基于改进蚁群算法的物流路径优化问题研究

论文摘要

物流路径优化是物流调度的重要部分,直接影响着物流的成本和效率。根据官方数据,我国物流运输成本占据了物流总成本的一半以上,远远高于发达国家。提高运输效率、优化物流配送线路成为了重要的问题。为了节约运输成本、提高车辆利用效率、实现资源的合理配置,人们提出了各种解决算法。针对已有算法的局部最优、过早收敛等问题,本文对蚁群算法进行了改进,用来解决物流路径优化问题。本文首先分析了物流路径优化方面的国内外研究现状,研究了求解物流路径优化问题的算法并对存在的问题进行了总结,重点对单向物流和双向物流路径优化问题进行了研究。其次针对多配送中心情况下,提出了一种分解法进行预处理。将多配送中心的物流路径优化问题(MDVRP)转化成多个单配送中心子问题。然后,针对单向物流路径优化问题,建立了数学模型,应用蚁群算法进行求解。为了消除蚁群算法的易停滞、收敛缓慢等问题,从蚂蚁转移策略、信息素更新方式以及遗传算法的融合等方面对算法进行了改进。最后,针对双向物流的路径优化问题,通过增加启发函数、设计转移策略等方面来改进蚁群算法,使得算法能更好的考虑综合因素来进行搜索,能够更全面、更准确的找到合适的下一节点,从而得到更优的路线。通过理论分析和仿真实验可见,本文有效求解了物流路径优化问题,从仿真结果来分析,本文改进的算法是正确的。从与其它算法的对比结果可知,改进的算法具有一定的优越性,本文算法得出了相对更优的解。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 论文研究背景和意义
• 1.2 物流路径优化问题
• 1.2.1 物流路径优化问题概述
• 1.2.2 物流路径优化问题分类
• 1.3 国内外研究现状
• 1.3.1 单向物流路径优化问题
• 1.3.2 双向物流路径优化问题
• 1.4 本文主要内容
• 第2章 物流路径优化算法及多配送中心分解
• 2.1 简介
• 2.2 精确算法
• 2.3 启发式算法
• 2.4 智能优化算法
• 2.5 多配送中心问题分解
• 2.5.1 就近分配法
• 2.5.2 综合分配法
• 2.6 本章小结
• 第3章 单向物流路径优化模型及算法研究
• 3.1 单向物流路径优化问题描述
• 3.2 单向物流路径优化问题建模
• 3.2.1 符号说明
• 3.2.2 建立模型
• 3.3 改进蚁群算法
• 3.3.1 转移策略的设计
• 3.3.2 信息素残留系数的设计
• 3.3.3 信息素浓度范围
• 3.3.4 引入遗传算法
• 3.3.5 改进的蚁群算法详细流程
• 3.4 算法仿真及结果分析
• 3.5 本章小结
• 第4章 双向物流路径优化模型及算法研究
• 4.1 双向物流路径优化问题描述
• 4.2 VRPSDP建模
• 4.2.1 数学符号说明
• 4.2.2 数学建模
• 4.3 VRPSDP的蚁群算法改进
• 4.3.1 启发函数的构造
• 4.3.2 转移策略设计
• 4.3.3 改进的算法的详细流程
• 4.4 算法仿真及结果分析
• 4.4.1 算法的有效性实验
• 4.4.2 算法的对比实验
• 4.5 本章小结
• 第5章 总结与展望
• 5.1 总结
• 5.2 下一步工作
• 参考文献
• 致谢
• 攻读硕士期间发表的论文