基于蚁群算法的物流车辆路径优化问题的的相关研究.pptx

作者： 于芹 作者单位：上海交通大学 文献类型：硕士论文 ;01;1;车辆路径规划概述;;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： ;CVRP的数学模型;2;对VRP问题的相关研究;求解问题的元启发式算法;3;蚁群算法简史;蚁群算法简史;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。 ;蚁群算法的研究现状;蚁群算法原理;蚁群算法原理;下图是一个形象化的图示，用以说明蚁群的路径搜索过程;蚂蚁算法采用人工蚂蚁模拟自然界蚂蚁的寻径方式，每个人工蚂蚁的行为符合下列规律;基于TSP的基本蚁群算法的数学模型;在 t 时刻蚂蚁 k 由城市 i 转移到城市 j的状态转移概率; 为了避免残留信息素过多引起残留信息淹没启发信息，在每只蚂蚁走完一步或者完成对所有n个城市的遍历（也即一个循环结束）后，要对残留信息进行更新处理。t+n时刻在路径(i, j)上的信息量可按照如下规则进行调整。; 根据信息素更新策略的不同，Dorigo M 提出了三种不同的基本蚁群算法模型，分别称之为Ant-Cycle 模型、Ant-Quantity 模型及Ant-Density模型;;基本蚁群算法的程序结构流程;4;蚁群算法的基本步骤：;基本蚁群算法的改进; 改进算法中位于第i个结点的蚂蚁k，按以下选择策略移动到结点 j：;改进算法的信息素局部更新规则;改进算法的信息素全局更新规则 ;蚁群算法应用实例 ;计算结果;每次迭代的最短距离与平均距离对比图;结果对比;5;CVRP 问题的蚁群算法实现; 在VRP 问题中，每只蚂蚁所构造的回路仅是可行解的一个组成部分，各蚂蚁所构造的回路可能能够组成一些可行解，但也可能一个可行解都得不到。避免无可行解 可采取以下策略???;CVRP实例仿真;运行过程界面;一次仿真运行的结果;;多配送中心的车辆路径问题 MDVRP;MDVRP的数学模型