基于函數(shù)逼近的物流車輛路徑規(guī)劃方法及應用研究.pdf_第1頁
已閱讀1頁,還剩68頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、物流車輛的路徑規(guī)劃問題關(guān)系到車輛運輸成本和物流活動效率的高低,是我國物流產(chǎn)業(yè)轉(zhuǎn)型升級過程中必須解決的重要問題。信息技術(shù)和通信技術(shù)的快速發(fā)展和廣泛應用、新型的物流形式如電商生鮮物流等都促進了實時動態(tài)路徑規(guī)劃方法的發(fā)展和應用。本文從當前物流活動的新形勢出發(fā),以解決隨機多車輛路徑規(guī)劃問題的維數(shù)災為目標,以近似動態(tài)規(guī)劃理論和函數(shù)逼近技術(shù)為工具,針對物流活動中應用普遍但求解困難的帶隨機需求和服務期限的多車輛路徑規(guī)劃問題進行建模和算法研究。

2、  本研究首先將帶隨機需求和服務期限的多車輛路徑規(guī)劃問題建模為大規(guī)模馬爾可夫決策過程。模型以最大化期望服務需求為目標函數(shù),使用車輛狀態(tài)和客戶狀態(tài)記錄決策所需信息。其次,在建模的基礎(chǔ)上提出了兩個在線學習算法:基于線性函數(shù)逼近的近似策略迭代算法(RLSTD-API)和基于基函數(shù)優(yōu)化的近似值迭代算法(CEO-AVI)。RLSTD-API符合近似動態(tài)規(guī)劃領(lǐng)域中的近似策略迭代框架,其在以k-means聚類方法獲取狀態(tài)重要特征的基礎(chǔ)上使用遞歸最小二

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論