物流配送车辆路径智能优化方法研究

摘要

随着我国工业化步伐的不断加快，作为工商业企业支柱之一的物流也越来越受到重视，尤其是近些年来第三方物流公司的蓬勃兴起对物流管理理论与技术的发展提出了较高的要求。运输是物流的基本内容之一，在物流作业中扮演着重要的角色，运输成本也是物流成本的主要的组成部分之一，因此物流运输规划的好坏与否将直接关系到企业物流成本的高低。于是作为物流管理的重要组成部分的物流运输的车辆路径理论在近些年来逐渐成为学术界的研究热点。 本文分为两大部分，第一部分是静态车辆路径问题条件下调度算法的研究，该部分主要在静态路径条件下研究三种人工智能算法，即免疫算法、粒子群算法和蚁群算法。通过研究分析这三种算法的运作机理，结合求解Solomon算例得出三种算法应用于不同类型车辆路径问题时所表现出的性能，总结出在何种条件下采用何种算法可以达到最佳效果。最后从遗传算法的角度进一步解释这三种算法的运作的根本机理。 第二部分提出了一个动态车辆路径问题的新模型，原有动态车辆路径问题的模型假定了车辆通过单一某路段的时间服从均值和方差为固定数值的正态分布，这显然不符合实际情况。新模型对该假定条件予以放宽，即假定该正态分布随着车辆到达该路口时刻的不同而不同，并且结合了随机需求的情况。本文针对该问题构建了随机机会约束规划模型，并设计了遗传算法求解该模型，最后给出了一个算例。

目录

文摘

英文文摘

声明

第一章 绪论

1.1车辆路径问题的概念

1.2车辆路径问题的分类

1.3确定性VRP

1.3.1确定性VRP的模型综述

1.3.2确定性VRP的算法综述

1.4不确定性VRP

1.4.1不确定性VRP的宏观特性

1.4.2不确定性VRP的模型综述

1.5复合性VRP

1.6我国对于VRP的研究状况

1.7本文研究内容

第二章 智能算法基本理论

2.1从遗传算法到免疫算法

2.1.1免疫算法的生物学基础

2.1.2免疫算法的机理

2.1.3免疫算法的运行步骤

2.1.4免疫算法的特点

2.2粒子群算法的基本理论

2.2.1粒子群优化算法的概念

2.2.2粒子群优化算法处理连续优化问题

2.2.3粒子群优化算法处理组合优化问题

2.2.4粒子群优化算法的一些特点

2.3蚁群算法

2.3.1蚁群算法生物学基础

2.3.2蚁群算法的原理

2.3.3蚁群算法的优缺点

第三章 智能算法在静态VRP条件下的优化研究

3.1静态VRP描述与数学模型

3.2免疫算法应用于静态VRP的研究

3.2.1算法流程

3.2.2直接法仿真实验

3.2.3间接法优化原理

3.2.4间接法仿真实验

3.3粒子群算法应用于静态VRP的研究

3.3.1算法步骤

3.3.2仿真实验

3.4蚁群算法应用于静态VRP的研究

3.4.1算法步骤

3.4.2仿真实验

3.5各种智能算法应用静态VRP的总结分析

3.6小结

第四章 动态车辆路径问题的研究

4.1问题描述及模型建立

4.1.1行驶时间描述

4.1.2约束条件描述

4.1.3目标描述

4.1.4模型建立

4.2问题解决方案与步骤

4.2.1约束条件的处理

4.2.2算法优化步骤

4.3仿真试验

4.4小结

第五章 总结和展望

5.1总结

5.2展望

参考文献

发表论文与科研情况说明

致谢