基于Spark带时间窗约束的车辆路径问题蚁群优化算法研究.docxVIP

鉴于Spark带时间窗拘束的车辆路径问题蚁群优化算法研究 作为一个在诸多研究方向都炙手可热的组合优化和整数规划问题,车辆路径 问题(VehicleRoutingProblem,VRP)近几十年来在图论、运筹学、应用数学、 计算机应用等领域都有着深入而宽泛的应用和实践。近十年来,随着我国电子商 务的爆发式增长,VRP问题在物流配送、快递运输方面的应用和其带来的经济价 值使得它在科学研究领域的重要性不断增强。 带时间窗拘束的车辆路径问题(VehicleRoutingProblemWithTime Windows,VRPTW)是VRP问题的一个分支,拥有更高实际应用价值,但有关研究比 较少。随着大数据和云计算技术的发展,大数据并行计算框架Spark和Hadoop 在工业界已经取得了不错的成绩,可是在科学研究领域的尝试还较少。 本文的主要工作包括:第一,分别对VRPTW问题、蚁群算法、蚁群算法求解 VRPTW问题三个领域进行综述。第二,提出蚁群算法的优化改良策略,改良后的算 法交融了“蚁周模型”和最大最小蚂蚁系统(MMAS)的思想,信息素的更新采用全 局信息,并将信息素浓度控制在一定范围内使得算法不会过早陷入局部最优;在 蚂蚁的状态转移规则中引入时间窗跨度、等待时间和节俭值作为影响因子;提出 两种信息素的局部蒸发策略;增添信息素挥发率的动向调整策略;最后将改良后 的蚁群算法与局部搜寻优化