本文選題：交通工程 + 路徑優(yōu)化��； 參考：《公路交通科技》2017年10期

【摘要】：針對城市物流配送和交通運(yùn)輸中廣泛存在的帶時(shí)間窗車輛路徑問題,為尋求最佳路徑規(guī)劃,應(yīng)用懲罰函數(shù),構(gòu)建了以總運(yùn)輸成本最小為目標(biāo)的數(shù)學(xué)模型。在車輛路徑優(yōu)化求解方面,根據(jù)問題具體特征設(shè)計(jì)了1種二維編碼方式,并采用近鄰初始化方式構(gòu)建初始解從而提升尋優(yōu)速率;隨后,結(jié)合狼群算法覓食行為中的游走、召喚及圍攻3種行為,重新定義其智能行為,設(shè)計(jì)了一種求解帶時(shí)間窗車輛路徑問題的狼群算法。由于原始狼群算法的召喚行為引入距離判定因子來增大種群搜索空間,但也增加了算法復(fù)雜性且易陷入局部最優(yōu),故本研究舍棄了距離判定因子,采用猛狼1次奔襲便進(jìn)入圍攻狀態(tài)來降低算法復(fù)雜度,并在算法中進(jìn)一步增強(qiáng)了種群間信息交互。最后,應(yīng)用該狼群算法求解多個(gè)測試算例。結(jié)果表明:狼群算法在求解帶時(shí)間窗的車輛路徑問題時(shí)是可行的、有效的;與禁忌搜索算法、遺傳算法、改進(jìn)蟻群算法和混合粒子群算法等常見智能優(yōu)化算法相比,狼群算法不僅具有收斂速度快和搜索質(zhì)量高等優(yōu)點(diǎn),而且擁有良好的穩(wěn)定性和求解效果。
[Abstract]:Aiming at the vehicle routing problem with time windows widely existing in urban logistics distribution and transportation, a mathematical model with the goal of minimizing the total transportation cost is constructed to find the best path planning and to apply the penalty function. In the aspect of vehicle path optimization, a two-dimensional coding method is designed according to the specific characteristics of the problem, and the initial solution is constructed by using the nearest neighbor initialization method to improve the optimization rate. The intelligent behavior of summoning and besieging is redefined and a wolf swarm algorithm is designed to solve the vehicle routing problem with time windows. Because the call behavior of the original wolf swarm algorithm introduced the distance decision factor to increase the population search space, but also increased the complexity of the algorithm and easily fell into the local optimum, so this study abandoned the distance decision factor. In order to reduce the complexity of the algorithm, the wolf is used to attack once and then enter the besieged state, and the information interaction among the populations is further enhanced in the algorithm. Finally, the wolf swarm algorithm is applied to solve multiple test cases. The results show that the wolf swarm algorithm is feasible and effective in solving the vehicle routing problem with time windows, and compared with Tabu search algorithm, genetic algorithm, improved ant colony algorithm and hybrid particle swarm optimization algorithm. The wolf swarm algorithm not only has the advantages of fast convergence and high search quality, but also has good stability and solution effect.
【作者單位】： 上海理工大學(xué)管理學(xué)院;
【基金】：國家自然科學(xué)基金項(xiàng)目(71401106) 教育部人文社會科學(xué)基金項(xiàng)目(No.16YJA630037) 上海市教育委員會科研創(chuàng)新項(xiàng)目(14YZ090) 滬江基金項(xiàng)目(A14006)
【分類號】：TP18;U116.2

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 尹曉峰;杜艷萍;;車輛路徑問題的蟻群算法研究[J];太原科技大學(xué)學(xué)報(bào);2005年04期

