基于蚁群算法的物流车辆路径优化问题的研究硕士论文推荐.pptVIP

作者： 于芹 作者单位：上海交通大学 文献类型：硕士论文 基于蚁群算法的物流车辆路径优化问题的研究 1 01 车辆路径规划概述 03 蚁群算法简介 02 VRP问题的相关研究 04 改进的ACO及TSP求解 05 CVRP问题及求解 Contents 目 录 2 1 车辆路径问题概述 3 车辆路径规划概述 车辆路径调度问题是由 G Dantzig 首先提出的, N Christofides 在后来总结深化。 车辆路径问题（VRP），主要解决的是派多少辆车走什么样的路线进行运输的问题。具体来讲，就是给定了相互连通的若干有货物需求的顾客点，若干车辆从配送中心出发，完成对所有顾客点的配送任务后回到配送中心，要求所走的路线不能重复，目的是找到最小成本的配送方案。 4 根据实际约束条件的差异，车辆路径问题种类千变万化，并各具特色。 5 经典车辆路径问题，其实就是在车辆路径的调度中，仅仅考虑最基本的货车载重量约束(或容量约束)的最一般化的运输问题，即有容量约束的车辆路径问题(Capacitated Vehicle Routing Problem）。 经典VRP要求满足的条件及假设： 经典车辆路径问题CVRP 6 CVRP的数学模型 7 带时间窗的车辆路径问题VRPTW 在很多时候，会要求在一定时间范围内到达顾客点(当然有时配送中心也有时间范围限制)，否则将因停车等待或配送延迟而产生损失。比较而言，时间窗VRP除了必须实现经典 VRP 的要求，还要考虑访问时间的限制，这样才能找到合理方案。 8 VRPTW 的数学模型 9 2 VRP问题的相关研究 10 对VRP问题的相关研究 求解问题的精确算法 分支定界法 Laporte等人利用VRP和其松弛形式T-VRP之间的关系,把T-VRP转化成了TSP的分枝定界算法求解了一般问题 动态规划算法 将VRP问题视为一个n阶段的决策问题,进而将其转化为依次求解n个具有递推关系的单阶段决策问题.Eilon通过递归的形式利用动态规划法求解具有固定车辆数的VRP问题 三下标车辆流方程 由Fisher等人提出,用以求解带能力约束、时间窗口以及无停留时间的VRP问题。在该方程中,两个下标表示弧或边,另一个下标表示车辆的序号。 二下标车辆流方程 Laporte提出了用以求解对称的一般VRP问题,结合了爬山法的思想,核心依然是线性规划。 11 求解问题的元启发式算法 禁忌搜索算法 由Glover在1986年提出，是一种全局逐步寻优算法,此算法采用禁忌搜索表纪录已达到过的局部最优点,在下一次搜索中对于禁忌表中的节点有选择或是不再选择，以此来避免陷入局部最优解。Gendrean最先用此法解决VRP问题 模拟退火算法 解决VRP问题时，将物理退火中原子获得的能量相当于分配最优节点，将原子震动模拟为线路寻优空间的随机搜索。（Laporte和Teodorovic） 遗传算法 Berger和Barkaoui（2004）利用并行混合遗传算法求解带时间窗的车辆路径问题。郎茂祥通过构建单亲遗传算法,有效改进了传统遗传算法对复杂问题搜索效率低,易陷入过早收敛的缺陷。 蚁群算法 Bullnheimer B.等人首先将蚁群算法的思想用于VRP问题。Bell John.E等提出一种改进的蚁群算法用来求解VRP。Alberbo V等人改进蚁群算法求解TDVRP。刘志硕等人构造了求解的自适应蚁群算法。 12 3 蚁群算法简介 13 蚁群算法简史 2001年至今 1996年-2001年 意大利学者 Dorigo1991年 启发 14 蚁群算法简史 蚁群算法（Ant Algorithm)是一种由自然界真实蚂蚁觅食行为提炼而成的优化算法，于1991年，由意大利学者Macro Dorigo在其博士论文中提出，并成功的解决了旅行商（TSP）问题。 1996年,Macro Dorigo等人在《IEEE系统、人、控制论汇刊》上发表了”Ant system:optimization by a colony of cooperating agents”一文，系统地阐述了蚁群算法的基本原理和数学模型，蚁群算法逐渐引起了世界许多国家研究者的关注，其应用领域也得到了迅速拓宽。 15 1998年10月在比利时布鲁塞尔召开了第一届蚁群算法国际研讨会（ANTS），标志着蚁群算法的正式国际化。 2000年，Marco Dorigo和Bonabeau E等人在国际顶级学术刊物《Nature》上发表了蚁群算法的研究综述，从而把这一领域的研究推向了国际数学的最前沿。 在我国，最早关于蚁群算法的研究见于1997年10月张纪会与徐心和发表的论文“一种新的进化算法——蚁群算法”中。 蚁群算法简史 16 蚁群算法