基于蚁群算法的车辆调度问题研究答辩PPT课件.ppt

基于蚁群算法的车辆调度问题研究答辩PPT课件.ppt

  1. 1、本文档共39页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
* 蚁群算法的优缺点 主要优点: 蚁群算法是一种分布式的本质并行算法 蚁群算法是一种正反馈算法 蚁群算法具有较强的鲁棒性 易于与其它方法结合 主要不足之处: 收敛速度慢、计算时间长 易于过早的陷入局部最优 在不利于解决连续问题 * 蚁群算法求解车辆调度问题 开始扫描前 扫描分组后 注:图中圆点代表任务点,方块代表车场;不同线型连接的任务点代表不同分组。 Sweep算法 * 蚁群算法求解车辆调度问题 Sweep算法步骤: * 蚁群算法求解车辆调度问题 蚁群算法求解TSP问题的实现步骤: * 蚁群算法求解车辆调度问题 * 蚁群算法求解TSP问题的流程图 * 蚁群算法求解一般车辆调度问题 求解过程: * 实例分析 任务点和车场分布如图所示: 图4.4 任务点和车场的分布图 注:图中方形代表车场,圆形代表任务点 * 实例分析 初始扫描线与X轴夹角设定为0,算法第一步由Sweep算法的两个分组(1,3,5,6,8,11,12),(2,4,7,9,10)。分组结果如下图所示: 图4.5 任务点的分组情况 注:图中方形代表车场,圆形和三角形代表任务点,相同形状的任务点属于一组 * 实例分析 选择 ,得到最短路径长度分别为78.78 (1,3,5,6,8,11,12),55.52(2,4,7,9,10)。调度方案如下图所示: 图4.6 调度方案 注:图中方形代表车场,圆形和三角形代表任务点,相同形状的任务点属于一组 * 蚁群算法求解带时间窗的车辆调度问题 带时间窗车辆调度问题的多目标函数 * 蚁群算法的改进 信息素浓度更新规则改进 * 蚁群算法的改进 系数更新策略的改进 * 蚁群算法的改进 轮盘赌选择策略 轮盘赌选择策略类似于博彩游戏中的轮盘赌。如表4.4所示,任务点各自的选择概率将轮盘分成4个扇区,要进行1次选择,随机生成1个随机数,相对于转动轮盘1次,获得1次指针停止位置,指针停止在某一扇区,该扇区代表该任务点被选中。 任务点选择概率 任务点按选择概率的轮盘分布 * 蚁群算法求解带时间窗车辆调度问题 求解过程: * 蚁群算法求解带时间窗车辆调度问题 任务点分组时间合理性检查条件: 或者 * 实例分析 采用标准数据 R102 * 给出一个解得出车安排:车辆数17,总行驶路程1503.7313,总等待时间是747.9307。出车安排如下表所示。 实例分析 * 优化调度算法在车辆调度系统中的应用 无线分组数据传输4S一体化智能交通系统是由武汉市科技局下达的科研项目,该项目2005年6月通过鉴定(鉴定证书编号:武科高鉴字[2005]第131号)。该系统将无线分组数据传输(GPRS)、遥感遥测(RS)、全球卫星定位系统(GPS)、地理信息系统(GIS)和遥控技术一体化。在GPRS网所覆盖的全国范围内同时对多个车辆实现远程控制及包含图像传输在内的多项实用功能。系统将所有移动目标的实时活动数据传回监控中心,以供监控中心对移动目标进行实时监控管理、调度等。为长途客运、出租车运营、私家车提供无线监控,协助警察打击犯罪活动;为物流企业提供获得实时车辆行驶位置、速度等车辆信息的手段,以实现对车辆的智能化调度。 * 系统组成结构 车辆调度系统结构图 * 车辆优化调度子系统 车辆优化调度子系统功能结构 * 车辆优化调度系统流程分析 * 在算法的选择策略上参照了如下规则 算法的选择策略 * 算法的选择策略 调度任务解决过程 (1) 获取货源信息: (2) 货源数据与运力资源数据的搜索与调用 (3) 智能调度 (4) 货运任务的全程实时管理与行为记录 * 全文总结 本文主要创新点如下: 1.本论文针对一般蚁群算法的在寻优过程中容易出现停滞现象或收敛过早,或者搜索效率不高等缺点进行了分析,提出从信息素更新规则、更新系数和更新策略方面进行改进的方案,并就蚂蚁前进选择策略和如何确定选择集合做改进,通过实例验证,该方案有效的提高了算法收敛速度,扩大了算法搜索空间。 2.本文为求解一般车辆调度问题和带时间窗的车辆调度问题,设计了基于Sweep算法和蚁群算法的二阶求解方法,实现对车辆数和路径长度的优化,并对算法的仿真实验结果进行分析,指出了该方法求解过程中出现随机性的一些原因。试验结果证明,该算法能有效地实现对路径和车辆数的优化。 3.车辆调度问题是一个很典型的组合优化问题,蚁群算法是现代智能优化算法,本文将蚁群算法和车辆调度问题结合起来,实现了对车辆调度的优化,

文档评论(0)

菲菲宝贝 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档