開放式車輛調(diào)度問題的參數(shù)控制蟻群算法的研究.pdf

1、互聯(lián)網(wǎng)以及計(jì)算機(jī)技術(shù)的不斷快速發(fā)展，帶動(dòng)了電子商務(wù)的不斷發(fā)展。物流配送作為電子商務(wù)的重要支撐在社會(huì)生活中日益顯示出極端的重要性。車輛調(diào)度問題是物流配送的基礎(chǔ)和關(guān)鍵工作，如何安排合理的車輛調(diào)度方案使車輛總的行駛距離最短、花費(fèi)時(shí)間最少、企業(yè)總的運(yùn)輸成本最低是物流配送的重要環(huán)節(jié)，具有重要的現(xiàn)實(shí)意義和經(jīng)濟(jì)意義。
　　本文針對(duì)開放式車輛調(diào)度問題提出了一種基于參數(shù)控制的改進(jìn)的蟻群算法?？紤]到傳統(tǒng)的物流配送體系已經(jīng)無法滿足當(dāng)代社會(huì)物流配送的需求

2、，本文在開放式車輛調(diào)度問題的基礎(chǔ)上進(jìn)一步擴(kuò)展，考慮了客戶對(duì)配送時(shí)間的要求以及多配送中心車輛跨區(qū)域協(xié)同運(yùn)輸?shù)那闆r，研究了一種帶軟時(shí)間窗的多車場(chǎng)開放式車輛調(diào)度問題。
　　蟻群算法作為一種群智能算法經(jīng)常有學(xué)者將其應(yīng)用到車輛調(diào)度問題的求解中。傳統(tǒng)蚊群算法中參數(shù)通常采用固定的值，而算法的性能在很大程度上會(huì)受到其參數(shù)的影響，因此傳統(tǒng)蟻群算法收斂速度較慢且易陷入局部最優(yōu)。本文通過分析蟻群算法信息啟發(fā)因子參數(shù)α、期望啟發(fā)因子β以及信息素?fù)]發(fā)系數(shù)ρ

3、對(duì)算法性能的影響，進(jìn)一步研究車輛調(diào)度模型中各參數(shù)對(duì)調(diào)度性能的影響，提出了參數(shù)動(dòng)態(tài)自適應(yīng)優(yōu)化的車輛調(diào)度方法。首先在帶軟時(shí)間窗的單車場(chǎng)開放式車輛調(diào)度問題中驗(yàn)證了改進(jìn)蟻群算法的有效性后，再將其應(yīng)用在更加復(fù)雜的多車場(chǎng)車輛調(diào)度問題中。
　　本文的創(chuàng)新性及研究成果主要包括以下幾個(gè)方面:
　　首先，在基本開放式車輛調(diào)度問題的基礎(chǔ)上進(jìn)一步研究了帶軟時(shí)間窗的多車場(chǎng)開放式車輛調(diào)度問題。針對(duì)該問題，通過設(shè)置一個(gè)虛擬車場(chǎng)，將多車場(chǎng)問題轉(zhuǎn)化為多個(gè)單車

4、場(chǎng)問題進(jìn)行求解。
　　其次，在蟻群算法前期利用細(xì)菌覓食算法與k-means算法相結(jié)合聚類技術(shù)對(duì)蟻群結(jié)果進(jìn)行聚類，并根據(jù)聚類結(jié)果來自適應(yīng)動(dòng)態(tài)調(diào)整蟻群算法參數(shù)，使其快速收斂到最優(yōu)解附近。
　　最后，在算法后期為使算法快速收斂使其跳出局部最優(yōu)，再利用混沌理論的遍歷性來動(dòng)態(tài)調(diào)整算法參數(shù)。算法最后，又利用2-opt算法對(duì)最優(yōu)解進(jìn)行優(yōu)化。
　　本文在車輛調(diào)度的模型構(gòu)建和求解算法上進(jìn)行有益的探索，對(duì)于發(fā)展新的車輛調(diào)度方法具有重要的理