基于蚁群算法的车辆调度问题研究

论文摘要

现代物流被认为是企业除了降低生产成本、提高劳动生产率之外的第三个利润源泉,尤其是在制造业发达的中国,如何在满足客户要求的前提下降低运输成本,已经成为相关专业中研究的热点问题。传统的车辆调度算法多适用于规模较小的问题,在当前企业客户网络复杂,运输范围较大的环境下,这些调度方法已不再适用。现代优化调度算法逐渐成为现代物流中的主流方法。蚁群算法是新型的仿生算法,是从蚂蚁觅食中受到启发而提出的一种新的优化算法。该算法具有自组织性、并行性、正反馈和鲁棒性等优点,是车辆调度算法向智能化发展的产物。本文通过与传统算法的比较来说明蚁群算法在解决现代企业的车辆调度问题中的优势,同时针对蚁群算法容易早熟、收敛速度慢等缺点提出改进方法,对现代物流业的发展具有一定的理论和应用价值。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景、目的与意义
• 1.2 问题提出
• 1.3 国内外研究概况
• 1.4 本文研究内容
• 1.5 本章小结
• 2 蚁群算法与车辆调度问题
• 2.1 蚁群算法的来源和背景
• 2.2 算法的基本原理
• 2.3 VRP 问题概述
• 2.4 车辆调度问题的数学模型
• 2.5 基本蚁群算法的实现步骤
• 2.6 收敛性证明
• 2.7 对蚁群算法的评价
• 2.8 本章小结
• 3 关键理论与技术
• 3.1 SWEEP 算法
• 3.2 路径选择策略
• 3.3 相关参数的确定
• 3.4 信息素更新策略
• 3.5 本章小结
• 4 算法的改进
• 4.1 获得初始解的改进
• 4.2 概率选择公式的改进
• 4.3 信息素更新策略的改进
• 4.4 基于信息素扩散的改进
• 4.5 改进后算法的实现步骤
• 4.6 本章小结
• 5 实验结果与分析
• 5.1 相关算法
• 5.2 结果分析
• 5.3 算法比较
• 5.4 本章小结
• 6 总结与展望
• 6.1 全文总结
• 6.2 对以后工作的展望
• 致谢
• 参考文献
• 附录A 实验数据
• 附录B 英文缩写词