基于蚁群优化的供应链调度算法研究 ——物流调度算法研究

论文摘要

随着市场经济的发展,信息化、智能化技术的提高,供应链管理技术也得到了飞速的发展。物流过程是供应链管理过程的子过程,物流过程中的物件分配调度是供应链调度的一部分,同时也是物流过程中最重要的组成部分、核心问题,优化物流过程中的物件分配调度对于提高企业的经济效益和社会效益具有重要意义。供应链物流过程中的物件分配调度问题是一个组合优化问题,目前解决该问题的方法比较简单,并有其各自的局限性,而新型的仿生算法——蚁群算法,具有正反馈性、鲁棒性、并行计算、协同性等特点,非常适合于解决该调度问题,并顺应算法向智能化、仿生化发展的趋势。本文研究了蚁群算法(Ant Colony optimization ,ACO)在TSP问题中的应用,深入研究分析了改进的蚁群算法。通过对物流过程的分析,建立物流过程的模型,深入分析问题的特点,将蚁群算法应用到物流调度领域中,建立适合于蚁群算法的调度模型,提出了基于蚁群优化的物流调度算法,实现供应链物流过程中物件的动态分配,并进行仿真研究以评价所提出方法的有效性。本文针对蚁群算法早熟停滞、收敛速度慢等不足,提出了针对物流调度问题的改进策略。仿真结果表明,使用改进的蚁群优化策略测试不同的订单组合,能得到一个优化解决方案,该方案能使尽可能多的定单按时交付,同时也能将订单的延迟减小,提高了算法的运算效率。最后,本文还根据物流调度问题开发了一个相应的模拟仿真系统,表明基于蚁群优化的物流调度算法具有一定的实用价值。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及研究意义
• 1.2 研究现状
• 1.2.1 物流调度的研究现状
• 1.2.2 蚁群算法的研究现状
• 1.3 本文的研究工作和安排
• 第二章 物流调度问题分析
• 2.1 物流过程的描述
• 2.2 问题的模型
• 2.2.1 供应链物流过程可以作为一个生灭过程模型
• 2.2.2 问题的模型
• 2.3 物流调度问题解决算法
• 2.4 本章小结
• 第三章 蚁群算法（ANT COLONY ALGORITHM）
• 3.1 蚁群算法的背景介绍
• 3.2 蚁群算法的生物模型
• 3.3 蚁群算法原理
• 3.4 基本蚁群算法模型
• 3.4.1 TSP 问题描述
• 3.4.2 蚁群算法的数学模型
• 3.5 蚁群算法的算法分析
• 3.5.1 蚁群算法的特点
• 3.5.2 蚁群算法的基本参数分析
• 3.6 几种改进的蚁群算法
• 3.6.1 Ant-Q System
• 3.6.2 最大－最小蚁群系统（Max-Min Ant System）
• 3.6.3 蚁群系统（Ant Colony System）
• 3.7 本章小结
• 第四章 基本蚁群算法在物流调度中的研究
• 4.1 问题描述和数学模型
• 4.1.1 问题描述
• 4.1.2 建立数学模型
• 4.2 基于蚁群优化的物流调度算法模型
• 4.3 算法描述
• 4.4 仿真算例与算法分析
• 4.5 本章小结
• 第五章 改进的蚁群算法在物流调度中的研究
• 5.1 蚁群算法的改进策略
• 5.1.1 路径选择策略优化
• 5.1.2 信息素更新策略优化
• 5.1.3 自适应调整挥发系数ρ
• 5.2 改进的蚁群算法描述
• 5.3 仿真算例分析比较
• 5.4 物流调度系统的模拟仿真实现
• 5.4.1 系统开发的必要性及软件开发平台
• 5.4.2 软件开发平台介绍
• 5.4.3 模拟仿真系统演示介绍及结果分析
• 5.5 本章小结
• 第六章 总结与进一步工作
• 6.1 全文总结
• 6.2 进一步工作
• 致谢
• 参考文献
• 附录：作者在攻读硕士学位期间发表的论文