改进的Hopfield神经网络在配送车辆调度中的应用研究

论文摘要

本论文通过对物流配送中心运输车辆调度问题的研究,提出了基于模拟退火算法的混合Hopfield神经网络算法（SA—HNN）,并用此混合算法求解带宽时间窗有容量约束配送车辆调度问题。模拟退火算法及Hopfield神经网络算法存在着收敛速度慢、易陷入局部最优等一些缺陷,使得系统解决车辆调度优化问题不令人满意。本文提出了混合神经网络算法（SA-HNN）,此算法通过结合Hopfield神经网络与模拟退火算法各自的优点来克服彼此的不足,将模拟退火中以一定概率接收较差解的机制应用到Hopfield神经网络算法中,以克服陷入局部最优的缺陷。同时又对传统的网络和模拟退火算法进行了改进,最终得到了一种快速、高效、收敛的算法。最后利用提出的混合算法解决雨润集团的物流配送实际问题,取得了良好的效果。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题研究的背景及意义
• 1.2 配送车辆调度问题描述及分类
• 1.2.1 车辆调度问题描述
• 1.2.2 车辆调度问题的分类
• 1.3 国内外研究现状
• 1.3.1 车辆调度问题研究现状
• 1.3.2 Hopfield 神经网络研究现状
• 1.4 本文的主要工作
• 2 配送车辆调度问题算法研究
• 2.1 车辆调度问题算法综述
• 2.1.1 车辆调度问题基本算法
• 2.1.2 配送区域划分算法研究
• 2.2 人工神经网络算法
• 2.2.1 人工神经网络
• 2.2.2 Hopfield 神经网络
• 2.3 解决车辆调度问题的全局优化方法
• 2.3.1 全局优化概述
• 2.3.2 全局优化方法
• 2.4 模拟退火算法
• 3 改进的 Hopfield 网络优化策略及其解决 VRP 问题的应用
• 3.1 解决 CVRP 问题的 Hopfield 神经网络算法
• 3.1.1 CVRP 问题的描述
• 3.1.2 CVRP 问题数学模型
• 3.1.3 Hopfield 神经网络算法解决 CVRP 问题
• 3.1.4 Hopfield 神经网络优化算法的缺陷
• 3.2 基于模拟退火算法的 Hopfield 神经网络改进研究
• 3.2.1 算法提出与简介
• 3.2.2 SA—HNN 混合算法具体步骤
• 3.2.3 SA—HNN 混合算法解决组合优化问题的具体步骤
• 3.3 解决带宽时间窗的 CVRP 问题
• 3.3.1 解决聚类问题的 Hopfield 神经网络算法
• 3.3.2 带宽时间窗的 CVRP 问题优化过程
• 4 SA-HNN 混合算法应用实证
• 5 总结与展望
• 5.1 本文的总结
• 5.2 今后工作展望
• 参考文献
• 致谢
• 攻读硕士期间参与科研项目及发表论文情况
• 附录