本文關(guān)鍵詞：基于改進(jìn)混合蟻群算法的帶時間窗車輛路徑問題優(yōu)化研究，由筆耕文化傳播整理發(fā)布。

【摘要】：當(dāng)今物流業(yè)發(fā)展迅速,而物流配送過程較為復(fù)雜,其中運(yùn)輸成本與總成本的比率已經(jīng)超過50%。提高配送過程中車輛調(diào)度的效率,降低運(yùn)輸成本,同時滿足顧客各種各樣的需求,不但在理論上有一定的研究價值,而且在現(xiàn)實應(yīng)用中也有一定的意義。本文首先對物流配送業(yè)務(wù)流程以及VRP問題進(jìn)行了詳細(xì)的介紹,通過對前人研究成果的總結(jié),在深入了解蟻群算法和細(xì)菌覓食算法的優(yōu)缺點的前提下,提出了一種改進(jìn)混合蟻群算法的新型啟發(fā)式算法。主要研究工作如下：(1)通過對VRPTW的問題描述,建立本文的VRPTW數(shù)學(xué)模型,模型中相對于VRP問題增加兩個約束條件。第一,從配送中心出發(fā),服務(wù)完客戶節(jié)點后,必需返回配送中心；第二,每個客戶節(jié)點的配送任務(wù),必需由一輛車來完成,且僅服務(wù)一次,車輛須在指定的時間窗內(nèi)服務(wù)客戶,如果早到須等待。(2)本文針對蟻群算法易陷入局部最優(yōu)解這一不足,對信息素更新方法進(jìn)行改進(jìn)。當(dāng)一次迭代結(jié)束,所有的螞蟻均構(gòu)建出解后,對信息素矩陣進(jìn)行更新,為了增強(qiáng)較優(yōu)解所包含的邊上的信息素濃度,使得其在后續(xù)迭代中以較大概率被螞蟻選中,利用三種不同的最好解來更新信息素。(3)本文針對蟻群算法易于出現(xiàn)早熟和停滯的現(xiàn)象,對局部搜索策略進(jìn)行改進(jìn)。通過變鄰域下降搜索能動態(tài)改變考查的鄰域空間的大小,在進(jìn)行局部搜索時只接受最好的鄰域解,直到陷入局部最優(yōu),提高算法擺脫局部最優(yōu)的能力。節(jié)省了大量冗余節(jié)點的計算時間,有利于算法搜索速度的提高,為快速、有效地求解大規(guī)模優(yōu)化問題提供了可能。(4)在系統(tǒng)仿真實驗中,通過系統(tǒng)需求和系統(tǒng)分析,利用C++開發(fā)語言對VRPTW系統(tǒng)進(jìn)行仿真實現(xiàn)。并采用國際上通用的Benchmark Problems中的C1-01測試數(shù)據(jù)進(jìn)行測試,將得到的數(shù)據(jù)結(jié)果與目前求解的最好結(jié)果進(jìn)行比較,本算法的求解結(jié)果對蟻群算法的求解結(jié)果有所改進(jìn),并且優(yōu)于部分文獻(xiàn)中已有的最好結(jié)果,其它則與最好結(jié)果比較接近。這表明本文提出的改進(jìn)混合蟻群算法在求解VRPTW問題上的有效性。對流配送的發(fā)展具有一定的理論意義與應(yīng)用價值。
【關(guān)鍵詞】：蟻群算法 細(xì)菌覓食算法 MMAS 帶時間窗車輛路徑問題
【學(xué)位授予單位】：安徽理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18
【目錄】：

• 摘要5-6
• Abstract6-14
• 1 緒論14-17
• 1.1 論文的選題背景14-15
• 1.2 帶時間窗的車輛路徑問題(VRPTW)的研究現(xiàn)狀15-16
• 1.3 本文主要研究內(nèi)容16-17
• 2 帶時間窗的車輛路徑問題17-26
• 2.1 車輛路徑問題概述17-18
• 2.2 車輛路徑問題中的約束條件18
• 2.3 車輛路徑問題中的影響因素18-19
• 2.4 VRPTW問題描述及其數(shù)學(xué)模型19-21
• 2.4.1 問題描述19-20
• 2.4.2 VRPTW模型的構(gòu)建20-21
• 2.5 VRPTW的常見求解方法21-26
• 2.5.1 精確算法21-22
• 2.5.2 經(jīng)典啟發(fā)式算法22-24
• 2.5.3 現(xiàn)代啟發(fā)式算法24-26
• 3 蟻群算法和細(xì)菌覓食算法的改進(jìn)26-41
• 3.1 蟻群算法26-31
• 3.1.1 蟻群算法發(fā)展歷史26-27
• 3.1.2 蟻群算法的特征和機(jī)制27-28
• 3.1.3 蟻群算法的數(shù)學(xué)模型28-29
• 3.1.4 蟻群算法的基本流程29-30
• 3.1.5 蟻群算法的參數(shù)設(shè)置30-31
• 3.2 細(xì)菌覓食算法(BFO)的改進(jìn)31-41
• 3.2.1 細(xì)菌覓食算法的仿生機(jī)理31-32
• 3.2.2 細(xì)菌覓食算法的基本原理32-36
• 3.2.3 BFO算法的流程36-37
• 3.2.4 BFO算法存在的優(yōu)缺點37-38
• 3.2.5 細(xì)菌覓食算法的改進(jìn)38-41
• 4 改進(jìn)混合蟻群算法在VRPTW中的研究41-58
• 4.1 算法結(jié)合可行性41
• 4.2 算法結(jié)合的基本思想41-42
• 4.3 IHACO算法的基本原理42-47
• 4.3.1 信息素限制的改進(jìn)42-43
• 4.3.2 局部搜索的改進(jìn)43-44
• 4.3.3 目標(biāo)客戶節(jié)點選擇策略44
• 4.3.4 設(shè)置相關(guān)控制參數(shù)44-45
• 4.3.5 細(xì)菌覓食算子45
• 4.3.6 IHACO參數(shù)自適應(yīng)策略45-47
• 4.4 IHACO算法求解VRPTW的基本步驟47-49
• 4.5 算法仿真實驗49-58
• 4.5.1 系統(tǒng)需求49
• 4.5.2 系統(tǒng)分析49
• 4.5.3 數(shù)據(jù)文件格式49-51
• 4.5.4 算法實現(xiàn)51-54
• 4.5.5 仿真結(jié)果分析54-58
• 5 結(jié)論與展望58-60
• 5.1 結(jié)論58-59
• 5.2 展望59-60
• 參考文獻(xiàn)60-64
• 致謝64-65
• 作者簡介及讀研期間主要科研成果65

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 趙國材;劉洋;;基于MMAS的多目標(biāo)優(yōu)化算法研究[J];計算機(jī)仿真;2011年07期

2 鄒彤,李寧,孫德寶;不確定車輛數(shù)的有時間窗車輛路徑問題的遺傳算法[J];系統(tǒng)工程理論與實踐;2004年06期

3 朱慶保,楊志軍;基于變異和動態(tài)信息素更新的蟻群優(yōu)化算法[J];軟件學(xué)報;2004年02期

4 張濤,王夢光;遺傳算法和3-opt結(jié)合求解帶有能力約束的VRP[J];東北大學(xué)學(xué)報;1999年03期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 袁杰;基于蟻群算法的多車場車輛路徑問題研究[D];山東經(jīng)濟(jì)學(xué)院;2010年

  本文關(guān)鍵詞：基于改進(jìn)混合蟻群算法的帶時間窗車輛路徑問題優(yōu)化研究，，由筆耕文化傳播整理發(fā)布。

本文編號：394120