混合算法求解时变路网中车辆调度规划问题

摘要

随着运输物流业规模的扩大及成本控制需求的增加,对于运输车辆调度安排的优化也变得日益重要。良好的调度规划不仅能够极大程度地降低运输成本,同时也能有效地缩小到货所需时间,从而增加客户信赖度及黏度。然而伴随着城市化进程的日益推进,城市路网变得越发复杂,不同道路类型上的运输速度也大相径庭,这一速度不恒定因素使路网具有了时变性,也因此为车辆调度安排增加了复杂度与多样性。同时在实际物流的运输配送过程中还需要考虑运输车辆本身的载货量限制以及配送中心与配送点各自的营业时间窗,这些限制与时变性为车辆调度规划带来了难度与挑战。
　　本文提出一个考虑车辆装载量容量约束、不同道路类型上速度时变的函数描述与时间求解、每个配送点包含有各自的营业时间窗约束条件,并分级考虑应用车辆配置规划与营运时间经济成本的符合现实的问题模型。并继而提出一个更适用的算法,从而达到在更短时间里求得近似最优解的目的。
　　本文提出的算法是将两个启发式算法相融合的混合算法,在多蚁群算法与遗传算法的基础上分别进行算法的改进再将两者融合,利用两者各自的优势来弥补对方在算法运行时的缺陷,从而实现寻解效率更高的目标。
　　最后本文对实际交通路网情况进行了仿真实验,结果表明混合算法有效地弥补了多蚁群算法过早收敛于局部最优解而使算法停滞的缺陷,也改善了遗传算法收敛效率较慢,易进行冗余迭代的不足,从而在运行效率及寻优能力上比两种原算法都有所提高。

目录

封面

声明

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 引文

1.2 文献回顾及问题背景

1.3 文章结构安排

第二章 TDVRPTW问题描述

2.1 问题涉及对象描述

2.2 问题约束及优化目标

2.3 问题难点总结

2.4 本章小结

第三章 混合算法MACS-GA

3.1 算法提出依据

3.2 MACS-GA主要结构与算法说明

3.3 MACS模块主要流程

3.4 GA模块主要流程

3.5 本章小结

第四章 实验与结果

4.1 基本数据设定

4.2 实验与结果

4.3 本章小结

第五章 结束语

5.1 主要工作与创新点

5.2 后续研究工作

参 考 文 献

附录1

致谢

攻读硕士学位期间已发表或录用的论文