物流配之车辆路径问题混合算法研究.docVIP

　　物流配之车辆路径问题混合算法研究 第1章绪论 1.1问题提出、研究的目的意义 物流配送：作为当前流通行业在开展经营活动上所选择的一种方式。物流说的是产品由提供的地方转移到需求地的一个过程。在产品进行流动的时候，按照具体需求，其囊括有运输、仓储、装卸、包装、加工、配送、以及信息处理等相关的活动。目前物流行业正逐步朝着国际化以及信息化的方向前进，配送对物流活动而言也显得越来越关键。因为现代化的物流配送有着频繁、量少、种类多、以及效率高的特征。基于中途、以及短途的物流配送活动里面，如何经济地安排车辆配送路线是一个很关键的一个问题。我国仓储协会曾经对146家企业进行了相关的调查，运输方面的成本在物流总体的成本之中所占的比重依次为：从事原料生产的企业物流中占到了 58个百分点，在对成品进行生产的企业物流里面占到了 73个百分点，在商业型的企业物流里面占到了 52个百分点[7]。King等人研究表明，现实配送中距离的6%和时间的12%被浪费掉[8].所以科学的对运输路径进行规划以及有效的对配送车辆进行安排能够在很大程度上减少配送的费用，提升配送活动的效益。因为配送持续的产生变化，配送路径上的优化可以提升企业在服务上的水平、减少成本，对部分交通情况较为繁杂的的一些城市，加大配送点，构建运送网，最大限度的思考时间以及路程，成效更为显著。所以，配送路径方面的优化会在一定程度上促进城市的物流水平。怎样按照配送方面的实际状况来有效的对运输路径进行规划以及对配送车辆进行安排，是关键性的一个课题。当前，在该领域获得良好成就的包括有日、美等发达国家，这些国家绝大部分均是利用计算机辅助系统來实现配送车辆上的安排以及线路上的规划的。 1.2国内外研究现状及水平 综合大量文献等对求解车辆路线问题的算法基本上能够划分成：精确算法、人工智能法、简单启发式方式、两阶段启发式算法、以数学规划为主的启发式解法、近似算法、智能算法、以及并行算法等。1、精确算法重点囊括有分枝定界法、割平面法、动态规划法、网络流算法等拉格朗曰分解法、生成方法、下界和相关的分枝定界法和相关算法、动态规划法、集分割和列生成、三下标车辆流方程、二下标车辆流方程、2、近似算法近似算法重点囊括有：松弛法、先路线后聚集、先聚集后路线、以及改进与交换法等。3、简单启发式方式，囊括诸多部分改善启发式算法以及贪婪法(Greedy)等，4、构造启发式算法有：1)节约算法.2)最邻近法.3)最近插入法.4)扫描法.节约法：将之用来处理车辆数方面的流动VRP。这一算法最幵始依据需要访问的具体点数n-1(不含出发点)来产生数量相等的路径，来对任何两条经过合并之后路径可以节约的具体成本进行计算。扫描法：首先对需要访问的具体点的极坐标进行计算，并且依据角度方面的的大小，基于可行性环境的基础上，依据具体的来实现子路径方面的归并。 第2章VRP问题的模型 2.1车辆路径问题描述. 车辆路径问题通常描述为(如图1-2): 个配送中心用配送车按客户需求配送货物。配送中心用的配送车载重量一样，车数量已知，车的载重量大于各客户的货物需求，配送中心同所有客户的送货地点己经知晓，各个地点的前往的里程亦或是成本已经知晓，车辆自配送中心开始货物的配送，在实现配送之后返回至配送中心。所有的客户所需运输的货物仅能够单车单次来实现。问题的目标是，规划出可能少的车辆数、最短的总里程或费用来完成配送任务。车辆路径问题在实际应用上要比这描述复杂的多，根据实际需求车辆路径问题可拓展为各种不同类型的VRP问题，如：当VRP问题中只有一辆车，且车的载重量大于所有客户的货物需求总和时就简化成为TSP问题、上文对车辆路径问题的描述为CVRP带能力约束的车辆路径问题。如果有配送时间要求、车辆可多次使用、载重量不同、以及考虑搜集等问题。 2.2 VRP问题数学模型的建立 车辆路径问题通常描述为(如图1-2): 个配送中心用配送车按客户需求配送货物。配送中心用的配送车载重量一样，车数量已知，车的载重量大于各客户的货物需求，配送中心同所有客户的送货地点已经知晓，各个地点的前往的里程亦或是成本已经知晓，车辆自配送中心开始货物的配送，在实现配送之后返回至配送中心。所有的客户所需运输的货物仅能够单车单次来实现。问题的目标是，规划出可能少的车辆数、最短的总里程或费用来完成配送任务。本章首先对车辆路径问题做了描述，然后根据描述建立VRP问题的数学模型，为本文后面的讨论提交基本模型，车辆路径问题在实际应用上要比本模型复杂，为最后为了便于智能运输系统能自动构造模型和正确选择算法，提供了一个模型结构分类，逐步给求解VRP提供参考。 第3章蚁群算法.........12 3.1蚁群算法的基本原理.........12 3.2 TSP蚁群算法模型.........14 3.3蚁群算法的