基于混合進(jìn)化算法的車輛路徑優(yōu)化問(wèn)題的研究.pdf

1、隨著社會(huì)主義市場(chǎng)經(jīng)濟(jì)的發(fā)展，作為“第三利潤(rùn)源泉”的物流對(duì)經(jīng)濟(jì)活動(dòng)的影響日益明顯，物流配送業(yè)得到了迅速發(fā)展。物流車輛路徑優(yōu)化調(diào)度，是物流配送中的關(guān)鍵環(huán)節(jié)，對(duì)企業(yè)提高服務(wù)質(zhì)量、降低物流成本、增加經(jīng)濟(jì)效益的影響也較大。在現(xiàn)實(shí)生產(chǎn)和生活中，郵政投遞問(wèn)題、公共汽車調(diào)度問(wèn)題、電力調(diào)度問(wèn)題、管道鋪設(shè)問(wèn)題、機(jī)器人路徑規(guī)劃、計(jì)算機(jī)網(wǎng)絡(luò)拓?fù)湓O(shè)計(jì)問(wèn)題等都可以抽象為物流配送車輛調(diào)度問(wèn)題。
　　物流配送車輛路徑調(diào)度問(wèn)題作為一個(gè)NP難題，可選的配送路徑方案計(jì)

2、算量將隨著客戶數(shù)量的增加以指數(shù)速度急劇增長(zhǎng)。進(jìn)化算法是基于生物進(jìn)化機(jī)制的搜索算法，適合于求解復(fù)雜系統(tǒng)優(yōu)化問(wèn)題，特別是組合優(yōu)化問(wèn)題有明顯的優(yōu)勢(shì)。因此，用進(jìn)化算法求解該問(wèn)題就成為人們研究的一個(gè)重要方向。
　　本文在對(duì)國(guó)內(nèi)外物流配送車輛調(diào)度現(xiàn)狀及其實(shí)現(xiàn)技術(shù)對(duì)比的基礎(chǔ)上，結(jié)合VRP(Vehicle Routing Problem)問(wèn)題模型，研究了混合進(jìn)化算法解決車輛路徑問(wèn)題的方法，并開(kāi)發(fā)了基于混合進(jìn)化算法的智能物流配送系統(tǒng)。
　　首

3、先，將免疫算法產(chǎn)生的免疫細(xì)胞和記憶功能作為算子加入遺傳算法中解決了尋找多峰值難點(diǎn)，種群初始化時(shí)結(jié)合Pareto最優(yōu)準(zhǔn)則使種群分布均勻，局部搜索時(shí)用模擬退火算法解決了早熟問(wèn)題，并融合蟻群算法較強(qiáng)的路徑尋優(yōu)能力和正反饋性縮短搜索時(shí)間，形成了混合進(jìn)化算法。
　　其次，分別對(duì)小規(guī)模客戶群和中等規(guī)模客戶群進(jìn)行了固定區(qū)域的測(cè)試，并建立了模擬電子地圖環(huán)境，根據(jù)具體的任務(wù)要求，尋求一條連接起始點(diǎn)到終點(diǎn)且能避開(kāi)環(huán)境中障礙物的運(yùn)動(dòng)軌跡，在障礙物密度和

4、分布復(fù)雜程度不同的環(huán)境中，搜索近似最優(yōu)的可行路徑。
　　最后，結(jié)合面向?qū)ο蟮南到y(tǒng)分析和設(shè)計(jì)方法，設(shè)計(jì)并開(kāi)發(fā)了基于混合進(jìn)化算法的智能物流配送系統(tǒng)，應(yīng)用于吉林省延吉市區(qū)。新的混合進(jìn)化算法將遺傳算法、免疫算法、蟻群算法及Pareto最優(yōu)準(zhǔn)則的優(yōu)點(diǎn)結(jié)合在一起，減少了不完全收斂現(xiàn)象，并避免算法陷入早熟，解決了傳統(tǒng)進(jìn)化算法公認(rèn)的兩大缺點(diǎn)，具有高效通用性。
　　實(shí)驗(yàn)結(jié)果證明，混合進(jìn)化算法對(duì)物流車輛路徑優(yōu)化問(wèn)題在全局收斂效率和收斂速度上都具