改进的智能算法及其在物流运输优化中的应用

论文摘要

物流运输问题是当今研究的热点问题,随着运输交通工具的多样化,交通网络的复杂化,物流运输路线的选择就是组合优化中的一个NP难题。物流运输路线的选择是否合理直接影响着运输企业配送的速度、企业成本和企业效益。本文基于智能算法对物流运输路线选择的各种情况进行了研究:1、给出了一般情况,即运输网络为一般网络时两点间最优物流运输路线的搜索算法。主要是对遗传算法进行改进:进行可变长编码、对交叉变异概率实现动态设置、把变异算子细分成插入变异和删除变异。除此之外还对数据存储结构作了调整,节省了空间开销。2、运输网络为一般网络,多个源点以及多个目的节点间运输时,最优运输路径算法设计。3、对于现在的物流运输,已经不再局限于某种特定的交通工具了,交通工具的多样化也是物流路径选择所要考虑的要点。文中根据多种交通工具的实际情况,给出了一些模型假设,并且根据这些假设建立了物流配送的数学模型。4、对于城市内部物流网络也作了思考,主要针对城市中的单行道路网进行了研究,根据其特性将其描述为强连通有向图,在满足一定条件时,对其进行阶段化,并据此建立数学模型,给出了任意一点到其他点的最短距离以及最小有向H圈长。5、当网络为小型网络且不太复杂的时候,对于最短路径问题很多方法都能够很快的解决,但是当网络趋向复杂化时,这些算法所花费的时间往往呈指数增长,这就很迫切地要求有一个算法能对出现的大型网络进行处理。本文中提出了路网简化的解决方案。这个思想可以分成两个方面:一个是直接把大型网络分割成若干个小网络,然后根据并行的思想对每个小网络进行处理,最后再根据要求对各小网络的处理结果进行合成,来得到所要求的最优解;另一个就是使得网络简化思想在大型网络直接求解的过程中实现。因为不是对于每个步骤来说,每个节点都是有意义的,也就是说在求解的某一个步骤中,某些节点的存在是没有意义的,这个时候我们可以对这些无意义的点进行处理,使其透明化,从而简化计算,提高计算效率。解决该类问题的时候,利用遗传算法和蚁群算法相结合的思想。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 物流的概述
• 1.1.1 物流的概念及理解
• 1.1.2 中国物流发展的理论现状
• 1.2 运输在物流系统中的重要作用
• 1.2.1 运输的概念
• 1.2.2 运输在物流系统中的作用
• 1.3 物流运输网络优化的重要性
• 1.3.1 运输子系统是物流系统的核心
• 1.3.2 不合理的物流运输
• 1.3.3 物流运输合理优化意义
• 第二章 智能优化算法
• 2.1 概述
• 2.2 遗传算法
• 2.2.1 基本遗传算法
• 2.2.2 遗传算法的基本要素
• 2.2.3 遗传算法的参数选择
• 2.2.4 遗传算法的特点
• 2.3 蚁群算法
• 2.3.1 蚁群系统简介
• 2.3.2 基本蚁群算法
• 2.3.3 参数选择
• 2.3.4 蚁群算法的特点
• 第三章 基于遗传算法的无向网络路径优化
• 3.1 引言
• 3.2 网络模型
• 3.3 网络节点的数据结构定义
• 3.4 遗传算法的缺点
• 3.4.1 容易过早收敛
• 3.4.2 在进化后期搜索效率低
• 3.5 改进遗传算法
• 3.5.1 编码表示
• 3.5.2 适应度函数
• 3.5.3 种群初始化
• 3.5.4 交叉、变异概率的动态设置
• 3.5.5 交叉运算
• 3.5.6 变异运算
• 3.6 实例分析
• 3.7 利用变长遗传算法求解转运问题
• 3.8 本章小结
• 第四章 物流中心配送问题模型的建立
• 4.1 物流配送问题的描述
• 4.2 物流中心配送模型的建立
• 4.2.1 问题的假设与说明
• 4.2.2 物流中心配送的数学模型
• 第五章 基于城市单行道的物流优化研究
• 5.1 引言
• 5.2 有关定理与引理
• 5.3 数学模型
• 5.4 算法设计
• 5.4.1 求任意两点之间的最短距离
• 5.4.2 求最小有向H 圈长
• 5.5 仿真实验
• 5.6 本章小结
• 第六章 通过路网简化求解最短路
• 6.1 简化路网的必要性
• 6.2 网络分割来解最短路
• 6.2.1 聚类分析中蚂蚁的搜索方法
• 6.2.2 计算新的聚类中心
• 6.2.3 利用蚁群算法求出不同类型的子网
• 6.2.4 城市聚类策略
• 6.2.5 具体算法步骤
• 6.3 大型网络求解的过程中简化成小网络
• 6.3.1 两种智能算法的缺点与互补
• 6.3.2 算法描述
• 6.3.3 实例论证
• 第七章 总结与展望
• 7.1 总结
• 7.2 展望
• 参考文献
• 发表论文和科研情况说明
• 致谢