现代物流若干问题研究

论文摘要

现代物流的重要特征是利用具有智能及优化特点的技术手段实现的高效率组织。组织体现在各物流体系实际操作中,具有智能优化方法特征的物流体系运营管理效率明显突出,综合成本低、消耗合理,竞争能力和业务拓展能力优秀。其中现代物流中车辆行驶路由的优化、物流站点选址的优化问题以及物流中的智能方法研究成为现代物流发展中的关键和热点。本文依据计算智能理论并结合典型现代物流系统实例对传统物流车辆行驶路由、物流站点选址和发展智能方法等问题深入研究和实践,提出优化算法并结合实际系统应用验证优化结果。论文首先总结了车辆行驶路由问题的基本模型,之后依据计算智能理论研究提出带时间窗车辆行驶路由的优化研究和改进算法,并通过实验结果证明算法有效性,然后通过实际物流科学化决策支持系统应用验证其实用性,深入研究基于Rank的进化算法解决多目标TSP问题,并提出优化的遗传算法模型设计和有效性的优化实验结果。其次提出物流站点选址的优化研究和算法设计,并通过实际物流科学化决策支持系统应用实践验证其有效性。在深入研究上述问题和优化算法之后,本文提出多目标优化算法和模型为例对现代物流中的智能方法进行探讨和研究,总结智能方法的核心和特点,研究并总结了智能方法典型应用和对现代物流体系发展的影响。本文最后通过“现代物流科学化决策支持系统”为例介绍了本文成果的实际应用情况,并概括说明了成果在其它不同领域物流应用系统的实际应用方法。

论文目录

• 提要
• 第一章 绪论
• 1.1 研究背景和现状
• 1.1.1 传统物流与现代物流
• 1.1.2 第三方物流
• 1.1.3 物流理论与算法研究
• 1.1.3.1 车辆行驶路由问题
• 1.1.3.2 物流站点选址问题
• 1.1.3.3 物流智能方法研究
• 1.2 本文工作
• 1.2.1 研究路线和方法
• 1.2.2 研究内容及论文组织
• 第二章 计算智能相关理论
• 2.1 引言
• 2.2 人工神经网络
• 2.2.1 人工神经网络模型
• 2.2.1.1 人工神经元模型
• 2.2.1.2 人工神经网络的拓扑结构
• 2.2.1.3 人工神经网络的知识表示
• 2.2.1.4 人工神经网络的学习
• 2.2.2 多层前向神经网络
• 2.3.2.1 多层前向神经网络的函数逼近能力
• 2.3.2.2 多层前向神经网络的学习
• 2.2.3 自适应网络
• 2.2.4 多层前向神经网络研究中一些难点问题
• 2.3 进化计算中的遗传算法
• 2.3.1 遗传算法
• 2.3.1.1 遗传算法的算法过程
• 2.3.1.2 模式定理和遗传算法的隐并行性
• 2.3.1.3 遗传算法的特点
• 2.3.1.4 遗传算法的理论基础
• 2.3.2 进化计算研究中的一些难点问题
• 2.4 计算智能研究的发展趋势
• 2.5 小结
• 第三章 车辆行驶路由优化问题的研究
• 3.1 概述
• 3.1.1 车辆行驶路由问题的基本模型
• 3.1.1.1 图论基础
• 3.1.1.2 货流规划问题
• 3.1.1.3 最短路径问题
• 3.1.1.4 TSP 旅行商问题
• 3.1.1.5 车辆路由问题
• 3.1.1.6 带时间窗的车辆行驶路由问题
• 3.1.1.7 动态车辆行驶路由问题
• 3.1.2 研究任务
• 3.2 带时间窗车辆行驶路由优化问题的研究
• 3.2.1 带时间窗车辆行驶路由遗传算法
• 3.2.1.1 问题描述
• 3.2.1.2 遗传算法
• 3.2.2 遗传算法设计
• 3.2.2.1 编码方式
• 3.2.2.2 适应度函数的计算
• 3.2.2.3 交叉算子
• 3.2.2.4 变异算子
• 3.2.2.5 算法过程
• 3.2.3 项目数据库存储的输入和输出表格
• 3.2.4 实验结果
• 3.2.5 小结
• 3.3 基于Rank 的进化算法解决多目标TSP 问题研究
• 3.3.1 概述
• 3.3.2 遗传算法设计
• 3.3.2.1 问题描述
• 3.3.2.2 数学模型
• 3.3.2.3 多目标TSP 问题求解实现
• 3.3.2.4 实验结果
• 3.3.3 小结
• 第四章 物流站点选址优化问题的研究
• 4.1 概述
• 4.2 研究任务
• 4.3 站点选址优化算法
• 4.3.1 站点选址优化算法思想描述
• 4.3.2 算法实现过程
• 4.3.2.1 编码方式
• 4.3.2.2 求取适应度函数
• 4.3.2.3 淘汰过程
• 4.3.2.4 交叉过程
• 4.3.2.5 变异过程
• 4.3.2.6 迭代次数目标
• 4.3.2.7 算法结果
• 4.3.3 算法正确性分析测试
• 4.4 小结
• 第五章 现代物流发展中的智能方法研究
• 5.1 概述
• 5.2 智能运输系统构成
• 5.3 现代物流体系的智能方法
• 5.3.1 核心智能方法
• 5.3.2 智能方法的特点
• 5.3.3 多目标优化问题
• 5.3.3.1 多目标优化算法问题
• 5.3.3.2 多Agent 系统模型
• 5.3.3.3 现代物流中的多目标优化问题
• 5.3.4 智能方法典型应用
• 5.3.5 智能方法对现代物流体系发展的影响
• 5.4 小结
• 第六章 本文成果的实际应用
• 6.1 现代物流科学化决策支持系统
• 6.1.1 技术特点
• 6.1.2 系统总体架构
• 6.1.3 重要功能举例介绍
• 6.2 基于网络的物流综合管理信息系统
• 6.3 物流企业车辆调度可视化管控系统
• 6.4 道路运输行业管理规划及决策支持系统
• 6.5 小结
• 第七章 总结与展望
• 7.1 本文的主要贡献
• 7.2 进一步的研究内容
• 参考文献
• 攻读博士期间发表的学术论文及其他成果
• 致谢
• 学位论文摘要（中文）
• 学位论文摘要（英文）