基于改进蚁群算法的门店配送路径设计
发布时间：2022-02-22 20:44
随着我国近十几年的经济快速发展和人们需求消费模式变化,物流业迅猛发展,但在物流活动中配送成本一直居高不下,占到总物流成本一半以上。而配送成本又与物流配送活动中的车辆路径设计问题密切相关。因此,合理安排车辆行驶路线以及考虑客户对配送时间紧迫性的不同,以达到降低物流配送成本的目的,有助于企业提高其经济效益和顾客满意度。本文首先介绍了车辆路径问题VRP（Vehicle Routing Problem）和蚁群算法ACA（Ant Colony Algorithm）的研究进展情况以及研究VRP问题的意义,其中重点描述了带时间窗的车辆路径问题。根据客户对服务时间要求不一致的情形,在满足最大行驶距离以及最大配送订单数等约束条件下,建立了以配送成本为优化目标的软硬时间窗车辆路径问题VRPSHTW（Vehicle Routing Problem with Soft and Hard Time Windows）优化模型。总配送成本包括行驶成本、时间惩罚成本和车辆固定成本,模型中不仅考虑车辆未在软时间窗客户规定的时间段到达所产生的时间惩罚成本,同时考虑等待硬时间窗客户生成的时间惩罚成本。接着针对传统蚁群算法易...
【文章来源】：武汉纺织大学湖北省
【文章页数】：51 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究背景
1.2 车辆路径问题研究现状
1.2.1 车辆路径问题的发展
1.2.2 车辆路径问题分类
1.2.3 带时间窗的车辆路径问题研究现状
1.3 蚁群算法研究现状
1.4 研究内容
2 软硬时间窗车辆路径问题优化模型
2.1 车辆路径问题VRP模型
2.2 VRPSHTW优化模型
2.2.1 模型假设条件
2.2.2 模型建立
2.3 本章小结
3 改进蚁群算法研究
3.1 基本蚁群算法
3.1.1 蚁群算法基本原理
3.1.2 蚁群算法基本模型
3.1.3 蚁群算法求解TSP基本步骤
3.1.4 蚁群算法求解VRP与 TSP的区别
3.1.5 蚁群算法基本参数
3.2 蚁群算法设计
3.2.1 状态转移规则
3.2.2 伪随机因子的改进
3.2.3 更新信息素浓度
3.2.4 改进蚁群算法的求解步骤
3.3 仿真结果比较
3.4 本章小结
4 改进蚁群算法的X食品门店配送应用
4.1 数据收集
4.2 参数设置
4.3 不同出发时刻下的配送结果
4.3.1 以最小的预计到达时刻为基准的配送策略
4.3.2 以最小的最晚服务时刻为基准的配送策略
4.3.3 配送结果对比分析
4.4 本章小结
5 结论与展望
5.1 结论
5.2 展望
参考文献
附录
致谢
【参考文献】：
期刊论文
[1]一种启发式动态信息素更新策略的蚁群算法[J]. 刘中强,游晓明,刘升. 计算机工程与应用. 2018(20)
[2]带软时间窗的连锁超市配送车辆路径问题[J]. 夏扬坤,符卓. 信息与控制. 2018(05)
[3]中国高物流成本的危害及其对策——基于马克思资本流通理论视角[J]. 张存刚,史美玉. 兰州财经大学学报. 2018(02)
[4]生鲜农产品冷链物流低碳配送路径优化研究[J]. 康凯,韩杰,普玮,马艳芳. 计算机工程与应用. 2019(02)
[5]基于改进蚁群算法的物流配送路径优化研究[J]. 邓波,蒲保兴. 邵阳学院学报(自然科学版). 2017(04)
[6]求解TSP的改进信息素二次更新与局部优化蚁群算法[J]. 许凯波,鲁海燕,程毕芸,黄洋. 计算机应用. 2017(06)
[7]软硬时间窗共存装卸一体化车辆路径问题的混合离散粒子群优化算法[J]. 周蓉,沈维蕾. 合肥工业大学学报(自然科学版). 2016(08)
[8]基于蚁群算法的军事物流配送车辆调度优化问题研究[J]. 陈军,智军,王毓龙. 物流工程与管理. 2015(05)
[9]基于信息素更新和挥发因子调整的改进蚁群算法[J]. 孟晓琳,黄天民,陈尚云. 成都大学学报(自然科学版). 2015(01)
[10]带时间窗的配送车辆路径问题模型及算法[J]. 王莲花,彭鑫. 物流技术. 2015(05)
博士论文
[1]带时间窗车辆路径问题及其算法研究[D]. 潘立军.中南大学 2012
硕士论文
[1]HM鲜生公司末端配送路径优化研究[D]. 王乐.东北农业大学 2018
[2]网上订餐生产配送联合调度模型及算法研究[D]. 易彩玉.大连理工大学 2016
[3]基于延迟策略的配送成本与配送服务均衡模型研究[D]. 刘丽娜.西安电子科技大学 2014
[4]基于改进蚁群算法的物流配送路径优化及应用研究[D]. 范青.西安建筑科技大学 2014
[5]带时间窗车辆路径问题的蚁群算法改进[D]. 董攀.长沙理工大学 2014
