路徑物流論文范文-簡論基于改善蟻群算法的時間窗約束下物流配送車輛路徑優(yōu)化word版下載

1、路徑物流論文范文:簡論基于改善蟻群算法的時間窗約束下物流配送車輛路徑優(yōu)化word版下載導讀：本論文是一篇關(guān)于基于改善蟻群算法的時間窗約束下物流配送 車輛路徑優(yōu)化的優(yōu)秀論文范文，對正在寫有關(guān)于路徑論文的寫作者有 一定的參考和指導作用，論文片段：1.每條配送路徑上需求點的需 求量之和不超過汽車載重量； 2.每條配送路徑的長度不超過汽車 一次配送的最大行駛距離； 3每個需求點的需求量得到滿足，啟 只能由一輛汽車送貨； 4每個需求點的時間窗約束得到滿足，且 保證車輛工作總時間不超過其最長工作時間。 本文設(shè)配送中心有 m輛汽車，第k輛汽車的載重量為qk (k=摘要：物流配送車輛路徑優(yōu)化作為一個涉及多影響

2、因素、多目標需 求的組合優(yōu)化理由，其中帶時間窗約束的物流配送車輛路徑優(yōu)化理由 更是一個np難題，較難得到最優(yōu)解。文章分析帶時間窗約束的車輛 路徑理由并建立相應數(shù)學模型，提出將變異和動態(tài)信息更新的改善蟻 群算法應用于解決這類優(yōu)化理由，同時仿真實驗結(jié)果表明該算法能快 速收斂于全局最優(yōu)解，能有效地解決有時間窗約束下的物流配送車輛 路徑優(yōu)化理由。關(guān)鍵詞：改善蟻群算法；時間窗約束車輛路徑理由；物流配送一、引言物流配送過程中的車輛路徑優(yōu)化理由(vehicle rou-ting problem, vrp)作為物流配送優(yōu)化的核心環(huán)節(jié)，一方面作為一項物流 管理的重要內(nèi)容，它對整個物流運輸?shù)乃俣取⒊杀?、效益起著?/p>

3、關(guān)重 要的作用；另一方面隨著現(xiàn)代物流配送的快速發(fā)展，物流配送越來越 強調(diào)滿足顧客種類、數(shù)量和時間等方面要求，提升顧客的滿意度。配 送車輛路徑安排這一組合優(yōu)化理由最初由dcmtzing & ramser于1959 年提出，一直以來，作為交通運輸和物流配送領(lǐng)域的一個核心理市， 也成為一個運籌學、優(yōu)化科學等學界研究的熱點。在實際應用中帶時間窗的車輛路徑理由(vrp with time windows, vrptw)作為傳統(tǒng)vrp理由的擴展和衍生，已被savelsbergh 證明是一個np難題，對于大規(guī)模的vrp理由很難得到全局最優(yōu)解。 近年來在構(gòu)造啟發(fā)式算法和兩階段啟發(fā)式算法的基礎(chǔ)上發(fā)展起來

4、的 智能啟發(fā)式算法如禁止搜索算法、模擬退火法、遺傳算法、神經(jīng)網(wǎng)絡(luò) 法、蟻群算法和粒子群算法等應用在有時間窗的車輛路徑優(yōu)化，取得 了較好的效果。但這些算法存在著一些明顯的缺陷，如：禁止搜索算 法由于涉及復雜領(lǐng)域轉(zhuǎn)換和求解策略，在現(xiàn)實中不易實現(xiàn)；模擬退火 法也只能結(jié)合英它局部搜索算法構(gòu)造混合算法應用；遺傳算法不能保 證最大的概率收斂于全局最優(yōu)解；神經(jīng)網(wǎng)絡(luò)法、蟻群算法和粒子群算 法易產(chǎn)生局部收斂和收斂速度較慢等。這篇文章研究一種高速收斂的 改善蟻群算法，在該算法中，滿足個點的時間窗約束的前提下采用一 種新穎的動態(tài)信息新策略，以保證在每次搜索中，每只螞蟻都對搜索 做出貢獻，同時還采取了一種獨特的變異策

5、略，以對每次搜索結(jié)果進 行搜索，以對每次搜索的結(jié)果進行優(yōu)化。二、物流配送車輛路徑優(yōu)化理由的數(shù)學模型時間窗約束下物流配送車輛路徑優(yōu)化理由可以描述為：從配送 中心用多輛汽車向多個需求點送貨，每個需求點的位置、需求量和時 間窗約束一定，每輛汽車的載重量一定，要求合理安排汽車行駛路線, 使總運輸成本最小，并滿足以下條件：1. 每條配送路徑上需求點的需求量之和不超過汽車載重量；2. 每條配送路徑的長度不超過汽車一次配送的最大行駛距離；3. 每個需求點的需求量得到滿足，且只能由一輛汽車送貨；4. 每個需求點的時間窗約束得到滿足，且保證車輛工作總時間 不超過其最長工作時間。本文設(shè)配送中心有m輛汽車，第k輛汽

