论文部分内容阅读
随着全球气候变暖问题的日益恶化,低碳问题越来越受到各国政府和学者的关注。物流产业是能源消耗大户,同时又是二氧化碳排放大户,因此降低能源消耗,减少碳排放量是发展物流产业的必然趋势,低碳物流应运而生。低碳物流是指在物流过程中以低能耗、低污染、低排放为目标,利用能效技术、可再生能源技术和各种智能优化方法,以期实现最高的资源利用率和最低的碳排放量。在低碳物流中,合理规划配送路径、减少空载,是提高物流效率、减少碳排放的有效途径。因此,采用现代智能优化方法对低碳物流配送路径数学模型进行优化求解,寻找最优的配送路径具有重要的理论意义和实用价值。 本研究主要内容包括:⑴在分析低碳物流路径优化研究动态的基础上,阐述了低碳物流及蚁群算法的基本原理,并以碳排放成本最低为目标建立了低碳物流路径优化模型。⑵针对基本蚁群算法参数选择靠实验获得,易陷入局部最优、收敛速度慢等不足,将DNA算法中的交叉变异操作融入基本蚁群算法,用于控制基本蚁群算法的初始参数选取,加快了算法的收敛速度,优化了算法性能。同时,将改进算法用于低碳物流配送路径优化求解。计算机仿真结果表明,改进算法的求解结果优于基本蚁群算法。⑶为了避免基本蚁群算法出现停滞及早熟现象,将混沌系统及模拟退火机制引入基本蚁群算法,研究了带混沌扰动的模拟退火蚁群算法,用于求解低碳物流配送路径优化数学模型。计算机仿真结果表明,改进算法增强了全局搜索能力,提高了模型求解效率。⑷以京津冀都市圈为仿真实例,以碳排放成本最低建立数学模型,分别采用基本蚁群算法、DNA-蚁群算法和带混沌扰动的模拟退火蚁群算法进行了实例仿真,给出了三种算法的配送路径。结果表明,带混沌扰动的模拟退火蚁群算法求解结果碳排放量最低,DNA-蚁群算法次之,基本蚁群算法最高。