论文部分内容阅读
国民经济的快速发展与现代科学技术的革新带动了我国物流业的发展,使得我国的物流水平与物流总体规模都有了很大的提高。随着物流规模的不断增加,其对物流系统运行的高效性提出了要求。然而,我国物流成本仍然高居不下,这反映了我国物流系统的不完善。在整个物流环节中物流配送是链接物流企业与物流客户的重要环节。因此提高配送活动的效率有助于提高物流系统的运行效率。而在物流配送过程中,如何通过规划车辆的合理配送方案以降低物流运输的单位成本是每个物流企业必须要考虑的问题。在此形势下,本文对物流中车辆的装载问题(即物流中的背包问题)进行了研究。本文在对解决背包问题的算法进行分析对比之后,决定以粒子群算法为基础优化算法。粒子群算法原理实现简单,需要设置的参数数量较少,而且可以在全局搜索能力与局部搜索能力之间进行均衡处理。但是,基础粒子群算法存在容易陷入局部最优,且在优化后期收敛速度变慢的问题。本文针对此问题,提出了一种适用于解决快递物流背包问题的改进型粒子群算法。本文的主要工作包括以下几个方面:1.为了验证本文所提出的优化算法是否可行,本文在对现实物流运行的内在运行流程进行分析的基础上,构建了一种仿真模型对现实物流的运行进行模拟;并在此基础上分析快递物流背包问题的模型特点,建立快递物流背包模型。搭建的仿真平台可以产生实验原始数据供算法验证使用。2.对基本粒子群算法的特点进行了分析研究,然后提出了融合粒子群与模拟退火算法的综合优化算法,对快递物流背包问题进行了优化。3.对经过前期物流路径优化模块得到的路径上配送车辆满载率不高的原因进行分析。提出一种调整策略,对其路径进行调整,然后再对每条路径上的订单进行背包问题的优化工作,得出每条路径上的配送报表。通过在本文生成的模型数据上进行仿真实验,实验结果表明,改进型的粒子群优化算法可以有效解决快递物流背包问题,且算法的优化效果优于其他经典算法。