隨著我國經(jīng)濟(jì)的快速發(fā)展,物流業(yè)在社會和生活中已有重要的地位。其中物流成本是影響物流業(yè)發(fā)展的重要因素,而降低成本最簡單有效且無需高投入的方法是對物流運輸路徑實現(xiàn)優(yōu)化。將物流運輸路徑距離優(yōu)化為最短不僅能夠降低物流成本,而且提高了運輸效率。因此,本文提出改進(jìn)離散粒子群算法（2SGPSO）來解決物流運輸路徑問題。本文對物流運輸路徑問題和解決該問題的2SGPSO算法進(jìn)行了研究:（1）本文提出了理想化的傳統(tǒng)物流運輸路徑問題和結(jié)合實際的現(xiàn)代物流運輸路徑問題,并分別建立了相應(yīng)的數(shù)學(xué)模型。在建立現(xiàn)代物流運輸路徑問題數(shù)學(xué)模型的過程中,考慮了實際中的配送站點之間的道路是否直接連接和交通是否擁堵兩種情況,道路是否直連通過在兩站點間建立道路轉(zhuǎn)折點保證物流能夠順利配送,交通是否擁堵使用擁堵系數(shù)表示,并根據(jù)擁堵系數(shù)、路徑距離和行駛速度得到了實際配送時間,由此建立了結(jié)合時間因素和路徑距離因素的現(xiàn)代物流運輸路徑問題數(shù)學(xué)模型。（2）2SGPSO算法首先將遺傳算法（GA）選擇交叉和變異的操作方式加入到離散粒子群算法中（DPSO）,得到GPSO算法。在迭代搜索過程中,對物流運輸配送站點進(jìn)行編碼得到的站點序列分別與當(dāng)前最優(yōu)站點... 

【文章來源】：長安大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【部分圖文】：

物流運輸路徑示意圖

下來首先對傳統(tǒng)和現(xiàn)代物流運輸路徑問題建立了數(shù)學(xué)模型，然后整 算法的創(chuàng)新性，即提出 GPSO 算法和 2SA 算法并將兩種算法融合得到后對改進(jìn)算法所帶來的優(yōu)勢進(jìn)行了驗證和說明。流運輸路徑問題分析和模型統(tǒng)和現(xiàn)代物流運輸路徑問題將物流運輸路徑問題分為傳統(tǒng)物流運輸路徑問題和現(xiàn)代物流運輸路徑輸路徑問題是在理想的狀態(tài)下即不考慮外界以及自身的干擾條件下到最短，如圖 2.1 所示，傳統(tǒng)物流運輸適應(yīng)于空中物流運輸和海上物運輸路徑問題即實際物流運輸路徑問題是指考慮實際在物流運輸過路徑最短需要面臨的許多問題，比如，在保證配送完各個站點并且各次遍歷的前提下，還需考慮時間是否最省，兩個配送站點之間的道路是是否合理等。

圖 2.4 GPSO 和 GA 迭代路徑示意圖 算法在搜索物流運輸最短路徑時具有先天的不足，即具有容 GPSO 算法并沒有有效地解決該問題，又因為 SA 算法具有快等特點，所以考慮采用 SA 算法對 GPSO 算法進(jìn)行改進(jìn)。較差，而 2-opt 搜索策略能夠增加路徑搜索的多樣性，因此索策略改善 SA 算法的缺點。如圖 2.5 所示，測試采用的是 算法最終搜索到的配送城市序列和最短路徑距離作為 2SA 算 2SA 算法分別對城市序列進(jìn)行了 147 次迭代，迭代次數(shù)的設(shè)終止時的最短距離分別為 428.8 千米（km）和 435.6 千米（分別為 70 次和 77 次，該結(jié)果充分說明了 2SA 算法提高了物和運算效率。

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的蟻群與粒子群混合算法求解旅行商問題[J]. 汪沖,李俊,李波,張粵.  計算機(jī)仿真. 2016(11)
[2]求解TSP的帶混沌擾動的模擬退火蟻群算法[J]. 王迎,張立毅,費騰,周修飛.  計算機(jī)工程與設(shè)計. 2016(04)
[3]求解TSP問題的自適應(yīng)離散型布谷鳥算法[J]. 張子成,韓偉.  計算機(jī)工程與應(yīng)用. 2017(10)
[4]求解旅行商問題的改進(jìn)局部搜索混沌離散粒子群優(yōu)化算法[J]. 程畢蕓,魯海燕,徐向平,沈莞薔.  計算機(jī)應(yīng)用. 2016(01)
[5]改進(jìn)的混沌粒子群算法在TSP中的應(yīng)用[J]. 李文,伍鐵斌,趙全友,李玲香.  計算機(jī)應(yīng)用研究. 2015(07)
[6]改進(jìn)的蟻群遺傳算法求解旅行商問題[J]. 于瑩瑩,陳燕,李桃迎.  計算機(jī)仿真. 2013(11)



本文編號：3378473