基于云模型的車輛調(diào)度問題研究.pdf

1、物流作為“降低成本的最后邊界”,是排在降低原材料消耗、提高勞動生產(chǎn)率之后的“第三利潤源泉”,在我國國民經(jīng)濟和社會發(fā)展中發(fā)揮著重要的作用,在物流配送活動中,車輛調(diào)度的合理與否對配送速度、成本、效益影響很大。采用科學(xué)合理的方法,對車輛調(diào)度問題進行優(yōu)化,一直以來都是學(xué)術(shù)界和企業(yè)界關(guān)注的熱點問題之一。
　　 在實際的城市物流體系或是區(qū)域物流體系中,往往存在著多個配送中心,對多配送中心車輛調(diào)度問題的研究具有重要的現(xiàn)實意義。現(xiàn)有研究文獻對于

2、多配送中心車輛調(diào)度問題的求解,基本上可以分為分解法和全局優(yōu)化法。由于分解法存在任務(wù)分配不當(dāng),子問題的獨立性破壞問題整體性的不足,所以利用智能優(yōu)化算法從全局優(yōu)化的角度來求解多配送中心車輛調(diào)度問題成為研究的主攻方向。
　　 遺傳算法及其改進算法在車輛調(diào)度問題中得到了廣泛的應(yīng)用,但遺傳算法只考慮了進化搜索過程中的趨勢性而忽視了隨機性,因此如何基于正態(tài)云模型的普適性及云模型中云滴所具有的隨機性和穩(wěn)定傾向性的特點(隨機性可保持個體多樣性從

3、而避免搜索陷入局部極值,而穩(wěn)定傾向性又可以很好地保護較優(yōu)個體從而對全局最優(yōu)值進行自適應(yīng)定位),由云模型的X條件云發(fā)生器算法來生成進化搜索過程中自適應(yīng)的交叉概率和變異概率,進而克服遺傳算法求解車輛調(diào)度問題的不足成為本文的研究重點。
　　 本文首先簡述了物流配送車輛調(diào)度問題及相關(guān)的理論、方法與技術(shù),著重研究了遺傳算法在車輛調(diào)度問題中的應(yīng)用和存在的不足。然后系統(tǒng)分析了云模型的性質(zhì)、特征、云發(fā)生器的工作原理,探索引入云模型理論克服遺傳算