基于蟻群算法的動態(tài)車輛調度問題的研究.pdf

1、車輛調度問題涉及的行業(yè)非常廣泛，高節(jié)奏的生活對運輸業(yè)實時性的要求越來越強烈。如何在靜態(tài)車輛調度問題的基礎上解決動態(tài)車輛調度問題并且得出最優(yōu)的調度結果，已經成為眾多學者研究的重點和難點。車輛調度問題屬于NP難問題，以往的求解算法可以分為精確算法和啟發(fā)式算法兩大類:精確算法由于引入了嚴格的數學方法，無法避免指數爆炸增長，所以只能有效求解小規(guī)模的車輛調度問題;絕大多數研究學者把精力用在構造高質量的啟發(fā)式算法上。本文通過比較各種啟發(fā)式算法，并選

2、擇改進的蟻群算法來解決運輸途中有新訂單出現(xiàn)的動態(tài)車輛調度問題。
　　 本文圍繞基于蟻群算法的動態(tài)車輛調度這一主題，主要做了以下幾方面的工作:
　　 1.首先簡單的描述了車輛調度問題，然后研究了動態(tài)車輛調度問題，比較了靜態(tài)車輛調度和動態(tài)車輛調度的區(qū)別，分析了動態(tài)車輛調度問題中變化信息的處理方法。最后研究了各種針對車輛調度問題的算法，包括精確算法、啟發(fā)式算法及亞啟發(fā)式算法。
　　 2.比較各類算法并最終選擇蟻群算法，

3、通過一系列的仿真實驗，對蟻群算法參數的合理選取進行了較為深入的研究，提出了最優(yōu)算法參數組合。較于以前完全憑經驗和試探來選取參數，大大提高了效率。同時在三個方面對基本蟻群算法進行改進:(1)揮發(fā)因子由常數變成變量函數;(2)引入“獎懲”機制;(3)最大最小蟻群系統(tǒng)。將改進后的蟻群算法分別與基本蟻群算法、遺傳算法進行實例分析比較，驗證改進蟻群算法的有效性。
　　 3.進行實例仿真:運用Matlab仿真軟件對旅行商問題、帶時間窗的靜態(tài)

4、車輛調度問題、理想路況和現(xiàn)實路況的實例等進行了仿真對比，通過與基本蟻群算法、遺傳算法的仿真對比得出改進蟻群算法得到的優(yōu)化結果更好，證明了改進蟻群算法的有效性。
　　 4.分析選擇了現(xiàn)實生活中較常發(fā)生的一類動態(tài)車輛調度——在運輸途中有新訂單到來，并用改進蟻群算法對新到訂單進行處理接受還是拒絕，接受新訂單的話如何在送貨途中的基礎上完成新訂單的任務。
　　 本文有效的完成了對基本蟻群算法的改進，并用改進蟻群算法使得一類動態(tài)車輛