论文部分内容阅读
物流配送是现代化物流系统的一个重要的环节。在物流配送系统中,存在着许多优化决策问题。其中配送车辆调度问题对配送企业加快配送速度、提高服务质量、降低配送成本及增加经济效益的影响较大。本文针对物流配送的实际发展情况,在蚁群算法的基础上,提出了自适应混合蚁群算法,就带有时间窗的车辆调度问题进行了深入的研究,并且给出了相应的解决方案,仿真结果表明有应用参考价值。
蚁群算法是一种模拟自然界中蚂蚁的觅食行为的仿生算法,在求解VRPTW等组合优化问题上取得了很好的效果,但仍有不完善之处,本文研究的目的,就在于提出更好的蚁群算法的改进算法,使求解的问题的速度更快、结果更好。主要的研究工作如下:
1、根据物流配送中客户对时间要求的实际情况,本文在参考以往文献的基础上,提出了混合时间窗的惩罚成本函数。并总结分析了带有时间窗的车辆调度问题的特点、结构、问题模型,概述了现今求解VRPTW常用的方法。
2、本文针对一般蚁群算法在求解问题时容易出现陷入局部最优解及搜索时间长的缺点,提出了可行解回路两阶段构造策略,扩大蚂蚁的搜索范围,可有效地防止搜索陷入局部优化;根据VRPTW的特点,引入时间窗匹配因子和时间紧迫性因子,加强了算法的寻优能力;通过采用局部信息素和全局信息素相结合的更新原则可大大提高算法的寻优能力。
3、本文在MATLAB语言的基础上,结合所提出的针对VRPTW的自适应混合蚁群算法,给出了整个算法的实现流程,计算结果表明利用自适应混合蚁群算法对求解VRPTW是有效的。
本文提出用自适应混合蚁群算法求解VRPTW,有效地改进了一般蚁群算法的缺点,对蚁群算法的研究有一定的参考价值,并对建立调度方案决策的可视化的物流运输车辆调度系统有现实的理论指导意义和应用价值。