离散粒子群算法在车辆路径问题中的应用毕业设计论文.docx

离散粒子群算法在车辆路径问题中的应用毕业设计论文.docx

《离散粒子群算法在车辆路径问题中的应用毕业设计论文.docx》由会员分享，可在线阅读，更多相关《离散粒子群算法在车辆路径问题中的应用毕业设计论文.docx（26页珍藏版）》请在冰豆网上搜索。

离散粒子群算法在车辆路径问题中的应用毕业设计论文

计算机科学与技术学院

毕业设计（论文）

论文题目

离散粒子群算法在车辆路径问题中的应用

指导教师

职称

讲师

学生姓名

学号

专业

班级

系主任

院长

起止时间

离散粒子群算法在车辆路径问题中的应用

摘要：

在这个高速发展的经济社会，各行各业对科学技术的革新的要求愈发的强烈，同时对人们的日常生活产生愈来愈广的影响。

其中物流企业也逐渐凸显期重要性，然而物流配送则是物流企业日常生产中一个最为重要的环节，物流配送效率的高低直接将会影响到整个物流企业的运作效益，同时对于电子商务活动物流配送也必不可少。

物流配送中亟待解决的问题是怎样得到一条费用最小的车辆路径并将货物配送给每个客户，即车辆路径问题（VRP）[33]。

优化车辆路径问题（VRP）则需要优化配送速度、服务质量、配送成本等决定性因素，因此在这些问题中涉及到多种多样优化方案。

应用离散粒子群算法（DPSO）[22]这种群体智能算法能更好更快地解决这些多样化的问题，该算法以快速收敛性而获取最佳是通过模拟鸟群觅食得到的。

应用于车辆路径问题中的离散粒子群算法同时也克服了其他算法的不足和缺点，离散粒子群算法编码比较简单克服遗传算法实现的复杂性，并且该算法具有一般的特性，适用于绝大多数的目标优化问题。

粒子依据自身和群体经验进行优化更新，具有记忆和学习能力，克服其他算法的众多参数的问题。

因此离散粒子群算法适合应用在车辆路径问题。

关键词：

粒子群算法、离散粒子群算法、车辆路径问题、物流配送、路径优化问题、免疫算法

DiscreteParticleSwarmOptimizationforVehicleRoutingProblem

Abstract:

Inthishigh-speedeconomicandsocialdevelopment,scienceandtechnologysectorsofinnovationrequiresincreasinglystrong,whileproducingincreasinglybroadimpactonpeople'sdailylives.Whichoflogisticsenterpriseshavegraduallyhighlightstheimportanceisthelogisticsanddistributionlogisticscompaniesdailyproductiononeofthemostimportantaspects,howeverthelevelwilldirectlyaffecttheefficiencyoflogisticsanddistributiontotheoperationalefficiencyoftheentirelogisticsenterprises,butfore-commercelogisticsanddistributionalsoessential.

Logisticsanddistributionproblemstobesolvedishowtogetaminimumcostofvehicleroutinganddistributionofgoodstoeachcustomer,namelyvehicleroutingproblem（VRP）.Optimizingvehicleroutingproblem（VRP）isrequiredtooptimizethespeedofdelivery,qualityofservice,distributioncostsandotherdecisivefactors,involvedintheseissuestoawidevarietyoptimization.DiscreteParticleSwarmOptimization（PSO）algorithmwhichswarmintelligencetobetteraddressthesediverseproblemsfaster,rapidconvergenceofthealgorithmistoacquirethebestisobtainedbysimulatingtheforagingbirds.

Appliedtothevehicleroutingproblemdiscreteparticleswarmalgorithmalsoovercomesthedeficienciesandshortcomingsofotheralgorithms,discreteparticleswarmalgorithmcodedgeneticalgorithmisrelativelysimpletoovercomethecomplexityandthealgorithmhasthegeneralcharacteristicsforthevastmajorityofobjectiveoptimizationproblem.Andgroupsofparticlesbasedontheirownexperiencetooptimizetheupdate,withmemoryandlearningability,toovercometheproblemsofmanyotherparametersofthealgorithm.Thereforediscreteparticleswarmalgorithmsuitableforapplicationsinvehicleroutingproblem.

Keywords:

ParticleSwarmOptimization;DiscreteParticleSwarmOptimization;VehicleRoutingProblem;LogisticsProblem;PathOptimizationProblem

第一章绪论

1.1课题背景

根据中国入世承诺，使得物流行业和服务行业成为中国最早的开放的行业其中之一。

从而在经济全球化的趋势下，我国的经济得到了迅猛的发展，在高水平经济的平台上科学技术同时也得到了进步。

因此物流产业也得到了发展并成为了国家经济发展中一个重要的行业，同时在全球飞速发展延伸，成为象征一个国家综合国力的标志之一,并在我国开始慢慢成为国家经济的基础产业和主力军。

