推荐基于蚁群算法的VRPTW问题优化研究附属材料 精品.docx
《推荐基于蚁群算法的VRPTW问题优化研究附属材料 精品.docx》由会员分享,可在线阅读,更多相关《推荐基于蚁群算法的VRPTW问题优化研究附属材料 精品.docx(14页珍藏版)》请在冰豆网上搜索。
推荐基于蚁群算法的VRPTW问题优化研究附属材料精品
湖州师范学院
————————————————
商学院
毕业附属过程管理材料
(20XX届)
专业物流管理
学号11012645
学生姓名屠娟
湖州师范学院教务处印制
1.湖州师范学院本科生毕业诚信承诺书
2.湖州师范学院本科毕业开题报告
3.文献综述
4.湖州师范学院本科毕业指导教师审阅表
5.湖州师范学院本科毕业评阅人评阅表
6.湖州师范学院本科毕业答辩记录表
7.湖州师范学院本科毕业评分表
湖州师范学院本科生毕业诚信承诺书
毕业题目
中文:
基于蚁群算法的VRPTW问题优化研究
外文:
OptimizationoftheVRPTWbasedonAntColonyAlgorithm
学生姓名
屠娟
年级
20XX级
学号
20XX012645
系别
电子商务
所学专业
物流管理
学生承诺
我承诺在毕业活动中遵守学校有关规定,恪守学术规范,在本人的毕业内容除特别注明和引用外,均为本人观点,不存在剽窃、抄袭他人的学术观点、思想和成果,不存在伪造、篡改数据。
如有违规行为发生我愿承担一切责任,接受学校的处理,并承担相应的法律责任。
学生(签名):
20XX年4月25日
指导教师承诺
我承诺在指导学生毕业活动中,遵守学校有关规定,认真指导,教育学生遵守学术规范,禁止、杜绝剽窃、抄袭他人学术观点、思想和成果的行为。
指导教师(签名):
20XX年4月30日
湖州师范学院毕业开题报告
学生姓名
屠娟
班级
110126
学号
11012645
专业
电子商务
指导教师
张慧涛
开题
时间
20XX.9.26
设计()题目
基于蚁群算法的VRTW问题优化研究
选题意义、研究现状及存在问题
选题意义:
随着企业的发展,作为第三利润源的物流的重要性便越发突出。
而在企业经营中,物流配送能力的高低已成为衡量企业竞争力的一大方面。
设计一个高效的物流配送路径优化方案不仅可以提高配送效率,对进行配送活动的资源(如车辆等)做到物尽其用,可以最大化地降低配送成本,提高配送车辆利用率;此外,在客户规定的时间内高效地将货物送达,将会极大程度地提高客户的满意度,提升企业服务质量,从而提升企业的潜在效益;这些都将有利于企业提高运营效益,增强企业的核心竞争力。
路径优化理论与方法的系统研究是物流集约化发展、建立现代调度指挥系统、发展智能交通运输系统和开展电子商务的基础。
研究现状:
VRP优化问题的研究在理论上具有重要的意义,实际中具有广泛的应用,得到了国内外学者的大量而深入的研究。
在近几十年里,国外对物流配送车辆路径优化问题作了大量深入的研究,而在国内对此方面的研究在20世纪90年代才逐渐兴起,与国外相比,相对落后。
虽然在车辆路径问题研究方面有些落后,但也有一些成果,如李大为等把TSP的最近距离启发式作为基础,并通过对评价函数的设置来处理带有时间窗约束的简单VR问题;蒋忠中等(20XX)研究了考虑车辆行驶时间和顾客服务时间的不确定性的车辆路径优化问题,提出了将物流配送网络由配送中心和顾客两类节点构成的不完全无向图表示,建立了物流配送车辆路径优化的模糊规划模型。
存在问题:
总体来说,我国目前对车辆路径问题的理论研究虽然还相对薄弱,需作进一步研究,但也取得了许多有意义、有价值的成果。
许多研究在理论观点及研究方法上为我们进一步探讨物流配送路径优化提供了帮助。
