论文部分内容阅读
随着信息技术在现代物流业的广泛应用,智能物流调度也成为人们研究的热点。车辆路径问题(Vehicle Routing Problem)是智能物流调度中一个非常重要的环节。这个问题的有效解决,可以提高物流调度的科学化水平,降低运输成本,提高经济效益。物流业是融合运输业、仓储业、货代业和信息业等的复合型服务产业,是国民经济的重要组成部分,在促进产业结构调整、转变经济发展方式和增强国民经济竞争力等方面发挥着重要作用。在物流业的蓬勃发展过程中运输在整个物流配送中占有很重要的地位,总成本占物流总成本的35%-50%左右,占商品价格的4%-10%。运输对物流总成本的节约具有举足轻重的作用。随着人们生活水平的提高,用户对企业的物流配送服务质量提出了更高的要求,企业的物流配送环境也越来越复杂,面临的物流配送任务也越来越繁重,许多企业因此建立了多个配送中心。多配送中心(也即多供货场)车辆路径问题(Multiple-Depot Vehicle Routing Problem,MDVRP ),逐渐成为智能物流调度中的一个研究热点问题。所谓多配送中心配送,是指为了响应更广阔的地理范围内的顾客服务需求,配送车辆可以从多个配送中心出发去完成运输任务,达到提高车辆利用率、减少总的运输距离、节约运输成本,更快满足顾客需要的目的。本文对多配送中心车辆路径问题的研究主要从以下几方面展开:1.多配送中心车辆调度(MDVRP)的数学模型对多配送中心车辆调度问题进行了模述,分析了相应的限制条件,构造了多配送中心车辆调度的的数学模型。在此数学模型中,考虑了在某些时间点现有资源不足以满足所有顾客需求的状况,如何应对不同顾客的需求,引入了模糊顾客评价模式,从而使模型更加符合现实企业的需要。2.蚁群算法及最大-最小蚁群算法(MMAS)围绕多配送中心车辆路径优化问题,引入了蚁群算法,对基本蚁群算法原理做了介绍,描述了基本蚁群算法的基本流程,并且介绍了最大-最小蚁群算法。3.仿真实验验证改进的最大-最小蚁群算法求解MDVRP的有效性通过Matlab仿真实验,将改进的MMAS算法应用于Marius在文献中所述的基准VRPTW实例,可以得出改进的MMAS有较好的收敛速度和更好的结果。