發(fā)布時間：2020-08-27 07:14

【摘要】：智慧物流在智慧城市中充當(dāng)著重要角色,為了減少快遞員配送快遞時的時間消耗和距離消耗,提高快遞末端配送效率,研究了基于啟發(fā)式智能搜索算法的城市兩級配送路徑規(guī)劃算法,基于云平臺完成了快遞路徑規(guī)劃系統(tǒng)的開發(fā)。結(jié)合國內(nèi)快遞進入目標(biāo)城市范圍之后的配送特點,將其分為兩個級別:城市級別和城區(qū)級別。城市級別配送點數(shù)少且分散,由大貨車配送,以時間總消耗作為路徑質(zhì)量評估值,提出了 一種改進貪婪自進化過程的模擬退火算法,采用貪婪算法產(chǎn)生的初始路徑作為待進化染色體,進行基因交換和片段倒置的自我進化操作,借助Metropolis準(zhǔn)則決定是否用進化后的解取代進化前的解,并在進化過程中始終記錄當(dāng)前狀態(tài)之前的最優(yōu)個體,進行退火降溫后再次進化,直到溫度降至預(yù)設(shè)溫度停止。仿真結(jié)果表明,單次配送二十個點時,改進后的算法在其穩(wěn)定性和當(dāng)前最優(yōu)距離上更優(yōu)。城區(qū)級別配送點數(shù)多且密集,由電動三輪車配送,因為三輪車靈活輕巧,受城市交通影響小,以騎行距離消耗作為路徑質(zhì)量評估值,為了獲得距離消耗較短的路徑,改進了一種基于Metropolis準(zhǔn)則的選擇遺傳算法。在遺傳算法中,移除交叉率,采用Metropolis準(zhǔn)則決定經(jīng)過交叉和變異后的個體是否遺傳進入子代種群,調(diào)節(jié)每代交叉和變異時接受較差解的概率,達到避免種群早熟的目的。仿真結(jié)果表明,單次配送五十個點時選擇遺傳算法不僅有效消除搜索中易陷入局部最優(yōu)解的現(xiàn)象,而且在達到相對穩(wěn)定解時選擇遺傳算法最終規(guī)劃結(jié)果相比于傳統(tǒng)算法縮短了 10%,相比于遺傳模擬退火算法縮短了4%。將上述兩種算法應(yīng)用到快遞路徑規(guī)劃服務(wù)云平臺中,用西安市圓通快遞區(qū)配送中心分布點驗證城市級別配送路徑規(guī)劃功能,證明該功能切實可用,用西安市南二環(huán)附近隨機的五十個真實地點驗證城區(qū)級別配送路徑規(guī)劃功能,得到了比較理想的推薦配送路徑。
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP18;F252.1
【圖文】：

為了確保算法的收斂性，提升算法的性能和效率算法的思想，加入定向自進化過程，得到一種基于貪婪自是經(jīng)典的組合優(yōu)化問題，其基本數(shù)學(xué)模型可以作如下描述兩個城市之間的距離都是確定的，現(xiàn)要求一個旅行商從某市且只在一個城市逗留一次，最后回到出發(fā)的城市，在這歷順序 (,,...,)min 123nT tttt，使得函數(shù) f(T)值最�。篺(T)d(t,t)d(t,t)n1n-1i1ii1 min 城市，下角標(biāo) 1 到n表示n個不同的城市， d(t,t)i i 1代表 2.1 是 TSP 模型圖，可以直觀展示 TSP 所要達到的目標(biāo)目標(biāo)點，兩個圓圈虛連線上的數(shù)字表示這兩個點之間的消最短路徑。

圖 2.2 帶權(quán)有向圖 G有向圖 G 后，還需建立一個n n的矩角線上的元素取值都為 0，ijS,的數(shù)時，從點i到點 j 的這條路段消耗的 其他邊（，）在最優(yōu)路徑上01iji, jX 經(jīng)過每個頂點恰好一次的回路，產(chǎn)生消耗 TSP 就是要找出G 中W 最小的 i,ji,jmin WSXSP 的常用方式之一，該算法本質(zhì)上屬隨機因子，在迭代的過程中并不是只中跳出局部最優(yōu)解，從而有機會找到 所示，若初代解為最左邊的點 A，算

其他邊（，）在最優(yōu)路徑上01iji, jX 路徑就是經(jīng)過每個頂點恰好一次的回路，產(chǎn)生的消 ，非對稱消耗 TSP 就是要找出G 中W 最小的回路 i,ji,jmin WSX法是解決 TSP 的常用方式之一，該算法本質(zhì)上屬于貪中加入了隨機因子，在迭代的過程中并不是只一味迭代過程中跳出局部最優(yōu)解，從而有機會找到全局如圖 2.3 所示，若初代解為最左邊的點 A，算法會，此時算法會繼續(xù)向右搜索到點 C，顯然點 C 的結(jié)會接受點 C，將其作為新的搜索方向繼續(xù)搜索。對都做相同處理，使算法有機會繼續(xù)搜索，或許經(jīng)過 D。

【參考文獻】

相關(guān)期刊論文 前8條

1 蘭輝;何琴飛;邊展;靳志宏;;考慮道路通行狀況的冷鏈物流配送路徑優(yōu)化[J];大連海事大學(xué)學(xué)報;2015年04期

2 張弛;涂立;王加陽;;新型蟻群算法在TSP問題中的應(yīng)用[J];中南大學(xué)學(xué)報(自然科學(xué)版);2015年08期

3 王啟明;李瑋瑤;;基于改進量子蟻群算法的TSP求解問題研究[J];微處理機;2015年03期

4 羅慶;周軍;;基于改進遺傳算法的物流配送路徑優(yōu)化[J];物流技術(shù);2015年09期

5 林文如;林國福;;百度地圖API及蟻群算法在車輛路徑問題中的應(yīng)用[J];閩江學(xué)院學(xué)報;2015年02期

6 陳志新;陳方玉;胡貴彥;祝亞亭;;基于混合粒子群算法的配送車輛復(fù)雜路徑優(yōu)化[J];物流技術(shù);2014年13期

7 張眾;;餐飲物流配送路徑優(yōu)化方法研究[J];物流技術(shù);2014年13期

8 張家善;王志宏;;基于信息素的改進蟻群算法及其在TSP中的應(yīng)用[J];數(shù)學(xué)的實踐與認(rèn)識;2013年22期

相關(guān)碩士學(xué)位論文 前3條

1 李波;基于動態(tài)交通網(wǎng)絡(luò)的城市物流配送路徑優(yōu)化研究[D];深圳大學(xué);2017年

2 趙興龍;基于K-means-遺傳算法的眾包配送網(wǎng)絡(luò)優(yōu)化研究[D];北京交通大學(xué);2016年

3 劉錦;混合遺傳算法和模擬退火算法在TSP中的應(yīng)用研究[D];華南理工大學(xué);2014年

本文編號：2805795