改进的Hopfield神经网络在配送车辆调度中的应用研究

摘要

本论文通过对物流配送中心运输车辆调度问题的研究,提出了基于模拟退火算法的混合Hopfield神经网络算法(SA—HNN),并用此混合算法求解带宽时间窗有容量约束配送车辆调度问题。模拟退火算法及Hopfield神经网络算法存在着收敛速度慢、易陷入局部最优等一些缺陷,使得系统解决车辆调度优化问题不令人满意。本文提出了混合神经网络算法(SA-HNN),此算法通过结合Hopfield神经网络与模拟退火算法各自的优点来克服彼此的不足,将模拟退火中以一定概率接收较差解的机制应用到Hopfield神经网络算法中,以克服陷入局部最优的缺陷。同时又对传统的网络和模拟退火算法进行了改进,最终得到了一种快速、高效、收敛的算法。最后利用提出的混合算法解决雨润集团的物流配送实际问题,取得了良好的效果。

目录

摘要

Abstract

1 绪论

1.1 课题研究的背景及意义

1.2 配送车辆调度问题描述及分类

1.2.1 车辆调度问题描述

1.2.2 车辆调度问题的分类

1.3 国内外研究现状

1.3.1 车辆调度问题研究现状

1.3.2 Hopfield 神经网络研究现状

1.4 本文的主要工作

2 配送车辆调度问题算法研究

2.1 车辆调度问题算法综述

2.1.1 车辆调度问题基本算法

2.1.2 配送区域划分算法研究

2.2 人工神经网络算法

2.2.1 人工神经网络

2.2.2 Hopfield 神经网络

2.3 解决车辆调度问题的全局优化方法

2.3.1 全局优化概述

2.3.2 全局优化方法

2.4 模拟退火算法

3 改进的 Hopfield 网络优化策略及其解决 VRP 问题的应用

3.1 解决 CVRP 问题的 Hopfield 神经网络算法

3.1.1 CVRP 问题的描述

3.1.2 CVRP 问题数学模型

3.1.3 Hopfield 神经网络算法解决 CVRP 问题

3.1.4 Hopfield 神经网络优化算法的缺陷

3.2 基于模拟退火算法的 Hopfield 神经网络改进研究

3.2.1 算法提出与简介

3.2.2 SA—HNN 混合算法具体步骤

3.2.3 SA—HNN 混合算法解决组合优化问题的具体步骤

3.3 解决带宽时间窗的 CVRP 问题

3.3.1 解决聚类问题的 Hopfield 神经网络算法

3.3.2 带宽时间窗的 CVRP 问题优化过程

4 SA-HNN 混合算法应用实证

5 总结与展望

5.1 本文的总结

5.2 今后工作展望

参考文献

致谢

攻读硕士期间参与科研项目及发表论文情况

附录