但由于我国现有的信息技术手段不强,较好的优化技术无法实施,因此如何结合优化算法与计算机技术并应用与实际仍是重要课题。
同时,路径优化的目标属性不够充分,与现实差距较大,目前针对路径优化的研究目标是不一样,单目标的往往是从某一个角度去考虑问题,而很少是全面的系统的考虑,即使有,也是多目标的,相应的增加了计算的复杂度,尤其是各目标之间的权重分配,极大的影响了寻优方案的结果。
可以说目标属性不能贴近现实,与现实的差距比较大。
因此迫切需要一种可以解决上述问题的寻优策略模型。
本文将综合国内外相关研究成果,运用蚁群算法对物流配送路径优化问题进行分析,结
合实例提出优化方案,以达到降低物流配送成本,增加企业效益的目的
研究目标和内容
研究目标:
本文从企业物流资源(车辆等)的利用最大化出发,研究了国内外对物流配送路径优化的相关优秀成果,分析了配送路径优化的现状及研究趋势,总结归纳各类算法的优劣势,以期在以往研究的基础上,建立更接近实际的物流配送网络路径优化模型,研究更加有效的优化算法,为物流配送网络路径优化问题的研究和实践提供理论依据和实际方法。
研究内容:
随着中国经济的愈加繁荣,物流配送业也得到了快速发展,对于车辆路径优化也就显得愈发重要,而物流配送车辆优化属于软件技术问题,主要涉及利用各种先进的信息技术和方法对车辆及其路线的组合进行合理的规划安排,这是本文主要研究的问题,将从以下方面进行分析研究:
(1)VRP问题及蚁群算法相关理论知识。
(2)对VRTWP模型进行假定并确定模型。
(4)对基于集群算法的VRPTW问题求解。
(5)应用上述模型进行算例验证。
研究方法、步骤和措施
研究方法:
1.文献分析法:
通过对相关文献的总结归纳搜集基于蚁群算法下的VRP问题优化的理论概述。
2.综合分析法:
结合国内外相关研究,对VRP问题优化进行现状分析
3.定量分析法:
运用蚁群算法构建VRTWP问题优化模型,并进行算例分析。
研究步骤:
1.搜集资料:
互联网相关资料、数据库相关文献。
2.在搜集到的资料进行整理和分析,对其中的观点进行归纳和整合,最后建立理论框架。
3.对资料中的VRP问题解决模型进行研究,确定VRP问题前提条件,建立假定模型,最后确定VRP问题模型并求解。
研究措施:
1.将搜集的资料根据信息源的不同完成信息的汇总工作。
在思想体系整合阶段则转为在导师的引导和帮助下完成。
2.期间经过若干次调整和完善后,在导师的指导下,通过与导师的直接交流和意见交换来完成,同时后两者的操作过程中仍需不断进行材料的补充和修改。
研究的总体安排与进度
根据学院总院总体安排与要求,了解本所涉及问题的研究现状,提出大纲,在老师指导并通过后,进入撰写。
20XX年9月22日-9月26日,拟定题目,最后在指导老师指导下确定题目。
9月27日-10月8日:
查阅资料,完成开题报告及文献综述等附属材料的初稿及大纲。
10月9日-10月15日:
在指导老师指导下对附属材料及大纲进行修改、定稿。
10月16日-10月中旬:
收集资料,写作开始并完成一稿。
11月底:
提交的中期报告及二稿。
20XX年3月:
完善和修改。
4月:
基本定稿。
主要参考文献
[1]靳向宇.基于蚁群算法的邯郸市世佳连锁超市配送路线优化问题研究[D].中国海洋大学,20XX.
[2]姜红.佳佰嘉连锁超市配送路线优化研究[D].中国海洋大学,20XX.
[3]高蓉.基于蚁群算法的旅游交通线路优化问题研究[D].北京交通大学,20XX.
[4]张怀峰.蚁群算法在物流配送路径问题上的应用研究[D].江苏大学,20XX.
[5]蒋忠中,汪定伟.B2C电子商务中物流配送路径优化的模型与算法[J].信息与控制,20XX,04:
481-485.
