密集型物流聯(lián)盟車輛調(diào)度優(yōu)化技術(shù)研究與開發(fā).pdf

1、與傳統(tǒng)車輛調(diào)度問題相比，密集型物流聯(lián)盟車輛調(diào)度問題是一類新興且更為復(fù)雜的現(xiàn)實問題，本文在深入研究了車輛調(diào)度模型和群智能理論的基礎(chǔ)上，提出一種新的改進蟻群算法對其進行優(yōu)化求解。 群智能算法作為一種啟發(fā)式搜索算法，大量實驗結(jié)果表明，它在面對許多NP-Hard問題和組合優(yōu)化問題，特別是問題規(guī)模較大、復(fù)雜度較高時，會表現(xiàn)出較好的求解能力。因此，它吸引了眾多專家和學者對其進行不斷的研究、改進和優(yōu)化，并正在經(jīng)歷著一個不斷發(fā)展完善的過程。作為

2、群智能算法代表的蟻群算法是一種模擬進化算法，具有很好的通用性和魯棒性，但它存在計算時間較長、容易陷入局部最優(yōu)等問題。為了改進蟻群算法，本文研究了基于粗粒度模型的并行蟻群算法，引入粒子群優(yōu)化算法中粒子特性和遺傳算法中的交叉變異機制，提出了具有粒子群特征的優(yōu)化并行蟻群算法。 此外，本文完成了密集型物流聯(lián)盟信息平臺的架構(gòu)設(shè)計和其中車輛調(diào)度功能模塊的系統(tǒng)實現(xiàn)。在相同環(huán)境下，應(yīng)用本文算法和其它算法對聯(lián)盟車輛調(diào)度問題進行仿真實驗，并對結(jié)果進