| 【中文题名】 | 蚁群算法在物流运输调度系统中的研究 |
| 【英文题名】 | Research of Ant Colony Algorithm on Vehicle Routing System |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-29 |
| 【中关键词】 | 蚁群算法,车辆路径问题,物流配送,,, |
| 【英关键词】 | Ant Colony Algorithm,Vehicle Routing Problem,Physical distribution, |
| 【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】 |
近年来，物流业已成为我国经济发展的重要产业和新的经济增长点。本文论述了物流业在国内外的发展和当前趋势，分析了传统物流模型的不足，并对物流管理和控制的新特点及运作模式进行研究，采用了基于配送中心的物流运作模式。
车辆路径问题是物流配送领域的重要问题，如何减少配送过程中车辆的行驶路程是节约物流配送成本的有效手段。蚁群算法是一种随机搜索算法，它基于对自然界真实蚁群的集体觅食行为的研究，模拟真实的蚁群协作过程。本文对蚁群算法基本原理进行深入研究，通过分析蚁群优化机制。针对蚁群算法在求解中容易出现的过早收敛和停滞，对算法进行改进并应用于物流车辆的调度。 |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
ABSTRACT |
4-7 |
|
第1章 绪论 |
7-16 |
|
1.1 课题背景 |
7-8 |
|
1.2 物流运输车辆调度的现状 |
8-10 |
|
1.3 运输调度问题模型描述 |
10-13 |
|
1.3.1 经典车辆路径问题 |
10-11 |
|
1.3.2 VRP扩展问题 |
11-13 |
|
1.4 VRP问题的研究方法 |
13-15 |
|
1.4.1 精确算法 |
13-14 |
|
1.4.2 遗传算法 |
14 |
|
1.4.3 禁忌搜索 |
14-15 |
|
1.4.4 蚁群优化算法 |
15 |
|
1.5 研究的主要问题 |
15-16 |
|
第2章 蚁群算法基本理论 |
16-25 |
|
2.1 蚁群算法背景简介 |
16-17 |
|
2.2 蚁群算法基本原理 |
17-22 |
|
2.3 蚁群算法的研究进展 |
22-25 |
|
第3章 蚁群算法在物流配送的应用 |
25-41 |
|
3.1 图论中的路径寻优问题 |
25-27 |
|
3.2 物流配送模型 |
27-32 |
|
3.2.1 DRPI |
28-29 |
|
3.2.2 DRPII |
29-32 |
|
3.2.3 物流配送中心信息构架 |
32 |
|
3.3 物流配送模型的表达形式 |
32-36 |
|
3.3.1 物流配送的M-TSP模型 |
34-35 |
|
3.3.2 物流配送路径寻优问题转化为M-TSP模型的步骤 |
35-36 |
|
3.4 改进蚁群算法在物流配送应用 |
36-41 |
|
第4章 有时间窗口限制的车辆调度问题的蚁群算法 |
41-50 |
|
4.1 车辆调度的数学模型 |
41-43 |
|
4.2 时间窗VSP模型 |
43-45 |
|
4.3 VRPTW的蚁群算法表示 |
45-47 |
|
4.4 VRPTW的蚁群算法的改进 |
47-48 |
|
4.5 改进算法的实验结果 |
48-50 |
|
第5章 总结与展望 |
50-51 |
|
致谢 |
51-52 |
|
参考文献 |
52-55 |
|
攻读学位期间的研究成果 |
55 |
|
| 【DOI】 | LunWen.ID:2.2008.389169 |
