物流配送中車輛選徑問(wèn)題研究.pdf

1、隨著經(jīng)濟(jì)向著全球化的迅速發(fā)展，供應(yīng)鏈系統(tǒng)變得越來(lái)越復(fù)雜，對(duì)經(jīng)濟(jì)的影響也越來(lái)越重要。而車輛選徑問(wèn)題(VRP)是供應(yīng)鏈研究的一項(xiàng)重要內(nèi)容。選取恰當(dāng)?shù)能囕v選徑方法，可以加快對(duì)客戶需求的響應(yīng)速度，提高服務(wù)質(zhì)量，增強(qiáng)客戶對(duì)物流環(huán)節(jié)的滿意度，降低服務(wù)商的運(yùn)作成本。因此，車輛選徑問(wèn)題一直是運(yùn)籌學(xué)、管理學(xué)和計(jì)算機(jī)應(yīng)用等領(lǐng)域里研究的熱點(diǎn)。本文研究的主要內(nèi)容如下： 1.針對(duì)現(xiàn)有的對(duì)于VRP的研究主要集中在需求是確定的，并且應(yīng)用的啟發(fā)式算法也過(guò)于單一

2、的情形，本文對(duì)隨機(jī)需求的VRP(VRPSD)進(jìn)行了研究。為了求解VRP，本文構(gòu)造了一個(gè)具有暫態(tài)混沌特性的神經(jīng)網(wǎng)絡(luò)，并利用它在解組合優(yōu)化問(wèn)題時(shí)具有的隨機(jī)性和確定性并存的優(yōu)點(diǎn)，進(jìn)一步提出了一種混沌神經(jīng)網(wǎng)絡(luò)解法。最后，把文中提出的算法與神經(jīng)網(wǎng)絡(luò)算法和模擬退火算法進(jìn)行了比較，結(jié)果表明該算法具有很強(qiáng)的尋優(yōu)性能和收斂效率。 2.對(duì)于隨機(jī)情形更加復(fù)雜的的隨機(jī)顧客和隨機(jī)需求的VRPSCD進(jìn)行了研究。針對(duì)標(biāo)準(zhǔn)模擬退火算法在求解車輛選徑問(wèn)題中存在的

3、收斂速度慢，易陷入局部極值點(diǎn)的問(wèn)題，提出了一種由模擬退火算法結(jié)合遺傳算法的混合算法求解該問(wèn)題，并與模擬退火算法作了比較。實(shí)驗(yàn)結(jié)果表明，該算法具有很強(qiáng)的避免陷入局部極小點(diǎn)的能力和較強(qiáng)的全局搜索的能力，具有計(jì)算效率高、收斂速度快和求解質(zhì)量?jī)?yōu)的特點(diǎn)。 3.目前，求解有時(shí)間窗的車輛選徑問(wèn)題中，尚無(wú)考慮車輛數(shù)的研究成果。本文提出了考慮車輛數(shù)和車輛運(yùn)行成本兩個(gè)目標(biāo)的數(shù)學(xué)規(guī)劃模型。對(duì)于標(biāo)準(zhǔn)遺傳算法在求解車輛選徑問(wèn)題中出現(xiàn)的“早熟”易陷入局部極

4、值點(diǎn)的問(wèn)題，提出了一種由遺傳算法結(jié)合模擬退火算法的混合算法求解提出的車輛選徑問(wèn)題，并與遺傳算法進(jìn)行了比較。該算法利用了模擬退火算法具有的較強(qiáng)的局部搜索能力的特性，有效地克服了傳統(tǒng)遺傳算法的“早熟”問(wèn)題。實(shí)驗(yàn)結(jié)果表明，該算法是解決車輛選徑問(wèn)題的有效方法。 4.針對(duì)逆向物流中的熱點(diǎn)問(wèn)題“具有同時(shí)配送和收貨需求的車輛選徑問(wèn)題”(VRPSDP)做了研究，設(shè)計(jì)了用于求解該問(wèn)題的禁忌搜索算法的鄰域結(jié)構(gòu)，并且研究了該問(wèn)題的幾個(gè)算例，得到了滿意