物流配送是物流系統(tǒng)中的重要一環(huán),在物流活動(dòng)的各項(xiàng)成本當(dāng)中,配送成本占據(jù)了很大的比例。在物流配送中,運(yùn)輸車輛配送路徑選取問題是一個(gè)非常關(guān)鍵的問題。選擇合適的配送路徑,不僅能夠降低物流成本,提高物流效率,而且能夠提升服務(wù)質(zhì)量,提高客戶滿意度。如何在滿足客戶多樣化的需求條件下,采用科學(xué)有效的方法對(duì)配送路徑進(jìn)行優(yōu)化以提高企業(yè)的經(jīng)濟(jì)效益,是企業(yè)關(guān)心的重要問題,也是當(dāng)今物流領(lǐng)域研究的重點(diǎn)問題。圍繞物流配送路徑問題,本文主要完成了以下三個(gè)部分的工作：(1)詳細(xì)介紹了物流配送中的車輛路徑問題(Vehicle Routing Problem, VRP),對(duì)其進(jìn)行了分類,并闡述了求解車輛路徑問題的算法；深入探討了蟻群算法(Ant Colony Algorithm,ACA)的基本原理,數(shù)學(xué)模型和算法實(shí)現(xiàn),并對(duì)蟻群算法的優(yōu)缺點(diǎn)進(jìn)行了分析；介紹了人工魚群算法(Artifical Fish Swarm Algorithm,AFSA)口人工魚模型,并討論了人工魚群算法的典型行為和實(shí)現(xiàn)步驟。(2)提出了將人工魚群算法和蟻群算法相融合,進(jìn)行優(yōu)勢(shì)互補(bǔ)的設(shè)計(jì)思路,并設(shè)計(jì)了兩種算法的動(dòng)態(tài)融合策略,然后對(duì)蟻群算法的參數(shù),信息素等進(jìn)行了改進(jìn),從而提出了改進(jìn)的混合蟻群算法,這是本文的核心內(nèi)容。最后針對(duì)旅行商問題(Travelling Salesman Problem,TSP)進(jìn)行了實(shí)例仿真,結(jié)果表明改進(jìn)的混合蟻群算法和其他啟發(fā)式算法相比在運(yùn)算效率和解的穩(wěn)定性上具有一定的優(yōu)越性。(3)將改進(jìn)的混合蟻群算法運(yùn)用到VRP問題上去,并針對(duì)VRP問題的具體特點(diǎn),對(duì)算法進(jìn)行了相應(yīng)的改進(jìn)。然后選取了一些算例對(duì)算法進(jìn)行了測(cè)試,驗(yàn)證了算法對(duì)于車輛路徑問題的有效性。最后,將改進(jìn)的混合蟻群算法應(yīng)用于蘇寧電器的實(shí)際案例中,得出了較好的配送方案,并通過(guò)路程和滿載率分析證明了算法的實(shí)用性。本文提出的改進(jìn)的混合蟻群算法,對(duì)于求解車輛路徑問題有一定的參考價(jià)值,同時(shí)對(duì)于企業(yè)提高物流配送效率也有一定的意義。
【學(xué)位單位】：東南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2016
【中圖分類】：U116.2;F252;TP18
【部分圖文】：

用到蘇寧電器的實(shí)際案例中，并進(jìn)行了路程和滿載率分析。??第五章對(duì)全文的內(nèi)容進(jìn)斤了總結(jié)，并對(duì)今后的研巧內(nèi)容進(jìn)行了展望。??本文的研巧框架如圖１－１所示。??研究基礎(chǔ)??［第一章引言?，?第二章相關(guān)理論?ｊ??Ｉ?主要研究?jī)?nèi)容?！???１＿Ｋ?！?（?Ｉ?Ｍ??改進(jìn)＾?第Ｈ章改進(jìn)混合蟻群算法及其?Ｉ?Ａ??Ｉ?在ＴＳＰ問題中的應(yīng)用?Ｉ／Ｕ?Ｔ??混合ｆ第四章改進(jìn)混合蟻群算法在＂Ｉ?Ｉ?仿??Ｖ民Ｐ問題中的應(yīng)用?Ｉ?真????＼?／?ｊ???？Ｊ??＊???第五章總結(jié)與展望??圖１－１研究框架圖??５??

聯(lián)１?？??；纖；Ｖ＿＿ｉ??圖３－４?Ｅｉｒ／６問題最優(yōu)路徑圖及最優(yōu)值收斂曲線圖??圖３－４是改進(jìn)的混合蟻群算法求解Ｅｉｌ７６問題的最優(yōu)路徑圖Ｗ及最優(yōu)值收斂??曲線圖，從上圖可Ｗ看出，算法在第５０代左右就己經(jīng)達(dá)到了最優(yōu)解５３８，而５３８??也是Ｅｉｌ７６問題的實(shí)際最優(yōu)解，從而說(shuō)明本文提出的改進(jìn)算法具有良好的尋優(yōu)能??力，能較快的收斂到最優(yōu)解。??類似的，本文還分別對(duì)蟻群算法，魚群算法Ｗ及文獻(xiàn)ｔ６２３提出的一種改進(jìn)的??自適應(yīng)蟻群算法各自運(yùn)行了?２０次，表３－４是這四種算法的具體對(duì)比分析。??表３－４四種算法對(duì)比分析圖??算法?Ｉ最好解Ｉ最差解Ｉ平均解Ｉ偏差???蟻群算法?５５３?５７２?５巧．３７?１５???魚群算法?５６１?５８０?５６７．８４?２１??文獻(xiàn)ｔ６２４是出的混合蟻群算覆￣?５３８?￣?５４８?￣?５４２．００?０??本文提出的混合蟻群算法?５３８?５４５?５４１．２２?０??從表３－４可看出．本文提出的混合蟻群算法的最優(yōu)解為５３８，達(dá)到了己知??最優(yōu)解，這一點(diǎn)比蟻群算法和魚群算法都要好，和文獻(xiàn)Ｉ６叫是出的改進(jìn)算法相比，??本文算法的平均解僅為５４１．２２

