基于捕食搜索策略粒子群算法的车辆路径问题研究

论文摘要

随着社会分工深化和经济快速发展,物流的功能和作用也在不断加强。物流系统研究的重点是物流配送的优化。在现实生活中,为了使物流配送企业优化配送路径、降低配送成本和提高经营管理水平,增加企业的竞争能力,必须对配送问题中车辆路径问题进行深入地研究。车辆路径问题不仅是配送问题中的核心,也是研究的焦点之一。在实际中合理安排车辆路径能有效提高运输效率,降低服务成本。自车辆路径问题提出以后,国内外的专家学者就对其开展了广泛的研究。目前己经产生出多种成熟的算法,为后人继续研究提供了基础。本文首先分析了车辆路径问题的研究现状,给出了车辆路径问题的一般描述及分类,并对常用求解车辆路径问题的算法进行了总结。其次,介绍了粒子群算法的基本概念、数学模型和算法流程以及捕食搜索策略的基本思想及算法流程。在此基础上,本文设计了一种对车辆路径问题进行求解的算法——基于捕食搜索策略的粒子群算法。该算法通过对捕食搜索策略限制的调节,来实现粒子群算法搜索空间的增大或减小,从而达到探索能力和开发能力的平衡,使粒子群算法求得更好的最优解。用C++语言编程实现并将其应用于实例,优化了实例中的车辆路径,证明了该算法的有效性和可行性。最终得出该算法是求解车辆路径问题的一个可行方法的结论。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 本文研究的背景及意义
• 1.1.1 本文的研究背景
• 1.1.2 本文研究的意义
• 1.2 车辆路径问题国内外的研究现状
• 1.2.1 国外的研究现状
• 1.2.2 国内的研究现状
• 1.2.3 车辆路径问题中粒子群算法的应用现状
• 1.3 本文主要研究内容及框架
• 1.3.1 本文主要研究内容
• 1.3.2 本文的论文框架
• 1.4 本章小结
• 第二章 物流配送及车辆路径问题
• 2.1 物流配送概述
• 2.2 车辆路径问题
• 2.2.1 车辆路径问题的一般描述
• 2.2.2 车辆路径问题的分类
• 2.2.3 配送车辆路径优化的目标
• 2.2.4 车辆路径问题的相关算法
• 2.3 本章小结
• 第三章 粒子群算法的研究与改进
• 3.1 粒子群算法的基本思路
• 3.2 粒子群算法的数学模型和算法流程
• 3.2.1 粒子群算法的数学模型
• 3.2.2 基本粒子群的算法流程
• 3.2.3 粒子群算法的两种模式
• 3.3 已有改进的粒子群算法及比较
• 3.3.1 标准粒子群算法
• 3.3.2 惯性权重改进算法
• 3.3.3 带收缩因子的改进算法
• 3.3.4 基于遗传思想改进的粒子群算法
• 3.3.5 粒子群算法与遗传算法的比较
• 3.4 基于捕食搜索策略的粒子群算法
• 3.4.1 捕食搜索策略的基本原理
• 3.4.2 基于捕食搜索策略粒子群算法的基本思想
• 3.4.3 基于捕食搜索策略的粒子群算法流程
• 3.5 本章小结
• 第四章 基于捕食搜索策略粒子群算法的车辆路径问题研究
• 4.1 车辆路径问题的数学模型
• 4.1.1 基本假设
• 4.1.2 变量定义
• 4.1.3 数学模型
• 4.2 基于捕食搜索策略的粒子群算法设计
• 4.2.1 粒子编码设计
• 4.2.2 适应值函数
• 4.2.3 标准粒子群算法求解车辆路径问题
• 4.3 基于捕食搜索策略的粒子群算法求解VRP 问题
• 4.4 实例验证与结果分析
• 4.4.1 实例验证
• 4.4.2 结果分析
• 4.5 本章小结
• 全文总结与未来展望
• 1 全文总结
• 2 未来展望
• 参考文献
• 附录
• 致谢