论文部分内容阅读
随着经济向着全球化的迅速发展,供应链系统变得越来越复杂,对经济的影响也越来越重要。而车辆选径问题(Vehicle Routing Problem, VRP)是供应链研究的一项重要内容。选取恰当的车辆选径方法,可以加快对客户需求的响应速度,提高服务质量,增强客户对物流环节的满意度,降低服务商的运作成本。因此,车辆选径问题一直是运筹学、管理学和计算机应用等领域里研究的热点。本文研究的主要内容如下:1.针对现有的对于VRP的研究主要集中在需求是确定的,并且应用的启发式算法也过于单一的情形,本文对随机需求的VRP(vehicle routing problem with stochastic demand, VRPSD)进行了研究。为了求解VRP,本文构造了一个具有暂态混沌特性的神经网络,并利用它在解组合优化问题时具有的随机性和确定性并存的优点,进一步提出了一种混沌神经网络解法。最后,把文中提出的算法与神经网络算法和模拟退火算法进行了比较,结果表明该算法具有很强的寻优性能和收敛效率。2.对于随机情形更加复杂的的随机顾客和随机需求的VRP(vehicle routing problem with stochastic customers and demands, VRPSCD)进行了研究。针对标准模拟退火算法在求解车辆选径问题中存在的收敛速度慢,易陷入局部极值点的问题,提出了一种由模拟退火算法结合遗传算法的混合算法求解该问题,并与模拟退火算法作了比较。实验结果表明,该算法具有很强的避免陷入局部极小点的能力和较强的全局搜索的能力,具有计算效率高、收敛速度快和求解质量优的特点。3.目前,求解有时间窗的车辆选径问题中,尚无考虑车辆数的研究成果。本文提出了考虑车辆数和车辆运行成本两个目标的数学规划模型。对于标准遗传算法在求解车辆选径问题中出现的“早熟”易陷入局部极值点的问题,提出了一种由遗传算法结合模拟退火算法的混合算法求解提出的车辆选径问题,并与遗传算法进行了比较。该算法利用了模拟退火算法具有的较强的局部搜索能力的特性,有效地克服了传统遗传算法的“早熟”问题。实验结果表明,该算法是解决车辆选径问题的有效方法。4.针对逆向物流中的热点问题“具有同时配送和收货需求的车辆选径问题”(vehicle routing problem with simultaneous delivery and pick-up, VRPSDP)做了研究,设计了用于求解该问题的禁忌搜索算法的邻域结构,并且研究了该问题的几个算例,得到了满意的结果。