物流配送车辆路径选择研究

物流配送车辆路径选择研究

论文摘要

近年来我国物流总值在高速增长,经济发展对物流配送的依赖程度也越来越高,但是我国现代物流配送业的发展还处在起步阶段,与发达国家的技术水平还存在较大差距。我国的现代物流在功能和发展潜力上的瓶颈在于现代物流系统的不完善以及物流作业过程的不合理。自然形成的物流系统由于缺乏前瞻性和系统规划,在物流资源的配置、物流网络的结构等方面,很难保证其可靠性、合理性、协调性和最优化;而物流作业过程,主要是运输过程和仓储过程,仍以经验管理为主,基本上没有采用优化理论和方法,不合理现象随处可见,难以产生“第三利润”。对车辆路线进行优化不仅可以帮助决策者迅速做出科学正确的决定,提高配送效率和客户满意度,而且对改善城市交通状况有重要作用。因此,对路线选择问题的研究具有重要意义。本文首先对物流配送中的VRP问题进行详细地阐述,包括研究背景、研究目的和意义,并对现代物流配送、车辆路径选择问题和蚁群算法的国内外研究现状作总结归纳。在本文的理论基础部分主要介绍了蚁群算法。其次对物流配送路径选择系统进行总体的分析与设计,并设计了车辆路径选择模型及其求解算法,这是论文的主要部分。最后实例实现了基于总路程最短的路径选择模型的求解算法,并对主要模块进行设计和实现。本文研究的技术路线是用Matlab2010b实现蚁群算法对最短路径的计算,用C#语言对模块编程和设计界面,用Html和Javascript脚本语言加载和操作地图,数据库使用Access数据库。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 问题的提出
  • 1.1.1 研究的背景
  • 1.1.2 研究的目的和意义
  • 1.2 国内外研究现状综述
  • 1.2.1 国内外现代物流配送研究现状
  • 1.2.2 国内外车辆路径问题(VRP)研究现状
  • 1.2.3 国内外蚁群算法研究现状
  • 1.3 论文的组织结构
  • 第2章 理论基础及相关技术
  • 2.1 TSP问题
  • 2.1.1 TSP问题的研究背景
  • 2.1.2 TSP问题描述及其数学模型
  • 2.1.3 VRP问题与TSP问题的关系
  • 2.2 蚁群算法
  • 2.2.1 蚁群算法的原理
  • 2.2.2 蚁群算法的数学模型
  • 2.3 开发平台
  • 2.3.1 C#的数据库访问技术
  • 2.3.2 Matlab与C#的接口技术
  • 2.3.3 C#访问脚本语言
  • 第3章 物流配送车辆路径选择系统的分析与设计
  • 3.1 总体分析
  • 3.1.1 需求分析
  • 3.1.2 系统分析
  • 3.2 总体设计
  • 3.2.1 系统框架结构
  • 3.2.2 系统功能设计
  • 3.2.3 系统操作流程
  • 3.2.4 系统信息流程
  • 3.2.5 系统设计核心
  • 第4章 物流配送车辆路径选择建模
  • 4.1 问题描述
  • 4.2 基于成本的车辆路径选择模型设计
  • 4.2.1 模型设计
  • 4.2.2 模型的建立
  • 4.3 基于路程的车辆路径选择模型设计
  • 4.3.1 模型设计
  • 4.3.2 模型的建立
  • 4.4 算法设计
  • 4.4.1 算法分析
  • 4.4.2 算法模型
  • 4.4.3 求解步骤及流程图
  • 4.4.4 算法验证
  • 第5章 路径选择模型的实例实现
  • 5.1 路径选择模型的算法实现
  • 5.2 路径选择模型的模块实现
  • 5.2.1 开发平台
  • 5.2.2 总体结构
  • 5.3 客户管理模块
  • 5.3.1 模块设计
  • 5.3.2 模块实现
  • 5.4 VRP主模块
  • 5.4.1 模块设计
  • 5.4.2 模块实现
  • 5.5 运行过程与结果分析
  • 第6章 总结与展望
  • 1.本文的研究意义
  • 2.本文的研究成果
  • 3.本文的创新点
  • 4.本文的不足
  • 5.研究展望
  • 参考文献
  • 攻读学位期间公开发表的论文
  • 致谢
  • 相关论文文献

