改進(jìn)蟻群算法研究及其在車輛調(diào)度中的應(yīng)用.pdf

1、隨著市場經(jīng)濟(jì)的發(fā)展，作為“第三利潤源泉”的物流對經(jīng)濟(jì)活動(dòng)的影響日益明顯，越來越引起了人們的高度重視，已成為當(dāng)前“最重要的競爭領(lǐng)域”之一。未來的市場競爭，物流將起到舉足輕重的作用。物流配送中的車輛調(diào)度優(yōu)化方法和系統(tǒng)，是實(shí)現(xiàn)快速、準(zhǔn)確和低成本物流配送的重要手段和途徑，是現(xiàn)代物流系統(tǒng)必不可少的重要部分。 然而，現(xiàn)有的物流系統(tǒng)大多采用人工或計(jì)算機(jī)輔助的方法進(jìn)行車輛調(diào)度，因此，不僅調(diào)度時(shí)間長，而且，不可能綜合多目標(biāo)多約束調(diào)度需求進(jìn)行科學(xué)的

2、量化分析和優(yōu)化處理。因此，研究物流配送中的車輛調(diào)度需求，建立多目標(biāo)多約束環(huán)境下的車輛調(diào)度數(shù)學(xué)模型，提出有效的、對一般車輛調(diào)度問題具有一定適用性的智能優(yōu)化方法，并研制車輛調(diào)度系統(tǒng)具有重要的理論意義和實(shí)用價(jià)值。 本文的主要工作和貢獻(xiàn)在于： 1、在對智能路徑優(yōu)化算法進(jìn)行分析對比的基礎(chǔ)上，深入研究了基本蟻群算法的基本原理、模型、實(shí)現(xiàn)方法及其仿真效果，分析了基本蟻群算法的優(yōu)點(diǎn)及其不足。 2、針對基本蟻群算法存在的計(jì)算時(shí)間長

3、、易于陷入局部最優(yōu)等缺點(diǎn)，提出和實(shí)現(xiàn)了基于模式學(xué)習(xí)的動(dòng)態(tài)小窗口蟻群算法(DLWACAPL)和融入遺傳算法的DLWACAPL(HACAGA)，并通過案例測試，證明了上述兩種改進(jìn)蟻群算法的有效性和適應(yīng)性。 3、研究了面向能力約束的車輛路徑問題(CVRP)和面向時(shí)間窗的車輛路徑問題(VRPTW)數(shù)學(xué)模型、求解方法以及車輛調(diào)度的多目標(biāo)優(yōu)化策略，包括多目標(biāo)體系、數(shù)學(xué)模型和多目標(biāo)的綜合優(yōu)化方法。 4、基于本文提出的改進(jìn)蟻群算法(DL