基于粒子群——蟻群算法的隨機需求車輛路徑問題研究.pdf

1、隨著經(jīng)濟全球化和信息化的飛速發(fā)展,物流作為一個重要的服務(wù)行業(yè),正在全世界范圍內(nèi)興起。然而隨著經(jīng)濟活動頻率的增加,顧客消費水平的提高,會出現(xiàn)大量的不確定信息,如何利用這些不確定信息來創(chuàng)造財富成為一個關(guān)鍵性的問題。對車輛路徑問題(VRP)進行研究,尤其對隨機需求的車輛路徑問題(VRPSD)進行研究,可以幫助物流企業(yè)合理安排行車路線,節(jié)約運輸成本,提高服務(wù)水平和客戶滿意度,吸取“第三利潤源”的財富,具有重大的意義。
　　 在系統(tǒng)分析國

2、內(nèi)外有關(guān)車輛路徑問題的相關(guān)研究成果及存在的主要問題的基礎(chǔ)上,針對目前大規(guī)模車輛路徑問題難以求解或求解精度不高以及用單一模型求解方法存在諸多缺點等一系列問題,結(jié)合物流運送中的實際情況,對較大規(guī)模的隨機需求車輛路徑問題開展了較深入的探討。
　　 首先根據(jù)隨機需求車輛路徑問題的特點,在設(shè)定了服務(wù)的失敗路徑次數(shù)為兩次,且允許部分服務(wù)的策略下,建立了運送(取貨)狀態(tài)下的隨機需求車輛路徑問題的數(shù)學(xué)模型。然后針對大規(guī)模車輛路徑問題難以求解的問

3、題,應(yīng)用兩階段啟發(fā)式算法對所建立的模型進行求解,即先用K-均值聚類分析算法對大規(guī)模的客戶網(wǎng)點進行區(qū)域劃分,將其簡化成多個小規(guī)模的VRP,以減小其計算量,提高求解速度和精度；再將群智能算法中的粒子群優(yōu)化算法與蟻群優(yōu)化算法相結(jié)合,形成粒子群-蟻群混合算法,使模型的求解過程大大簡化,從而為快速、有效地求解隨機需求的車輛路徑問題創(chuàng)造有利條件。最后,應(yīng)用MATLAB軟件編程,有效地實現(xiàn)了對路徑的自動尋優(yōu),并運用一個實例進行驗證,證明了該算法的可行