6、車的載重量為qk (k-1,2, l, c)其一次配送的最大行駛距離為dk,需要向l個需求點送貨, 每個需求點的需求量為qi (1=1, 2, l, l),時間窗為ei, ui,其 中ci為任務(wù)i允許最早開始時間，如果車輛早于ci到達，則需在i 處等待；ui為任務(wù)i允許最遲開始時間，如果車輛晚于ui到達，則 任務(wù)i將被延遲進行。設(shè)nk為第k輛汽車配送的需求點數(shù)(nk二0表 示未使用笫k輛汽車)，用集合rk表示笫k輛車的行駛路徑，其中 rki表示一個需求點，且這個需求點的路徑rk中的順序為i, rko=o 表示配送中心。再設(shè)trki表示第k輛車在行駛路徑rk上到達i點的 時刻，wrki表示第k輛

7、車完成任務(wù)i （如：驗收、簽單和卸貨等）需 要的時間。另外在目標函數(shù)中用ck表示車輛k行駛的單位運輸成本, pe表示在ei之前到達需求點i單位時間的機會成本，pu表示在ui 之后到達需求點i單位時間的罰金成本。市此可建立如下物流配送車 輛路徑優(yōu)化理由的數(shù)學模型。其中，式（1）為目標函數(shù)；式（2）保證每條路徑上各需求點 的需求量之和不超過汽車的重量；式（3）保證每條配送路徑的長度 不超過汽車一次配送的最大行駛距離；式（4）、（5）保證車輛的工作 總時間不超過最長工作時間；（7）表明每條路徑上的需求點都得到配 送服務(wù)；式（8）為每條路徑的需求點的組成；式（9）限制每個需求 點只能由一輛汽車送貨；式

8、（10）第k輛汽車服務(wù)的客戶數(shù)大于等于 1時，說明該輛車參加了配送，則取sign （nk） =1,當?shù)趉輛汽車服 務(wù)的客戶小于1時，表示未使用該車，取sign （nk）二0。三、算法的描述與實現(xiàn)螞蟻與配送之間的對應關(guān)系如表1所示。在螞蟻進行路徑搜索時，如果找到一段很短的子路徑（子相關(guān) 范文由寫解），它就釋放出相應濃度的信息素，該信息素一方面直接 影響位于子解的兩個點上的螞蟻；另一方面它會以該路徑為中心向外 擴散，影響其路徑附近的其它螞蟻的行為，使它們在尋找路徑時會以 更大的概率在下一步選擇該路徑。同時在時間窗約束下螞蟻開辟新的 路徑遵循以下規(guī)則：從當前路徑的最后一個路口出發(fā)，到所有未訪問 的路

9、口中開始服務(wù)時間最早的的那個路口。只有當開始服務(wù)時間超過 路口的時間窗時，才主動開辟一條新路徑，并從未訪問的路口中重新 限制出發(fā)點，將所有未訪問過的路口中開始服務(wù)最早的那個路口作為 最新路徑的第一個路口。通過這種基于時間窗約束下信息素擴散的協(xié) 作方式，一方面指導螞蟻在滿足新的路口時間窗內(nèi)開辟下一路徑，另 一方面其他螞蟻在選擇下一個路口時選擇到最優(yōu)路徑的干擾性會降 低。從而在滿足各路口的時間窗要求的同時使算法的收斂程度大大提 高，提升算法搜索的效率和成功率。具體的算法如下：stepl：初始化，設(shè)置待定參數(shù)和最大進化代數(shù)；stcp2：隨機選擇每只螞蟻的位置；step3：計算每只螞蟻k將要轉(zhuǎn)移的位置

10、，假設(shè)為j,上一個位 置假設(shè)為i。按所需等待時間較短和時間窗較窄的優(yōu)先原則計算下一 路口 j的時間窗寬度和所在路口 i到達下一路口 j的時間；然后按往 下一路口 j的路徑長度以及路徑上的信息量計算轉(zhuǎn)移概率，計算公式 為：step7：若本次循環(huán)中每只螞蟻都執(zhí)行了 step3slep6，則轉(zhuǎn)至 step8,否則轉(zhuǎn)向step3ostep8：按式(10)更新各條路徑上的信息素濃度，此時式(10)中取m二1。step9：如果每只螞蟻都完成了一個完整的路徑，則轉(zhuǎn)向steplo, 否則轉(zhuǎn)向step3osteplo：是否達到指定的進化代數(shù)或者所求得的解在最近若干 代中無明顯改善，如果出現(xiàn)這樣情況，則轉(zhuǎn)向ste