对于物流产业而言，物流配送是其中重要的环节，然而在这个环节中车辆路径的选择则会起着关键性的作用。

现实生活的交通中，对于车辆的行驶会有着各种的影响因素，比如天气的变化、突发的交通事故、交通流量等等各种的非主观的因素，因此配送的时间也会相应的被改变，于是研究在诸多的不确定的因素下得出一条最优的或者最优的路径是非常具有意义的。

该问题自1959年被首先提出，到现在目前已经有将近五十多年的的研究历史，它已经是组合优化问题领域和运筹学研究的热点和重点。

在互联网和电子商务发展的带动下，物流产业得到了飞速的发展，VRP问题模型已经建立在现实生活和生产的各个方面，比如水运的船舶、公共汽车、火车和飞机等的调度问题以及邮政投递的问题，还有电力的调度问题也同样能抽象为车辆路径问题。

简而言之，深入对车辆路径问题的研究，很具有工程和科学的应用价值。

1.2课题意义

随着物流产业的发展，产业中同时也产生了诸多的问题引人注目，其中运输配送的成本占物流配送总成本中的60%，所以对于物流行业最急需解决的问题便是运输配送的成本的问题。

然而影响运输配送的成本的最主要的问题便是车辆路径问题（VRP），以现代的物流产业的发展的重要性可见的车辆路径问题的显著，因此成功地合理地规划处理车辆路径问题会带来可喜可赞的经济的效益和科学的效益。

车辆路径问题（VRP）属于一个NP难题，离散粒子算法能较好的解决这一类问题，特别地适合于应用在处理那些复杂的和线性的传统的搜索方法却又很难以解决的疑难问题上，PSO算法（粒子群优化算法）[1]可以提高配送中的物流配送的效率质量等关键问题。

应用于车辆路径问题中离散粒子群算法同时也克服了其他算法的不足和缺点，离散粒子群算法编码比较简单克服遗传算法实现的复杂性，并且该算法具有一般的特性，适用于绝大多数的目标优化问题。

粒子依据自身和群体经验进行优化更新，具有记忆和学习能力，克服其他算法的众多参数的问题，因此离散粒子群算法适合应用在车辆路径问题。

1.3国内外研究现状

1.3.1国外的研究现状

1959年的时候有学者Dantzig与Ramser二人第一次提出了车辆问题（VechicleRoutingProblem，VRP）[33],当时提出该问题的背景是运输汽油，然后给出了出数学模型和求解的具体方法。

到目前为止已经提出了很多的只能算法和启发式算法应用在辆路径问题中,从提出到现在VRP的研究经过了近50年的发展，在此过程中已经出现众多的模型和求解算法。

从提出的改进版的模拟的退火算法到动态的蚁群算法再到改进的粒子群算法等算法来解决车辆路径问题。

由于研究重点的不同模型存在不同的方式。

标准的车辆路径问题其实是指带装载限制的车辆路径问题（CapacitatiedVRP，CVRP），其他的各类型的问题都是从此问题延伸展开。

一个典型的VRP的基本特征包括：

目标、派送点、用户点、道路和车辆。

同时VRP也可以如此分类：

在研究目标方面，可以最小化总的运输成本；可以将顾客的等待时间最小化；可以最小化行驶的路程和将服务的效率最大化等。

在限定的条件方面，单一的配送点；多个配送点；带有时间窗口的和没有时间窗口的；开放型的和封闭型的；单一车型配送的和多个车型配送的等。

按任务的性质，有确定信息的和不确定的；需求的动态性和静态性等等。

随着生活和生产不断地在进步和发展，为了满足这其中的各种的需求，车辆路径问题（VRP）需要不断地进行扩展和完善。

通过调整标准的VRP的不同的建设条件，从而来扩宽VRP的研究。

当前最普遍的车辆路径问题是带有时间窗的静态车辆问题，世界各国的研究学者通过对基本的VRP的研究得出了基本的模型，使用得出的基本的模型做出各种类型的题库，比如Fisher题库等。

将不同的扩宽元素再与标准的VRP相结合,然后可以构造出不同的车辆路径问题,比如：

有能力约束的VRP（CVR）、有时间窗的约束的VRP（VRPTW）、带取送货的VRP（VRPPD）、周期性的VRP（PVRP）、分散配送VRP（SDVRI）和带回程载货的VRP（VRPB）等[3-16]。

同时针对不同的主要的约束条件，针对不同实际公司和企业中的不通风情况又能衍生出一些衍生模型：

多仓库型的车辆路径问题（MVRP）、多车型的车辆路径问题（HVRP）、随机的车辆路径问题（SVRP）、模糊的车辆路径问题（FVRP）。

总结得出VRP扩展问题及关系图如图1.1所示。

图1.1VRP扩展问题以及关系

1.3.2国外的研究现状

从上个世纪的90年代开始，国内也开始对VRP进行研究。

到目前为止，可以在国内的各大期刊网站上都能搜索到有关VRP的研究成果近千篇，同时着也说明了VRP这个问题的研究价值和重要性，同时还说明了国内学者对不同类型的VRP的研究做出了不可磨灭的贡献。

其中这