基于蚁群算法的港口货物配送车辆调度优化研究

论文摘要

自改革开放以来,我国经济突飞猛进,对外出口、对内进口的货物量与日俱增,工业生产迅猛发展,国民生产总值跃居世界第二,社会货物运输需求量巨大。时至今日,物流运输环节已成为制约我国工业发展的一大瓶颈,国务院对此十分重视,将物流业作为重点发展产业,将其规划为“十大振兴产业”之一。港口,作为重要的货物中转场所,发展是否健康、竞争力能否得到稳步提升,不仅对港口物流企业至关重要,更牵涉到港口所在地区的发展。在港口不断升级换代的进程中,货物配送,作为港口企业的一种重要的增值服务,其运营成功与否,对港口企业在激烈的竞争中取得优势地位十分重要。由于我国物流企业起步较晚,与国外相比,运输成本普遍较高。针对这一问题,本文提出了基于蚁群算法的车辆调度优化的方法,以达到降低货物配送成本,增强港口企业竞争力的目的。本文首先介绍了我国物流业发展概况,论述了物流的重要性,通过实际数据,说明了我国物流业的现状,分析了导致我国物流成本过高的原因；其次介绍了TSP问题和蚁群算法,分析了蚁群算法的优缺点以及算法中各参数的作用,并利用三种典型TSP问题,对蚁群算法进行编程仿真,通过与其他主流启发式算法的对比,给出本文采用蚁群算法的依据；接着建立了配送中心车辆调度优化问题的数学模型,分析了模型中的目标函数和约束条件,并利用MATLAB语言编程实现了多配送中心车辆调度优化问题的蚁群算法仿真；最后通过对泰州港务集团有限公司有关货物配送历史数据的仿真,将笔者提出的优化方法应用到车辆调度实际工作中,以验证其优化的有效性。

论文目录

• 致谢
• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究问题的提出及意义
• 1.1.1 问题的提出
• 1.1.2 研究的意义
• 1.2 几个相关的概念
• 1.2.1 组合优化问题
• 1.2.2 NP完全问题
• 1.2.3 NP完全问题优化算法
• 1.3 国内外研究概况
• 1.4 研究内容
• 1.4.1 研究的主要内容
• 1.4.2 研究思路与方法
• 第2章 蚁群算法原理及特点
• 2.1 旅行商问题（TSP）
• 2.2 蚁群算法的基本思路
• 2.3 蚁群算法原理简介
• 2.3.1 基本蚁群算法
• 2.3.2 几种改进的蚁群算法
• 2.4 蚁群算法的优缺点
• 2.4.1 蚁群算法的优点
• 2.4.2 蚁群算法的缺点
• 本章小结
• 第3章 几种启发式算法的比较
• 3.1 蚁群算法参数分析
• 3.2 三种典型TSP问题的蚁群算法仿真
• 3.3 蚁群算法与其他启发算法的比较
• 本章小结
• 第4章 港口货物配送车辆优化调度问题数学建模
• 4.1 配送车辆优化调度问题的描述及构成要素
• 4.2 配送车辆优化调度问题的分类
• 4.3 多配送中心车辆调度问题
• 4.3.1 多配送中心车辆调度问题的客户分配方法
• 4.3.2 单配送中心车辆调度问题数学建模
• 4.3.3 分解法求解多配送中心车辆调度问题数学建模
• 本章小结
• 第5章 多配送中心车辆调度问题的蚁群算法
• 5.1 算法描述
• 5.1.1 单配送中心车辆调度问题与TSP问题的比较
• 5.1.2 多配送中心车辆调度问题算法描述
• 5.2 算法实现
• 5.2.1 初始化及客户分配程序
• 5.2.2 客户配送的蚁群算法程序
• 本章小结
• 第6章 案例分析
• 6.1 车辆利用单项评价指标
• 6.1.1 车辆行程利用指标
• 6.1.2 车辆载重（客）量利用指标
• 6.2 泰州港货物配送车辆调度存在的问题及解决方案
• 6.2.1 存在的问题
• 6.2.2 解决方案
• 6.3 系统仿真及方案对比
• 6.3.1 系统仿真前的几点说明
• 6.3.2 系统仿真
• 6.3.3 方案对比
• 本章小结
• 第7章 总结与展望
• 7.1 总结
• 7.2 展望
• 参考文献
• 附录Ⅰ 客户与各港区之间的距离
• 附录Ⅱ 各客户之间的距离
• 详细摘要
• 英文摘要