2 王云平;;車輛路徑問題的形式化及其知識表示方法研究[J];遼寧省交通高等�？茖W(xué)校學(xué)報(bào);2006年04期

3 曹二保;賴明勇;張漢江;;模糊需求車輛路徑問題研究[J];系統(tǒng)工程;2007年11期

4 唐連生;梁劍;;突發(fā)事件下的車輛路徑問題研究綜述[J];鐵道運(yùn)輸與經(jīng)濟(jì);2008年12期

5 唐偉勤;張隱;張敏;;大規(guī)模突發(fā)事件應(yīng)急物資調(diào)度中的車輛路徑問題[J];物流技術(shù);2008年12期

6 劉紅梅;陳楊;;車輛路徑問題的形式化方法研究[J];科技資訊;2008年05期

7 唐加福;孔媛;潘震東;董穎;;基于劃分的蟻群算法求解貨物權(quán)重車輛路徑問題[J];控制理論與應(yīng)用;2008年04期

8 熊志華;邵春福;姚智勝;;車輛路徑問題的可靠性研究[J];物流技術(shù);2008年08期

9 徐俊杰;;利用微正則退火算法求解車輛路徑問題[J];安慶師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年02期

10 寧曉利;;車輛路徑問題的組合優(yōu)化算法[J];物流技術(shù);2009年06期

相關(guān)會議論文 前3條

1 符卓;陳斯衛(wèi);;車輛路徑問題的研究現(xiàn)狀與發(fā)展趨勢[A];中國運(yùn)籌學(xué)會第七屆學(xué)術(shù)交流會論文集（下卷）[C];2004年

2 陳美軍;張志勝;史金飛;;MDVRPMC問題的智能多態(tài)蟻群算法研究[A];2007第三屆中國智能交通年會論文集[C];2007年

3 張建同;馮子炎;;求解車輛路徑問題的改進(jìn)CW節(jié)約算法[A];第十屆中國不確定系統(tǒng)年會、第十四屆中國青年信息與管理學(xué)者大會論文集[C];2012年

相關(guān)博士學(xué)位論文 前10條

1 劉霞;車輛路徑問題的研究[D];華中科技大學(xué);2007年

2 陸琳;不確定信息車輛路徑問題及其算法研究[D];南京航空航天大學(xué);2007年

3 唐連生;突發(fā)事件下的車輛路徑問題研究[D];西南交通大學(xué);2008年

4 謝秉磊;隨機(jī)車輛路徑問題研究[D];西南交通大學(xué);2003年

5 符卓;開放式車輛路徑問題及其應(yīng)用研究[D];中南大學(xué);2003年

6 呂雄偉;郵政物流車輛路徑問題研究[D];西南交通大學(xué);2009年

7 潘立軍;帶時(shí)間窗車輛路徑問題及其算法研究[D];中南大學(xué);2012年

8 彭碧濤;三維裝載約束下車輛路徑問題研究[D];華南理工大學(xué);2013年

9 馬華偉;帶時(shí)間窗車輛路徑問題及其啟發(fā)式算法研究[D];合肥工業(yè)大學(xué);2008年

10 王科峰;節(jié)點(diǎn)具有雙重需求的車輛路徑問題研究[D];上海理工大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 李文忠;有捎帶的車輛路徑問題的研究[D];西南交通大學(xué);2010年

2 曹高立;基于求解車輛路徑問題的混合智能優(yōu)化算法研究[D];昆明理工大學(xué);2015年

3 杜濤濤;仿生智能算法在逆向物流選址與車輛路徑問題中的應(yīng)用研究[D];上海工程技術(shù)大學(xué);2015年

4 鄧璇;考慮貨物類別的多車型車輛路徑問題優(yōu)化研究[D];長安大學(xué);2015年

5 史春燕;帶車輛時(shí)間窗的多車場車輛路徑問題研究[D];重慶工商大學(xué);2015年

6 王坤;城市物流車輛配送路徑優(yōu)化研究[D];重慶交通大學(xué);2015年

7 王浩光;改進(jìn)伊藤算法及其在車輛路徑問題中的研究與應(yīng)用[D];浙江工業(yè)大學(xué);2015年

8 謝婉君;A快遞公司C站點(diǎn)車輛路徑優(yōu)化問題研究[D];華南理工大學(xué);2015年

9 李陽;帶時(shí)間窗的多車場低碳車輛路徑問題研究[D];南京農(nóng)業(yè)大學(xué);2014年

10 邵楷;基于人工蜂群算法的車輛路徑問題的研究與應(yīng)用[D];武漢輕工大學(xué);2015年

，

本文編號：1790877