[6]刘云忠,宣慧玉.车辆路径问题的模型及算法研究综述[J].管理工程学报,20XX,01:
124-130.
[7]陈君兰,叶春明.物流配送车辆调度问题算法综述[J].物流科技,20XX,03:
8-12.
[8]张红霞,黄晓霞.物流企业配送车辆调度问题研究综述[J].电脑知识与技术,20XX,13:
3419-3421+3445.
[9]李化.配送路线优化模型研究[J].商场现代化,20XX,05:
130-131.
[10]钟敏,刘兴.农产品收集(配送)路径模型及算法[J].中国农机化,20XX,04:
49-52
[11]薛戈丽,王建平.一种基于蚁群算法的物流配送VRP解决方案[J].计算机系统应用,20XX,02:
200-203.
[12]孙丽君,胡祥培,王征.车辆路径规划问题及其求解方法研究进展[J].系统工程,20XX,11:
31-37.
[13]贾楠,吕永波,付蓬勃,任远.物流配送问题中VRP的数学模型及其求解算法[J].物流技术,20XX,04:
54-56.
[14]刘勇,崔炳谋,王小东.物流配送路径优化问题的模型及改进混合算法[J].物流科技,20XX,04:
26-30.
[15]龚国清,基于分枝定界法的旋转货架存取路径优化[J].物流科技,20XX,12:
23-25.
[16]尹晓峰,杜艳萍.车辆路径问题的蚁群算法研究[J].太原科技人学学报.20XX.04:
279-283.
[17]B.GillettandL.RMiller,AHeuristicAlgorithmfortheVehicleDispatchProblem[J].OperationsResearch,1974,340-349.
[18]DuanB,YeS,AMixedMethodforShapeOptimizationofSkeletalStructures[J].EngineeringOptimization,1986,10(3):
16-19.
[19]HongtaoShi,YucaiDong,LianghaiYi,DongyunZheng,HongJu,ErchangMa,WeidongLi.StudyontheRouteOptimizationofMilitaryLogisticsDistributioninWartimeBasedontheAntColonyAlgorithm[J].puterandInformationScience,20XX,Vol.3
(1).
[20]RuixueTang,YongbinQin,LiZhang.ResearchonHeuristicsLogisticsDistributionAlgorithmBasedonParallelMulti-antColonies[J].JournalofSoftware,20XX,Vol.6(4):
612-619.
指导教师审核意见
指导教师(签名)
20XX年4月27日
文献综述
11012645屠娟
摘要:
物流配送已经成为企业经营发展的关键环节,而合理的配送路径优化能够有效利用现有资源进行车辆调度,从而缩减成本,实现利润最大化。
本综述评述了物流配送路径优化的基本概况,从货物、客户的相关属性等方面指出了目前配送路径优化的实施难点,并对物流配送路线优化问题的分类以及配送路径优化问题的解决算法即精确算法、传统启发式算法和现代启发式算法的现有文献进行总结分析,以期对未来路径优化问题的解决提供帮助。
关键词:
VRP问题;路径优化问题;物流配送
前言
随着企业的发展,作为第三利润源的物流的重要性便越发突出。
而在企业经营中,物流配送能力的高低已成为体现企业竞争力的一大方面,配送中心的配送决定了物流配送效率,而配送效率的高低是衡量企业盈利能力的重要指标。
