基于改进粒子群算法的家电物流配送车辆调度优化问题研究

摘要

从2000年开始至今，我国的计算机和互联网技术的广泛应用极大程度地促进了电子商务行业的发展。电子商务逐渐改变了人们的生活方式、购物方式以及消费习惯，人们对于网络购物的依赖性越来越高，极大地促进了物流行业的发展。加快我国现代物流企业的发展，逐步满足人们对于网络购物日益增长的需求，已逐渐成长为物流行业向前发展的不竭推动力。家电物流的配送运输一般使用配送中心集中配送运输。但是往往面临着零售户分布不均、闹市区较为集中等困境，影响了配送车辆优化调度的进一步的发展。车辆调度问题被视为物流配送环节中极为重要的一个问题，已成为制约我国物流配送效率提升的核心问题。
　　车辆调度问题的发展已有几十年的时间，在不同的时代背景下，对车辆调度问题提出的解决建议也不同，在电子商务环境下，人们对于商品的购买不仅仅是只追求产品的质量，同时也要求产品的配送效率。目标客户的满意程度对物流企业的竞争能力往往会产生直接影响。物流配送车辆路径优化作为整个物流配送链条中关键环节，也一直被视为是社会发展和经济活动所必不可少的一环。合理的车辆调度可极大提高物流配送的经济效益，进而节约配送成本，提高商品的配送效率，增加人们的满意度，提升物流企业的竞争力。
　　本文在阅读大量的文献和参考已有成果的基础之上，结合家电物流企业的实际配送环境，介绍物流配送的相关概念及其功能因素、粒子群算法及其原理、家电物流配送特征以及车辆调度的相关概念，研究了家电物流企业配送车辆的调度问题，之后构建了物流配送车辆调度优化模型，并以H企业为例验证了算法和模型的有效性。主要工作如下:
　　①构建了家电物流配送车辆的调度优化模型。通过对配送车辆调度问题的研究，提出提高配送车辆的配送效率应作为重点研究问题，本文以配送时间和成本最小化为约束，以家电配送时间最短、家电配送成本最小为目标，构建了带时间窗约束的物流配送车辆的调度优化模型。
　　②求解算法方面。对求解车辆调度问题的算法进行了分析研究，针对标准粒子群容易陷入局部最优的缺陷，通过引入细菌觅食的复制和迁移算子，将其进行改进，提出了改进粒子群算法，来提高对于规模大车辆调度问题的搜索效率和解的质量。
　　③实证研究。结合H家电物流企业在配送商品时出现的问题，对改进粒子群算法模型有效性进行验证。通过对比标准的粒子群算法和改进后的粒子群算法的配送时间和配送成本数据，进而得运用改进粒子群算法进行车辆调度优化比标准粒子群算法在车辆调度问题上的优化效果更好。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．1．1 研究背景

1．1．2 研究意义

1．2 国内外研究现状

1．2．1 家电物流研究现状

1．2．2 配送车辆调度优化研究现状

1．2．3 粒子群算法研究现状

1．3 研究内容与方法

1．3．1 研究内容

1．3．2 研究方法

1．4 技术路线图

1．5 创新点

第二章 相关理论基础

2．1 家电物流配送相关理论

2．1．1 物流配送概念

2．1．2 物流配送功能要素

2．1．3 家电物流配送的特点

2．2 车辆调度

2．2．1 车辆调度概念

2．2．2 车辆调度特点

2．3 车辆调度问题求解算法

2．3．1 精确算法

2．3．2 传统启发式算法

2．3．3 现代启发式算法

2．4 本章小结

第三章 改进粒子群算法设计

3．1 粒子群算法基本原理

3．1．1 粒子群算法的概述

3．1．2 粒子群算法的原理

3．1．3 粒子群算法的数学描述

3．1．4 粒子群算法的参数分析

3．2 菌群算法

3．2．1 细菌觅食基本思想

3．2．2 细菌觅食优化算法模型

3．2．3 细菌觅食优化算法流程

3．3 粒子群算法的改进

3．3．1 粒子群算法的改进路径

3．3．2 改进粒子群算法的流程

3．4 本章小结

第四章 H家电物流公司案例分析

4．1 H家电物流公司现状分析

4．1．1 H家电物流公司概况

4．1．2 H公司家电业物流现状

4．1．3 H公司的物流管理体系

4．1．4 H公司的物流运营现状

4．2 H公司物流现状分析

4．2．1 H公司物流PEST分析

4．2．2 H公司物流SWOT分析

4．2．3 H公司STP分析

4．3．1 企业仓储布局及管理费用过高的问题一

4．3．2 企业配送中车辆配货及装卸时效低的问题

4．3．3 企业商品运输过程中路径优化问题

4．4 本章小结

第五章 改进粒子群算法在家电配送车辆调度问题的应用

5．1 H家电物流配送车辆调度问题的数学模型

5．1．1 H家电物流配送的基本流程

5．1．2 H家电物流车辆调度模型构建

5．2 改进粒子群算法在车辆调度问题中的应用

5．2．1 粒子编码

5．2．2 粒子进化方式

5．2．3 改进粒子群算法车辆调度模型步骤

5．3 实验仿真与结果分析

5．4 本章小结

第六章 结论与展望

6．1 研究结论

6．2 研究展望

致谢

参考文献