| 【中文题名】 | 中转联盟运输调度问题的遗传算法研究 |
| 【英文题名】 | Research of Genetic Algorithm for Allied Vehicle Routing Problems with Transfer Stations |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-9-28 |
| 【中关键词】 | 运输调度,联盟运输调度,遗传算法,并行算法,网格技术, |
| 【英关键词】 | Vehicle Routing Problem,Allied Vehicle Routing Problem,Genetic Algorithm,Parallel Algorithm,Grid technology, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 |
联盟运输调度问题(Allied Vehicle Routing Problem，AVRP)研究的是物流联盟架构下的运输调度的最优化，是运筹学、应用数学、网络分析、图论、计算机应用及交通运输等学科研究的一个热点问题。本文对遗传算法及其改进算法的理论进行了探讨，并利用遗传算法对带中转点的AVRP进行了建模与求解，所作的主要工作如下：
1．研究了单配送中心中转联盟运输调度问题。结合城市货物运输的具体特点，分析了单配送中心、多中转点的联盟运输调度问题的优越性。在建立优化确定中转点的数学模型的基础上，构造了求解该问题的有效的遗传算法，算法中针对具体问题的特点，采用较新的交叉算子。
2．研究了多配送中心中转联盟运输调度问题。在实际的中转运输调度过程中，通常是由多个配送中心共同提供服务，另外在运输调度过程中会受到各种因素的限制，比如车辆容量的限制、需求点附近交通状况的限制等。为了克服实际调度过程中的各种限制，在确定数学模型时引入了需求点易达系数的概念，并构造了问题求解的遗传算法。
3．研究了需求随机的中转联盟运输调度问题。在实际的运输调度过程中，很多情况下客户的需求是随机的。本文研究了顾客... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
Abstract |
5-13 |
|
第一章 绪论 |
13-23 |
|
1.1 研究意义 |
13-14 |
|
1.2 运输调度问题综述 |
14-19 |
|
1.2.1 国外VRP的研究现状 |
14-15 |
|
1.2.2 国内VRP的研究现状 |
15 |
|
1.2.3 VRP求解算法 |
15-16 |
|
1.2.4 VRP典型模型 |
16-18 |
|
1.2.5 联盟运输调度问题 |
18-19 |
|
1.3 遗传算法简介 |
19-22 |
|
1.4 本文主要工作 |
22-23 |
|
第二章 单配送中心中转联盟运输调度问题 |
23-32 |
|
2.1 引言 |
23 |
|
2.2 数学模型的建立 |
23-25 |
|
2.3 遗传算法的参数设计 |
25-28 |
|
2.3.1 染色体编码 |
25-26 |
|
2.3.2 适应度函数 |
26 |
|
2.3.3 选择算子 |
26 |
|
2.3.4 交叉算子 |
26-28 |
|
2.3.5 变异算子 |
28 |
|
2.3.6 算法终止条件设定 |
28 |
|
2.4 仿真分析 |
28-31 |
|
2.5 本章小结 |
31-32 |
|
第三章 多配送中心中转联盟运输调度问题 |
32-41 |
|
3.1 数学模型的建立 |
32-34 |
|
3.2 遗传算法的参数设计 |
34-35 |
|
3.2.1 染色体编码 |
34 |
|
3.2.2 适应度函数 |
34-35 |
|
3.2.3 选择算子 |
35 |
|
3.2.4 交叉算子 |
35 |
|
3.2.5 变异算子 |
35 |
|
3.3 算法伪代码 |
35-36 |
|
3.4 仿真分析 |
36-40 |
|
3.5 本章小结 |
40-41 |
|
第四章 需求随机的中转联盟运输调度问题 |
41-56 |
|
4.1 引言 |
41 |
|
4.2 车辆类型相同的需求随机中转联盟运输调度问题 |
41-48 |
|
4.2.1 数学模型的建立 |
41-44 |
|
4.2.2 遗传算法的参数设计 |
44-46 |
|
4.2.3 数值实验 |
46-48 |
|
4.3 车辆类型不同的需求随机中转联盟运输调度问题 |
48-55 |
|
4.3.1 问题分析与模型建立 |
48-52 |
|
4.3.2 遗传算法的参数设计 |
52-54 |
|
4.3.3 数值实验 |
54-55 |
|
4.4 本章小结 |
55-56 |
|
第五章 中转联盟运输调度问题的并行遗传算法 |
56-66 |
|
5.1 引言 |
56 |
|
5.2 网格并行计算环境 |
56-57 |
|
5.2.1 网格的组成 |
56-57 |
|
5.2.2 网格的特点 |
57 |
|
5.3 网格BSP计算模型 |
57-58 |
|
5.4 并行遗传算法 |
58-60 |
|
5.4.1 遗传算法的并行策略 |
58-59 |
|
5.4.2 并行遗传算法的数学描述 |
59-60 |
|
5.5 并行遗传算法的设计 |
60-64 |
|
5.5.1 并行遗传算法的控制参数 |
60-61 |
|
5.5.2 染色体编码 |
61 |
|
5.5.3 产生初始种群 |
61 |
|
5.5.4 适应度函数 |
61 |
|
5.5.5 算子设计 |
61-62 |
|
5.5.6 算法的终止条件 |
62 |
|
5.5.7 算法伪代码 |
62-64 |
|
5.6 仿真分析 |
64-65 |
|
5.7 本章小结 |
65-66 |
|
总结与展望 |
66-68 |
|
1 本文研究工作总结 |
66 |
|
2 研究展望 |
66-68 |
|
参考文献 |
68-73 |
|
攻读学位期间发表的论文 |
73-76 |
|
致谢 |
76 |
|
| 【DOI】 | LunWen.ID:2.2008.388895 |