为了实现高效率的配送,就需要根据企业配送模式进行配送路线优化,实现配送资源的充分利用。
通过对配送路径的优化,能够使货物在客户规定的时间内高效送达,实现对企业资源利用的最大化,提高客户的满意度,提升企业服务质量,从而达到降低配送成本,提升企业的潜在效益的目的。
目前对于物流配送路径优化有许多研究,本文拟对物流配送路径优化基本概况及问题的解决算法进行了解与综述,为物流配送路径优化问题的解决提供相应建议。
主题
一、物流配送路径优化基本概况
随着中国经济的愈加繁荣,物流配送业也得到了快速发展。
但在物流配送环节中,仍存在许多优化问题有待解决。
优化配送路径问题类似“旅行商”(TSP)问题,要求遍历所有的客户点,不同的是,物流配送问题是由多辆车对客户点进行遍历,每辆车负责配送的客户点以及配送路径都是不确定的,这正是配送路径优化所要解决的问题。
1、物流配送路径优化问题的分类
勒向宇(20XX)认为配送路线优化的本质是研究配送车辆的路径优化选择问题。
最常见的有VRP即(VehicleRoutingProblem,即车辆路径问题)、VSP(VehicleSchedulingProblem,即车辆调度问题)和TSP(TravelingSalesmanProblem,即旅行商问题)。
(1)VRP(车辆路径问题)
车辆路径问题是由G.Dantzig和J.Ramser于1959年首先提出来的,刘云忠和宣慧玉(20XX)在学报中提到车辆路径问题一般定义为:
对一系列发货点和/或收货点,组织适当的行车路线,使车辆有序地通过它们,在满足一定的约束条件(如货物需求量、发送量、交发货时间、车辆容量限制、行驶里程限制、时间限制等)下,达到一定的目标(如路程最短、费用最小、时间尽量少、使用车辆尽量少等)。
陈君兰和叶春明(20XX)认为VRP问题关注为车辆安排合理、高效益的线路,仅是在空间上对问题进行优化,而不考虑时间因素
(2)VSP(车辆调度问题)
VSP问题的定义与VRP问题基本相同,但陈君兰和叶春明(20XX)认为VSP问题虽然也关注合理、高效安排车辆行车路线,所不同的是,VSP问题考虑的是在满足时间要求的前提下实现最优调度。
张红霞和张晓霞(20XX)认为车辆的优化调度问题主要探讨:
组织的行车路线,能否使车辆在满足一定的约束条件(如需求量、发送量、车载容量限制、行程限制、时间限制等)下,有序地通过一系列供应点或需求点,达到诸如路程最短、费用最小,耗费时间尽量少等目的。
(3)TSP(旅行商问题)
旅行商问题是指一个推销员要到n个城市去办理业务,城市间距离已知,如何从某个城市出发且每个城市只允许访问一次,并且必须访问一次,最后又回到出发的城市,怎样走才能使得所走路线的总路程最短(或总费用最少)。
2、物流配送路径优化的难点
物流配送作为一种便捷的流通方式确实能够满足人们追求利益最大化的目标,但在我国配送业务的发展中仍有许多问题和难点,尤其在配送路径的优化与选择上。
姜红(20XX)提出在优化过程中需要考虑的因素有很多,包括货物相关属性、客户相关属性、配送中心、运输网络、约束条件以及目标函数的选择。
(1)货物。
货物是配送的对象。
决定配送车辆的类型和判断该批货物能否混装的依据是货物的品名和包装;而决定车辆装载方案的依据是货物的体积和重量。
(2)车辆。
车辆是货物的运载工具。
包含车型、装载量、配送前(后)的停放位置、一次配送的最远行驶距离等主要属性。
(3)客户。
在配送计划中,需涉及到客户的货物需求量、收货时间、收货次数等变量。
(4)运输网络。
运输网络是由顶点(即停车场、客户、配送中心)、无向边和有向弧组成的。
边、弧的属性包括方向和交通流量限制等。
.
