论文部分内容阅读
随着我国经济的快速发展,物流业在社会和生活中已有重要的地位。其中物流成本是影响物流业发展的重要因素,而降低成本最简单有效且无需高投入的方法是对物流运输路径实现优化。将物流运输路径距离优化为最短不仅能够降低物流成本,而且提高了运输效率。因此,本文提出改进离散粒子群算法(2SGPSO)来解决物流运输路径问题。本文对物流运输路径问题和解决该问题的2SGPSO算法进行了研究:(1)本文提出了理想化的传统物流运输路径问题和结合实际的现代物流运输路径问题,并分别建立了相应的数学模型。在建立现代物流运输路径问题数学模型的过程中,考虑了实际中的配送站点之间的道路是否直接连接和交通是否拥堵两种情况,道路是否直连通过在两站点间建立道路转折点保证物流能够顺利配送,交通是否拥堵使用拥堵系数表示,并根据拥堵系数、路径距离和行驶速度得到了实际配送时间,由此建立了结合时间因素和路径距离因素的现代物流运输路径问题数学模型。(2)2SGPSO算法首先将遗传算法(GA)选择交叉和变异的操作方式加入到离散粒子群算法中(DPSO),得到GPSO算法。在迭代搜索过程中,对物流运输配送站点进行编码得到的站点序列分别与当前最优站点序列和群体最优站点序列进行选择和交叉,加快了收敛速度;变异操作是在选择交叉操作完成后进行,在每个配送站点序列中随机产生两个位置进行变异,提高了算法的全局搜索能力。因GPSO算法容易陷入局部最优,为了避免该情况的发生,提出2SGPSO算法,即在模拟退火算法(SA)中加入2-opt搜索策略(2SA)对路径解进一步优化。由GPSO算法产生的配送站点序列和路径解作为2SA算法的初始值,利用2SA算法中的2-opt搜索策略和Metropolis准则对初始值进行运算,改善了GSPO算法陷入局部最优的情况,提高了解的质量。本文运用2SGPSO算法解决物流运输中的路径规划问题,分别对比测试了eil51城市数据集、pr136城市数据集和深圳市松原路区域数据集,测试结果表明,2SGPSO算法相比于其他算法搜索到的路径距离最短,效果最好,从而降低了物流成本,推动了物流业的发展。