤算法[J]. 安政帥.  火控雷達技術(shù). 2020(01)
[4]求解非凸截斷L1-SVM的多階段非精確線搜割平面方法[J]. 袁友宏,劉欣,鮑蕾.  南京大學(xué)學(xué)報(自然科學(xué)). 2020(01)
[5]分支定界算法求解帶有釋放時間的單機雙代理調(diào)度問題[J]. 梁建恒,薛含鈺,白丹宇,苗蘊慧.  運籌與管理. 2019(10)
[6]基于替代模型的油藏注采參數(shù)多目標優(yōu)化設(shè)計[J]. 王鏈,張亮,賴楓鵬,王孔杰,李治平.  科學(xué)技術(shù)與工程. 2019(26)
[7]基于節(jié)約里程法的電商企業(yè)物流配送線路設(shè)計[J]. 康兆妍,韋媚.  物流工程與管理. 2019(08)
[8]我國物流管理信息化存在的問題及對策[J]. 徐娜,陶琳.  商業(yè)經(jīng)濟研究. 2019(01)
[9]分布式快速端口掃描的任務(wù)調(diào)度算法與協(xié)議研究[J]. 林培勝,王軼駿,薛質(zhì).  通信技術(shù). 2017(12)
[10]《插入法排序》微課設(shè)計與制作[J]. 鄭萍.  教育現(xiàn)代化. 2016(39)

博士論文
[1]易逝品逆向物流的庫存控制及車輛路徑問題的優(yōu)化研究[D]. 孟麗君.浙江大學(xué) 2009
[2]約束優(yōu)化和多目標優(yōu)化的進化算法研究[D]. 張敏.中國科學(xué)技術(shù)大學(xué) 2008
[3]物流配送車輛路徑問題模型及算法研究[D]. 曹二保.湖南大學(xué) 2008

碩士論文
[1]考慮配送人員滿意度的多目標車輛調(diào)度優(yōu)化研究[D]. 吳恒成.安徽工業(yè)大學(xué) 2019



本文編號：3164172