    • [1].智能电表周转箱回收车辆路径规划研究[J]. 黑龙江电力 2013(04)
    • [2].蚁群算法在车辆路径选择上的应用[J]. 科技信息 2011(23)
    • [3].蚁群算法在求解车辆路径安排问题中的应用[J]. 滁州学院学报 2008(03)
    • [4].集中通勤接送服务的车辆路径与调度模型及算法[J]. 青岛大学学报(自然科学版) 2018(02)
    • [5].基于大数据平台的动态车辆路径调度算法[J]. 计算机工程 2018(01)
    • [6].一种改进的车辆路径调度算法研究[J]. 计算机技术与发展 2018(01)
    • [7].基于遗传算法的时相关动态车辆路径规划模型[J]. 武汉大学学报(信息科学版) 2008(08)
    • [8].对带容量限制的车辆路径安排问题的研究[J]. 信息化建设 2016(05)
    • [9].基于遗传算法的电子商务物流车辆路径系统的优化[J]. 物流技术 2014(19)
    • [10].一种车辆路径规划的新型蚁群算法研究[J]. 电子器件 2014(03)
    • [11].基于人眼模拟视觉的小区域车辆路径选择仿真[J]. 计算机仿真 2015(05)
    • [12].基于交通干预的城市救援车辆路径选择研究[J]. 苏州科技学院学报(工程技术版) 2012(04)
    • [13].基于改进蚁群算法的车辆路径选择研究[J]. 佛山科学技术学院学报(自然科学版) 2009(05)
    • [14].基于大数据平台的动态车辆路径调度算法探究[J]. 科技传播 2019(05)
    • [15].面向最小碳排放量的接送机场服务的车辆路径与调度[J]. 自动化学报 2013(04)
    • [16].基于顾客聚类的车辆路径规划[J]. 微计算机信息 2012(02)
    • [17].环状区域的车辆路径方案生成系统及优化模型[J]. 管理科学学报 2008(06)
    • [18].大数据条件下车辆路径动态优化仿真[J]. 信息技术 2020(10)
    • [19].蚁群算法在车辆路径智能优化问题中的应用研究[J]. 大庆师范学院学报 2018(06)
    • [20].基于经验加权吸引模型的车辆路径选择博弈研究[J]. 科学技术与工程 2018(02)
    • [21].考虑能耗优化及带有时间调整的车辆路径规划研究[J]. 价值工程 2020(13)
    • [22].基于遗传算法的配送车辆路径规划[J]. 四川兵工学报 2013(01)
    • [23].基于交通流的车辆路径选择优化方法[J]. 计算机应用研究 2013(06)
    • [24].果蔬运输车辆路径再规划[J]. 农业机械学报 2012(04)
    • [25].诱导信息条件下车辆路径选择——基于有限理性模糊博弈[J]. 重庆工商大学学报(自然科学版) 2015(12)
    • [26].接送机场服务中车辆路径与调度模型的比较分析[J]. 系统工程学报 2013(04)
    • [27].基于SWEEP方法的改进车辆路径协作策略研究[J]. 系统工程与电子技术 2008(03)
    • [28].基于关联规则挖掘的VANET环境下车辆路径预测[J]. 北京交通大学学报 2020(02)
    • [29].低碳时变城配送车辆路径-发车调度集成优化[J]. 计算机工程与应用 2019(08)
    • [30].A*算法在自动驾驶车辆路径规划中的应用[J]. 汽车实用技术 2020(22)

    标签:;  ;  ;  ;  

    物流配送车辆路径选择研究
    下载Doc文档

    猜你喜欢