论文部分内容阅读
互联网以及计算机技术的不断快速发展,带动了电子商务的不断发展。物流配送作为电子商务的重要支撑在社会生活中日益显示出极端的重要性。车辆调度问题是物流配送的基础和关键工作,如何安排合理的车辆调度方案使车辆总的行驶距离最短、花费时间最少、企业总的运输成本最低是物流配送的重要环节,具有重要的现实意义和经济意义。本文针对开放式车辆调度问题提出了一种基于参数控制的改进的蚁群算法。考虑到传统的物流配送体系已经无法满足当代社会物流配送的需求,本文在开放式车辆调度问题的基础上进一步扩展,考虑了客户对配送时间的要求以及多配送中心车辆跨区域协同运输的情况,研究了一种带软时间窗的多车场开放式车辆调度问题。蚁群算法作为一种群智能算法经常有学者将其应用到车辆调度问题的求解中。传统蚁群算法中参数通常采用固定的值,而算法的性能在很大程度上会受到其参数的影响,因此传统蚁群算法收敛速度较慢且易陷入局部最优。本文通过分析蚁群算法信息启发因子参数?、期望启发因子?以及信息素挥发系数?对算法性能的影响,进一步研究车辆调度模型中各参数对调度性能的影响,提出了参数动态自适应优化的车辆调度方法。首先在带软时间窗的单车场开放式车辆调度问题中验证了改进蚁群算法的有效性后,再将其应用在更加复杂的多车场车辆调度问题中。本文的创新性及研究成果主要包括以下几个方面:首先,在基本开放式车辆调度问题的基础上进一步研究了带软时间窗的多车场开放式车辆调度问题。针对该问题,通过设置一个虚拟车场,将多车场问题转化为多个单车场问题进行求解。其次,在蚁群算法前期利用细菌觅食算法与k-means算法相结合聚类技术对蚁群结果进行聚类,并根据聚类结果来自适应动态调整蚁群算法参数,使其快速收敛到最优解附近。最后,在算法后期为使算法快速收敛使其跳出局部最优,再利用混沌理论的遍历性来动态调整算法参数。算法最后,又利用2-opt算法对最优解进行优化。本文在车辆调度的模型构建和求解算法上进行有益的探索,对于发展新的车辆调度方法具有重要的理论意义,对于提升物流服务水平,降低物流成本,具有重要的实际意义。