(5)配送中心。
在某个配送系统中,配送中心的数量、位置、货物、供货能力等基本情况是不确定的,依企业实际情况而定。
(6)约束条件。
包括货物载重量、车辆运输距离、客户时间窗等一系列约束条件。
(7)目标函数。
一般可以表示为总费用最少、配送车辆数量最少、总距离最短、总时间最少等四种形式。
各种因素的相互影响,使得配送过程复杂化,若处理不当则很容易造成在配送中出现送货不及时、配送路线选择不当、交付时间延误等问题。
3、物流配送路径优化的意义
勒向宇(20XX)认为建立高效的物流配送车辆调度方案不仅可以提高配送效率,对进行配送活动的资源(如车辆等)做到物尽其用,可以最大化地降低配送成本,提高配送车辆利用率;此外,在客户规定的时间内高效地将货物送达,将会极大程度地提高客户的满意度,提升企业服务质量,从而提升企业的潜在效益;这些都将有利于企业提高运营效益,增强企业的核心竞争力。
路径优化理论与方法的系统研究是物流集约化发展、建立现代调度指挥系统、发展智能交通运输系统和开展电子商务的基础。
二、物流配送路径优化问题的相关算法
为了实现更好地路径优化,势必要对其采用更科学的算法。
随着信息技术的不断发展,对于配送路径优化的研究也在不断地深入,其解决问题的算法也由简单到复杂,能考虑更多相关因素的对路径优化的影响。
这些算法由精确算法发展到传统启发式算法,再到现代启发式算法。
1、精确算法
精确算法包括很多种类,主要有枚举法、分枝定界法、割平面法、动态规划法等。
龚国清(20XX)采用分支定界法对旋转货架的存取路径优化,有效解决了旋转货架在面对多品种多储位存取时的存取路径优化问题,可大大提高存取效率,节约劳动力和存取时间。
蒋忠中(20XX)建立了0-1整数规划的物流配送路径优化模型,并开发了一个嵌入FLOYD算法的捕食搜索算法对模型进行求解。
该模型适用于某个时段内企业对顾客进行定点定量的商品配送服务
2、传统启发式算法
传统启发式算法较之精确算法在计算量要更少一些。
在解决路径优化问题时传统启发式算法通常从初始解开始,在一定范围搜索,进行对解的改进,并在短时间内获得一个可接受的较优解。
最常用的算法有节约算法、扫除算法等。
(1)节约算法是一种简便、易行的配送路线的方法,其思路简单、清晰,便于执行,而且很有效,但在考虑对时间反应性与客户灵活性时,也体现出了其缺点。
李化(20XX)根据节约里程法的配送路线优化方法和思想,建立有时间窗的车辆优化调度模型,对集货或送货旳非满载车辆优化调度问题进行研究。
(2)扫除算法。
B.GillettandL.R.Miller认为扫除算法是一种“先分组后路线”(cluster-firstrouet-second)的算法。
20XX年,Li等在应用插入算法和扫除算法初始化路线后,将邻域搜索方法与模拟退火程序相结合实现路线改进。
3、现代启发式算法
现代启发式算法更优于传统启发式算法,它不要求在每次迭代中均沿目标值下降方向,但允许在算法中适当接受目标值有所上升甚至不可行的解,这样就能够跳出局部搜索邻域,有更多的可接受解。
最常用的方法主要有禁忌搜索算法、模拟退火算法和蚁群算法。
(1)禁忌搜索算法是通过采用禁忌技术来实现局部最优点的寻找。
20XX年,钟敏、刘兴对农产品收集(配送)的VRP问题进行了研究,构造数学模型,并采用遗传禁忌混合算法和禁忌搜索算法得到优化方案。
(2)模拟退火算法是模拟热力学中经典粒子系统的降温过程来求解规划问题。
在给定的温度下,该算法可以在一定概率下“爬山”到代价更高的解以防止搜索过程陷入局部最优,当温度趋于零时,求得整体最优解。
20XX年,Li等在应用插入算法和扫除算法初始化路线后,将邻域搜索方法与模拟退火程序相结合实现路线改进。
(3)蚁群算法最早是由意大利学者M.Dorigo等人提出的。
DuanB和YeS(1986)提到它是以构造解的方式搜索整个解空间,能同时兼顾解的局部构造和整体性能,适宜求解具有复杂约束条件以及解的组成元素之间关联较强的优化问题。
尹晓峰和杜艳萍(20XX)指出它的主要特点体现在正反馈、鲁棒性和分布式计算上。