圖４－６最優(yōu)路徑圖??用改進(jìn)的混合蟻群算法進(jìn)行計(jì)算，得出的最優(yōu)解為為２６０．２ｋｍ，最優(yōu)路徑如??圖４－６所示，最優(yōu)解所對(duì)應(yīng)的四條配送路線為：??
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王訓(xùn)斌;陸慧娟;陳伍濤;張火明;;改進(jìn)蟻群算法在物流配送路徑中的應(yīng)用[J];中國(guó)計(jì)量學(xué)院學(xué)報(bào);2008年04期

2 李遠(yuǎn)遠(yuǎn);劉彥;劉光前;;車輛路徑問題優(yōu)化——基于改進(jìn)節(jié)約算法[J];社會(huì)科學(xué)家;2013年11期

3 邵俊崗;鄭芳瑜;;車輛路徑問題的連接點(diǎn)選擇節(jié)約算法[J];佳木斯大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年02期

4 竇莉薇;;基于蟻群算法的車輛路徑問題研究[J];商;2015年22期

5 王兵;劉佩;周亦鵬;;基于參數(shù)動(dòng)態(tài)調(diào)整策略的蟻群算法優(yōu)化及應(yīng)用研究[J];中國(guó)新技術(shù)新產(chǎn)品;2017年09期

6 朱錦新;;基于空間聚類和蟻群算法的車輛路徑問題的研究[J];鹽城工學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年04期

7 唐浩;;蟻群算法的研究與展望[J];牡丹江教育學(xué)院學(xué)報(bào);2009年06期

8 趙師;孫文紀(jì);劉洪坤;;基于蟻群算法的火力分配尋優(yōu)方法研究[J];指揮控制與仿真;2010年02期

9 王肖林;;淺談蟻群算法在蛋白質(zhì)折疊問題上的應(yīng)用[J];天津職業(yè)院校聯(lián)合學(xué)報(bào);2013年11期

10 區(qū)云鵬;韋兆文;蔣慧超;;基于多信息素的蟻群算法[J];廣西科學(xué)院學(xué)報(bào);2008年03期

相關(guān)博士學(xué)位論文 前10條

1 王冰;人工蜂群算法的改進(jìn)及相關(guān)應(yīng)用的研究[D];北京理工大學(xué);2015年

2 王艷嬌;人工蜂群算法的研究與應(yīng)用[D];哈爾濱工程大學(xué);2013年

3 李美安;普適分布式互斥算法及應(yīng)用[D];電子科技大學(xué);2007年

4 王小根;粒子群優(yōu)化算法的改進(jìn)及其在圖像中的應(yīng)用研究[D];江南大學(xué);2009年

5 劉婷;改進(jìn)人工蜂群算法及其在多用戶檢測(cè)中的應(yīng)用[D];天津大學(xué);2013年

6 邱劍鋒;人工蜂群算法的改進(jìn)方法與收斂性理論的研究[D];安徽大學(xué);2014年

7 王翔;混合蟻群算法及其在管理優(yōu)化中的應(yīng)用[D];東華大學(xué);2012年

8 肖建元;保幾何結(jié)構(gòu)算法在等離子體物理中的應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

9 盛歆漪;粒子群優(yōu)化算法及其應(yīng)用研究[D];江南大學(xué);2015年

10 張冬麗;人工蜂群算法的改進(jìn)及相關(guān)應(yīng)用研究[D];燕山大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 黃鑫;基于改進(jìn)混合蟻群算法的物流配送路徑研究[D];東南大學(xué);2016年

2 王書勤;車輛路徑問題的蟻群算法研究[D];重慶大學(xué);2008年

3 吳雋;基于改進(jìn)蟻群算法的物流配送路徑優(yōu)化研究[D];武漢理工大學(xué);2009年

4 龍汀;基于蟻群算法的車輛路徑問題的研究[D];合肥工業(yè)大學(xué);2008年

5 魏振宇;蟻群算法在物流運(yùn)輸調(diào)度系統(tǒng)中的研究[D];南昌大學(xué);2007年

6 貝肇宇;改進(jìn)蟻群算法的研究及應(yīng)用[D];沈陽(yáng)工業(yè)大學(xué);2008年

7 薛海波;人工蜂群算法在物流配送路徑選擇問題中的應(yīng)用研究[D];重慶大學(xué);2016年

8 李委委;混合蟻群算法在車輛路徑優(yōu)化問題中的研究與應(yīng)用[D];大連交通大學(xué);2012年

9 劉軻;一種融合算法在電網(wǎng)規(guī)劃中的運(yùn)用[D];南昌大學(xué);2013年

10 古明家;蟻群算法優(yōu)化策略及其應(yīng)用[D];廣西民族大學(xué);2009年

本文編號(hào)：2861280