車輛路徑問題及其智能算法的研究.pdf

1、隨著經(jīng)濟全球化的快速擴張以及信息化產(chǎn)業(yè)的扶搖直上，物流作為新興服務業(yè)，廣闊的前景和增值功能有目共睹，正在全球范圍內有著飛躍性的進步。在物流諸多環(huán)節(jié)中，降低運輸成本、提高運輸效率有助于加速物流業(yè)的發(fā)展。因此，作為運輸?shù)暮诵膯栴}的車輛路徑問題得到了充足的研究，并取得了豐富的研究成果。它通過組織、優(yōu)化貨物的運輸線路，在滿足一定的約束前提下，以最低的運輸費用、最短的運輸距離、最少的運輸時間等為目標，將貨物送達目的地。
　　本文基于對車輛路

2、徑問題的數(shù)學模型，結合之前學者采用各種算法進行的豐富研究，設計了改進的粒子群算法應用于車輛路徑問題，以及用遺傳算法求解同時供貨和取貨任務的隨機車輛路徑問題。本文所做工作如下:
　　(1)簡要介紹了車輛路徑問題的研究進程與現(xiàn)狀，以及研究意義，介紹了車輛路徑問題的數(shù)學模型、精確算法、啟發(fā)式算法和智能優(yōu)化算法等。
　　(2)概要介紹了遺傳算法優(yōu)勝劣汰、粒子群算法群體趨優(yōu)的基本思想、算法步驟流程以及在各領域的應用。
　　(3)

3、主要研究用粒子群算法求解有能力約束的車輛路徑問題，由于粒子速度受到前一次速度的影響，進而影響算法的搜索能力，本文針對粒子群算法中慣性權重的選擇，采用線性與非線性結合的取值方式。實驗結果表明，改進后，搜索最優(yōu)解的成功率得到提高，全局搜索能力有所進步，并且計算精度也得到改善。而對于較大規(guī)模的車輛路徑問題，采用粒子群算法與遺傳算法相結合的方案，引入遺傳算法特有的交叉算子的思想。實驗結果顯示，改進后，較好的避免了早熟收斂，同時提高了收斂速度與精