高蓉在20XX年将改进后的蚁群算法应用于旅游路径优化的实际问题中,并根据实际情况,解决了分别给出了一日游和多日游的适合路线。
张怀锋(20XX)在“蚁群算法在物流配送路径优化问题上的应用研究”一文中,运用基于遗传学的蚁群算法解决了带有时间窗的车辆路径问题。
为了更好地体现各类优化方法的优劣势,对各类优化方法进行比较分析,如下表1:
表格1各类优化方法的比较分析
方法
优点
缺点
精确算法
精度高
计算量呈指数增长,不适用与复杂路径问题
传统启发式算法
计算速度较快
无法解决大规模问题
现代启发式算法
与其他算法相结合,搜索范围广,可接受解多
解非最优化
通过表格的分析比较,各种优化方法在一定条件下都有其特点及解决某方面问题的优势,从上表中看出各种方法的优劣势。
精确算法有一个共同的特点就是可以求得最优解,但它们只有在求解小规模的路径优化时在精度上优于其他算法,却无法避免指数增长,所以不适应现在的复杂的路径优化问题,尤其是对多配送点的大型配送服务。
而传统的启发式算法比精确算法相对好些,但仍不太适用于现在实际遇到的问题,即使通常可以在有限时间里找到满意的次优解或可行解,这是精确算法难以达到的,因此现代启发式算法方便适用,能解决实际当中所遇到各种复杂问题。
结语
综合以上分析,物流配送环节在企业经营发展中具有重要地位,通过物流配送路径的优化,降低了物流等方面的成本,增加了企业的潜在效益,增强了企业核心竞争力。
但我国在路径优化方面仍存在许多问题和难点。
随着信息技术的快速发展,对于路径优化的研究不断深入,研究方法不断完善,通过各方面比较,现代启发式算法中的蚁群算法稳定性强,收敛性高,更适用于大型问题的解决。
运用蚁群算法解决物流配送环节中的路径优化问题正是本次学年所要讨论的。
参考文献
[1]靳向宇.基于蚁群算法的邯郸市世佳连锁超市配送路线优化问题研究[D].中国海洋大学,20XX.
[2]姜红.佳佰嘉连锁超市配送路线优化研究[D].中国海洋大学,20XX.
[3]高蓉.基于蚁群算法的旅游交通线路优化问题研究[D].北京交通大学,20XX.
[4]张怀峰.蚁群算法在物流配送路径问题上的应用研究[D].江苏大学,20XX.
[5]蒋忠中,汪定伟.B2C电子商务中物流配送路径优化的模型与算法[J].信息与控制,20XX,04:
481-485.
[6]刘云忠,宣慧玉.车辆路径问题的模型及算法研究综述[J].管理工程学报,20XX,01:
124-130.
[7]陈君兰,叶春明.物流配送车辆调度问题算法综述[J].物流科技,20XX,03:
8-12.
[8]张红霞,黄晓霞.物流企业配送车辆调度问题研究综述[J].电脑知识与技术,20XX,13:
3419-3421+3445.
[9]李化.配送路线优化模型研究[J].商场现代化,20XX,05:
130-131.
[10]钟敏,刘兴.农产品收集(配送)路径模型及算法[J].中国农机化,20XX,04:
49-52
[11]薛戈丽,王建平.一种基于蚁群算法的物流配送VRP解决方案[J].计算机系统应用,20XX,02:
200-203.
[12]孙丽君,胡祥培,王征.车辆路径规划问题及其求解方法研究进展[J].系统工程,20XX,11:
31-37.
[13]贾楠,吕永波,付蓬勃,任远.物流配送问题中VRP的数学模型及其求解算法[J].物流技术,20XX,04:
54-56.
[14]刘勇,崔炳谋,王小东.物流配送路径优化问题的模型及改进混合算法[J].物流科技,20XX,04:
26-30.
[15]龚国清,基于分枝定界法的旋转货架存取路径优化[J].物流科技,20XX,12:
23-25.
[16]尹晓峰,杜艳萍.车辆路径问题的蚁群算法研究[J].太原科技人学学报.20XX.04:
279-283.
[17]B.GillettandL.RMiller,AHeuristicAlgorithmfortheVehicleDispatchProblem[J].OperationsResearch,1974,340-349.
[18]DuanB,YeS,AMixedMethodforShapeOptimizationofSkel