11、pll,否則轉(zhuǎn)向 step3ostepll：輸岀優(yōu)化結(jié)果。四、仿真實例在這篇文章中，應用文獻“7”和文獻“10”中提出的算例進行 仿真。由中心倉庫0向8個需求點運輸貨物(編號為1, 2,，8), 各任務(wù)貨運量qi (i=l, 2, l, 8)、每客戶所需工作時間及每項客戶 任務(wù)的時間窗市表1給出。這些任務(wù)發(fā)出的3輛容量為8噸的車輛完 成，中心倉庫與各客戶點間及各客戶點間的距離由表2給出，車速 50,單位運輸成本為1,超出時間窗的單位懲罰為：pe二50, pu二50。用1, 2, l, l表示各需求點，因為共有m輛汽車，最多存在m 條配送路線，每條配送路徑都始于配送中心，也終于配送中心。為了 在

12、編碼中反映配送路線，釆用了增加m-1虛擬配送中心的策略，分別 用 l+l, l+2, l, l+m-1 表示。這樣 1, 2, l, l+m-1 這路徑 l+m-1 個 互不重復的自然數(shù)的通知數(shù)的隨機排列就構(gòu)成了一個個體，并對應一 種配送路徑方案。并將描述的算法用matlab編程，生成ndmaco. m文 件運轉(zhuǎn)程序。在同一臺計算機上將本文提出的改善蟻群算法運算結(jié)果與遺傳算 法、基本蟻群算法的求解結(jié)果進行比較。五、結(jié)論在這篇文章中，在有時間窗約束下的物流車輛配送路徑理由應 用變異和動態(tài)信息素更新的改善蟻群算法，即將m只螞蟻均勻放置 于n個邊部配送點，采用最近鄰居節(jié)點選擇原則，在此基礎(chǔ)上滿足各

13、路口時間窗約束，同時進行動態(tài)局部信息素更新并用變異算法加速局 部尋優(yōu)使收斂速度提高較多，在同樣一臺計算機上運算結(jié)果與遺傳算 法和基本蟻群算法等其他算法求解結(jié)果相比具有明顯的優(yōu)越性。因 此，應用文中描述的算法，可以進行有時間窗約束的物流配送車輛路 徑優(yōu)化，且滿足各點時間窗需求的情況下較快地得到近似的最優(yōu)解， 為今后解決有時間窗約束1 2下一頁導讀：本論文是一篇關(guān)于基于改善蟻群算法的時間窗約束下物流配 送車輛路徑優(yōu)化的優(yōu)秀論文范文,對正在寫有關(guān)于路徑論文的寫作者 有一定的參考和指導作用，論文片段：北工業(yè)大學學報，2005, (4)： 163-165.10.肖力基于改善蟻群算法的物流配送理由研究計算

14、機仿真，200&( 4 ): 182-185 ll.dorigom ,grambardallalmantcolonysystem: acooperativelearningapproachtothetravelingsalesme 基于改善蟻 群算法的時間窗約束下物流配送車輛路徑優(yōu)化由優(yōu)秀論文網(wǎng)站 http:/www. zbjy. cn 提供下的物流配送車輛路徑優(yōu)化理rti提供一定的參考。參考文獻：1. 盛麗俊，周溪召.帶有時間窗的車輛路徑理由優(yōu)化.上海海 事大學學報，2007, (4) :64-67.2. 姜凌，沈桂蘭.基于蟻群算法的物流配送車輛路徑優(yōu)化理由 研究首都經(jīng)濟貿(mào)易大學學報

15、,2010, (1) : 71-74.3. 即茂祥，胡思繼用混合遺傳算法求解物流配送路徑優(yōu)化理 由的研究中國管理科學，2002, (10)： 51-56.4. 亓霞，陳森發(fā)，黃鶻等基于免疫算法的物流配送車輛路徑 優(yōu)化理市研究土木工程學報，2003, (7)： 43-46.5. 張毅，申彥杰時間窗約束下的車輛路徑理由多目標優(yōu)化算 法數(shù)學的實踐與認識,2009, (7)： 124-130.6. 劉北林，高爽配送車輛路徑優(yōu)化理由算法研究商業(yè)經(jīng)濟， 2008, (9)： 31-337. 李軍，郭耀煌.物流配送車輛優(yōu)化調(diào)度理論與策略北京： 中國物資出版社，2001.8. 朱慶保，楊志軍基于變異和動態(tài)信息素更新的蟻群優(yōu)化算 法.軟件學報，2004, (2)： 85-92.9. 肖國璽，彭玉青，林濤等.基于螞蟻算法的物流配送計劃的 生成河北工業(yè)大學學報，2005, (4)： 163-165.10. 肖力基于改善蟻群算法的物流配送理由研究計算機仿 真，2008, (4) : 182-185.11. dorigo m, grambardalla l m ant colony system : a cooperative learning approach to the traveling salesmen problem ieee transaction son evolutionary com