论文摘要
物流配送是物流活动中直接与消费者相联系的环节。在物流的各项成本中,配送成本占了相当高的比例。配送中车辆路径的合理与否对物流配送服务水平、成本和效益影响很大。采用科学、合理的方法来进行车辆路径的优化,是物流配送领域的重要研究课题。其中尤其是带时间窗的物流配送车辆路径优化问题（Vehicle Routing Problem with Time Windows ,VRPTW）更是当前研究的重点。带时间窗的车辆路径问题计算复杂,属于NP-hard问题。本文研究了带时间窗的车辆路径问题模型的构建,引入了蚁群算法（Ant System,AS）,将其进行了改进,并成功运用于求解带时间窗的车辆路径问题。蚁群算法存在搜索时间比较长,容易出现停滞现象且存在陷入局部极小可能性的缺陷。本文针对蚁群算法的不足,分别通过对初始解的启发、信息素更新策略的选择和状态转移概率的改进,对蚁群算法进行了改进;并采用Solomon问题中R101作为实例数据基础,采用面向对象的C++语言编写了计算程序,对改进蚁群算法进行了计算验证,证实了该算法可行性和有效性;同时对部分Solomon数据进行了多次验证,结果表明改进蚁群算法与其它启发式算法相比具有优越性;最后对改进蚁群算法中的各项参数进行了对比分析,探讨了所用参数的最优组合。
论文目录
摘要Abstract第一章 绪论1.1 问题的提出1.2 国内外研究现状1.2.1 国内外VRPTW 问题研究现状1.2.2 蚁群算法研究现状1.2.3 蚁群算法求解VRPTW 研究现状1.3 本文主要研究内容第二章 VRPTW 模型的构建与分析2.1 VRPTW 问题的求解思路2.1.1 VRPTW 问题描述2.1.2 求解思路2.2 VRPTW 模型的构建2.2.1 VRPTW 问题的研究目标2.2.2 VRPTW 模型的构建第三章 蚁群算法的数学模型、特点及应用3.1 蚁群算法原理、模型及算法实现3.1.1 蚁群算法基本原理3.1.2 蚁群算法数学模型3.1.3 蚁群算法实现的步骤3.2 蚁群算法的分类及特点3.2.1 蚁群算法的分类3.2.2 蚁群算法特点3.3 蚁群算法应用第四章 改进蚁群算法的构建和求解VRPTW 程序设计4.1 改进蚁群算法的基本思路4.1.1 算法路径的构造4.1.2 信息素更新策略4.1.3 初始解的启发4.1.4 相关参数的设置4.2 改进蚁群算法实现步骤4.3 用改进蚁群算法求解VRPTW 问题的算法程序设计4.3.1 求解思路4.3.2 算法设计4.3.3 算法实现具体步骤及流程图4.4 程序实现第五章 实例计算与参数分析5.1 计算数据5.2 计算结果输出及分析5.2.1 结果输出5.2.2 结果分析5.3 参数优化5.3.1 参数α和β对算法性能的影响分析5.3.2 蚂蚁数目m 的选取5.3.3 信息素挥发度的选择结论与展望结论未来研究方向参考文献附录攻读硕士学位期间公开发表的论文致谢
相关论文文献
标签：物流配送论文; 蚁群算法论文; 改进蚁群算法论文; 信息素论文;
