物流配送中車輛路徑問題的算法研究.pdf

1、伴隨著現(xiàn)代物流技術(shù)的飛速發(fā)展，物流在未來的市場競爭中，將突顯其無可替代的重要作用。物流活動中不可或缺的內(nèi)容、電子商務(wù)活動的關(guān)鍵環(huán)節(jié)—車輛路徑問題（VRP），直接影響服務(wù)水平和配送成本。為了實現(xiàn)科學(xué)的物流，提高企業(yè)的經(jīng)濟效益，優(yōu)化車輛路徑這是必要的。
　　本文在全面、細致介紹物流配送中車輛路徑問題相關(guān)知識的基礎(chǔ)之上，分析了國內(nèi)外相關(guān)問題的研究現(xiàn)狀，研究了傳統(tǒng)的針對此類問題求解的智能啟發(fā)式算法。在此基礎(chǔ)上針對這些算法的不足之處加以改進

2、。論文的主要研究內(nèi)容如下:
　　(1)研究了用傳統(tǒng)的遺傳算法求解典型的VRP問題，在傳統(tǒng)遺傳算法的基礎(chǔ)上加入隔離小生境技術(shù)、模擬退火等思想改進遺傳算法，并用此解決VRP問題。這一算法既保持了種群的多樣性，又達到避免運算陷入局部最優(yōu)的目的。它的實用性和有效性通過實例得到驗證。
　　(2)針對一般的確定性VRP問題，研究了運用傳統(tǒng)免疫算法求解的過程。在遺傳算法中加入免疫算子形成的免疫遺傳算法，并用實例驗證了該算法的優(yōu)越性。這種將

3、多種算法取長補短進行融合，是解決實際問題的一種有效、可行的方法。
　　(3)針對有時間窗的確定性VRP問題中約束條件多的特點，在免疫算法中加入記憶機制改進免疫算法。通過算例驗證此算法能有效地解決有時間窗的確定性VRP問題。
　　(4)針對不確定性VRP問題，引進利用混沌神經(jīng)網(wǎng)絡(luò)模型求解的方法，使不確定性VRP問題能得到有效解決，并通過算例與模擬退火和神經(jīng)網(wǎng)絡(luò)算法進行比較。比較結(jié)果表明CNN比SA和HNN算法解決不確定性VRP