[6]基于蚁群算法的邯郸市世佳连锁超市配送路线优化问题研究[D]. 靳向宇.中国海洋大学 2013
[7]基于成本的配送路线优化模型与算法研究[D]. 胡鹤严.吉林大学 2012
[8]改进的蚁群算法在实际VRP中的应用研究[D]. 石华瑀.山东大学 2012
[9]基于蚁群算法的美特好配送路径优化研究[D]. 李慧.山西大学 2011
[10]动态多目标车辆路径问题的算法研究[D]. 钱艳婷.天津理工大学 2011
本文编号：3640171
【文章来源】：武汉纺织大学湖北省
【文章页数】：51 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究背景
1.2 车辆路径问题研究现状
1.2.1 车辆路径问题的发展
1.2.2 车辆路径问题分类
1.2.3 带时间窗的车辆路径问题研究现状
1.3 蚁群算法研究现状
1.4 研究内容
2 软硬时间窗车辆路径问题优化模型
2.1 车辆路径问题VRP模型
2.2 VRPSHTW优化模型
2.2.1 模型假设条件
2.2.2 模型建立
2.3 本章小结
3 改进蚁群算法研究
3.1 基本蚁群算法
3.1.1 蚁群算法基本原理
3.1.2 蚁群算法基本模型
3.1.3 蚁群算法求解TSP基本步骤
3.1.4 蚁群算法求解VRP与 TSP的区别
3.1.5 蚁群算法基本参数
3.2 蚁群算法设计
3.2.1 状态转移规则
3.2.2 伪随机因子的改进
3.2.3 更新信息素浓度
3.2.4 改进蚁群算法的求解步骤
3.3 仿真结果比较
3.4 本章小结
4 改进蚁群算法的X食品门店配送应用
4.1 数据收集
4.2 参数设置
4.3 不同出发时刻下的配送结果
4.3.1 以最小的预计到达时刻为基准的配送策略
4.3.2 以最小的最晚服务时刻为基准的配送策略
4.3.3 配送结果对比分析
4.4 本章小结
5 结论与展望
5.1 结论
5.2 展望
参考文献
附录
致谢
【参考文献】：
期刊论文
[1]一种启发式动态信息素更新策略的蚁群算法[J]. 刘中强,游晓明,刘升. 计算机工程与应用. 2018(20)
[2]带软时间窗的连锁超市配送车辆路径问题[J]. 夏扬坤,符卓. 信息与控制. 2018(05)
[3]中国高物流成本的危害及其对策——基于马克思资本流通理论视角[J]. 张存刚,史美玉. 兰州财经大学学报. 2018(02)
[4]生鲜农产品冷链物流低碳配送路径优化研究[J]. 康凯,韩杰,普玮,马艳芳. 计算机工程与应用. 2019(02)
[5]基于改进蚁群算法的物流配送路径优化研究[J]. 邓波,蒲保兴. 邵阳学院学报(自然科学版). 2017(04)
[6]求解TSP的改进信息素二次更新与局部优化蚁群算法[J]. 许凯波,鲁海燕,程毕芸,黄洋. 计算机应用. 2017(06)
[7]软硬时间窗共存装卸一体化车辆路径问题的混合离散粒子群优化算法[J]. 周蓉,沈维蕾. 合肥工业大学学报(自然科学版). 2016(08)
[8]基于蚁群算法的军事物流配送车辆调度优化问题研究[J]. 陈军,智军,王毓龙. 物流工程与管理. 2015(05)
[9]基于信息素更新和挥发因子调整的改进蚁群算法[J]. 孟晓琳,黄天民,陈尚云. 成都大学学报(自然科学版). 2015(01)
[10]带时间窗的配送车辆路径问题模型及算法[J]. 王莲花,彭鑫. 物流技术. 2015(05)
博士论文
[1]带时间窗车辆路径问题及其算法研究[D]. 潘立军.中南大学 2012
硕士论文
[1]HM鲜生公司末端配送路径优化研究[D]. 王乐.东北农业大学 2018
[2]网上订餐生产配送联合调度模型及算法研究[D]. 易彩玉.大连理工大学 2016
[3]基于延迟策略的配送成本与配送服务均衡模型研究[D]. 刘丽娜.西安电子科技大学 2014
[4]基于改进蚁群算法的物流配送路径优化及应用研究[D]. 范青.西安建筑科技大学 2014
[5]带时间窗车辆路径问题的蚁群算法改进[D]. 董攀.长沙理工大学 2014
[6]基于蚁群算法的邯郸市世佳连锁超市配送路线优化问题研究[D]. 靳向宇.中国海洋大学 2013
[7]基于成本的配送路线优化模型与算法研究[D]. 胡鹤严.吉林大学 2012
[8]改进的蚁群算法在实际VRP中的应用研究[D]. 石华瑀.山东大学 2012
[9]基于蚁群算法的美特好配送路径优化研究[D]. 李慧.山西大学 2011
[10]动态多目标车辆路径问题的算法研究[D]. 钱艳婷.天津理工大学 2011
本文编号：3640171
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3640171.html