物流配送路径优化问题的研究

论文摘要

物流配送是物流活动中直接与消费者相连的环节。在物流的各项成本中,配送成本占了相当高的比例。配送线路安排的合理与否对配送速度、成本、效益影响很大,特别是多用户配送线路的确定更为复杂。采用科学、合理的方法来进行配送线路优化,是物流配送中非常重要的一项活动。 物流配送路径优化问题有很高的计算复杂性,属于NP完全难问题,高效的精确算法存在的可能性不大。本文研究了物流配送路径优化问题及其方法,将蚁群算法改进并成功运用于解决物流配送路径优化问题,提出了基于蚁群算法的物流配送路径优化算法。 本文章节组织如下: 第一章介绍了物流配送路径优化问题的相关知识,通过对研究现状的分析讨论,引出本文的研究目的和工作重点。 第二章对物流配送问题进行描述。分析了物流配送问题中路径优化的评估标准,建立了带约束条件的物流配送问题的数学模型。 第三章中引入了蚁群算法,详细描述了蚁群算法在物流配送路径优化问题中的实现方案,分析讨论了蚁群算法的优缺点,并将蚁群算法运用到物流配送路径优化问题中,实现了多次配送、多种车型情况下的物流配送路径优化算法模型。 第四章针对蚁群算法的缺点,提出了对蚁群算法的几项改进,包括:在蚁群算法中引入遗传操作、修改信息素更新策略等。最后将改进后的蚁群算法运用于物流配送路径优化问题。经过多次实验和计算,证明了用改进的蚁群算法优化物流配送线路,可以有效地求得问题的最优解或近似最优解。 第五章对本文的工作进行了总结,并分析了存在的问题和需要进一步研究的内容。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 物流配送路径优化问题概述
• 1.1.1 物流配送路径优化的基本概念及相关问题
• 1.1.2 优化配送路径的意义
• 1.1.3 国内外研究现状
• 1.1.1.1 物流配送路径优化方面的研究
• 1.1.1.2 蚁群算法的研究现状
• 1.2 本文的研究背景
• 1.3 主要工作
• 1.4 章节组织
• 第二章 物流配送问题的研究
• 2.1 物流配送问题的描述
• 2.2 配送路径优化目标
• 2.3 配送数学模型的建立
• 2.3.1 符号的定义
• 2.3.2 约束条件
• 2.3.3 优化目标
• 2.4 本章小结
• 第三章 基于蚁群算法的物流配送路径优化问题的研究
• 3.1 引言
• 3.2 蚁群算法的基本原理
• 3.3 蚁群算法的模型
• 3.4 蚁群算法的分析
• 3.5 蚁群算法在物流配送路径优化问题中的实现
• 3.5.1 蚁群算法与物流配送模型的结合
• 3.5.2 算法模型的实现
• 3.5.2.1 信息素浓度表的实现
• 3.5.2.2 集合tabu的确定
• 3.5.2.3 车辆序列的初始化
• 3.5.2.4 车辆不足情况及惩罚成本
• 3.5.2.5 运力利用率
• 3.5.2.6 ηij的讨论
• 3.5.2.7 算法模型流程
• 3.6 本章小结
• 第四章 基于改进蚁群算法的物流配送路径优化问题
• 4.1 引言
• 4.2 遗传算法在物流配送路径优化问题中的应用
• 4.2.1 遗传算法概述
• 4.2.2 遗传算法基本要素
• 4.2.3 遗传算法与蚁群算法的互补
• 4.3 遗传算法对蚁群算法的改进
• 4.3.1 复制
• 4.3.2 编码
• 4.3.3 交叉
• 4.3.4 变异
• 4.4 蚁群算法的其他改进策略
• 4.4.1 信息素传递参数ρ的选取
• 4.4.2 确定性搜索和探索性搜索的选则
• 4.5 改进后的算法模型
• 4.6 实验与计算
• 4.6.1 与遗传算法的比较
• 4.6.1.1 遗传算法的计算结果
• 4.6.1.2 蚁群算法的计算结果
• 4.6.1.3 比较分析
• 4.6.2 任务优先级测试
• 4.6.3 运力利用率测试
• 4.6.4 实例计算
• 4.7 本章小结
• 第五章 总结与展望
• 5.1 本文工作总结
• 5.2 今后工作展望
• 参考文献
• 致谢