關(guān)聯(lián)物流運輸調(diào)度問題研究.pdf

1、社會經(jīng)濟(jì)的高速發(fā)展對現(xiàn)代物流行業(yè)提出了更高的要求。在現(xiàn)實生活中存在這樣一種情況，不同客戶需要多種零件商品，并且這些零件商品是成品的組成部分，而零件商品由于特征、性質(zhì)和用途的差異，商品彼此之間具有貨物性質(zhì)的關(guān)聯(lián)性，通常情況下，客戶為了保證其需求不受影響而將所有的零件商品的供貨業(yè)務(wù)交付給一個物流運輸公司，讓該物流運輸公司來為其服務(wù)，所有客戶需要的貨物可能存在某種關(guān)聯(lián)性，配送時不僅可以兼容，而且將關(guān)聯(lián)的貨物配套運輸更有利于后期的運作或經(jīng)營，基

2、于這種情況，提出關(guān)聯(lián)運輸調(diào)度問題(Incident Vehicle Routing Problem，IVRP)，建立幾類IVRP擴(kuò)展問題的數(shù)學(xué)模型，并提出相應(yīng)的算法求解。
　　本文所做的主要工作如下:
　　(1)提出了單車場單車型關(guān)聯(lián)運輸調(diào)度問題的混沌遺傳算法。對適應(yīng)度較差的基因加混沌擾動，縮小混沌遺傳算法的搜索空間，提高了尋優(yōu)速度，仿真結(jié)果證明了提出算法對求解該問題是有效性。
　　(2)提出了單車場多車型關(guān)聯(lián)運輸調(diào)度

3、問題的混合禁忌搜索算法。融合了禁忌搜索算法和遺傳算法的優(yōu)點，并引入了核心路徑、自適應(yīng)交叉及混沌變異等策略考慮了道路路況對運輸?shù)挠绊懀捎锰岢龅乃惴▽?0客戶規(guī)模的問題模型求解，通過收斂時間、進(jìn)化代數(shù)和全局搜索概率的比較，驗證了所提出算法的可行性。
　　(3)提出了帶多種類型時間窗的多車場多車型關(guān)聯(lián)運輸調(diào)度問題的混合蟻群算法。建立了帶客戶硬時間窗、車場硬時間窗、多車場多車型等約束的關(guān)聯(lián)運輸調(diào)度問題的數(shù)學(xué)模型。通過聚類算法和節(jié)約算法構(gòu)

4、造初始解，提高求解速度;自適應(yīng)地改變啟發(fā)式因子和期望啟發(fā)式因子，提高算法收斂速度;引入遺傳操作算子，自適應(yīng)改變交叉概率和變異概率，提高算法的全局搜索能力;提取核心路徑便于進(jìn)行后期優(yōu)化;通過3-opt與車場交換，提高算法的局部搜索能力。最后對40客戶規(guī)模的問題模型進(jìn)行仿真，證明了所提出算法的優(yōu)越性。
　　(4)提出了時變路網(wǎng)條件下關(guān)聯(lián)運輸調(diào)度問題的自適應(yīng)蟻群算法?？紤]實際生活中道路路況影響運輸成本及油耗率與運載量相關(guān)的因素，處理跨多

5、時段的問題，建立時變路網(wǎng)條件下的關(guān)聯(lián)運輸調(diào)度問題數(shù)學(xué)模型。通過聚類算法和節(jié)約算法構(gòu)造初始解，自適應(yīng)地改變啟發(fā)式因子和期望啟發(fā)式因子，結(jié)合油耗率，將油耗率轉(zhuǎn)化成信息素?fù)]發(fā)因子，自適應(yīng)更新信息素，保證其收斂速度，通過3-opt策略進(jìn)行局部搜索。最后對3個時段中8個客戶的問題模型進(jìn)行仿真，表明提出算法的可行性。
　　(5)提出了領(lǐng)域關(guān)聯(lián)運輸調(diào)度問題的混合蟻群協(xié)同算法。呈現(xiàn)了兩種面向領(lǐng)域應(yīng)用的問題，即高校校車協(xié)同運輸調(diào)度問題和農(nóng)村公交協(xié)同

6、運輸調(diào)度問題，基于遺傳算法和蟻群優(yōu)化算法，構(gòu)造一種混合蟻群協(xié)同算法，混沌搜索產(chǎn)生初始種群的方式克服了生成大量非可行解的缺陷，加速染色體向最優(yōu)解收斂，平滑機制通過增加選擇有低強度信息素解元素的概率以提高探索新解的能力，分別對兩類模型進(jìn)行仿真，證明該方法提高了算法的尋優(yōu)能力。
　　(6)提出了關(guān)聯(lián)運輸調(diào)度問題的并行混合蟻群算法。在深入分析問題的基礎(chǔ)上，采用并行混合蟻群算法來對所建立的數(shù)學(xué)模型求解。給出不同規(guī)模的問題模型，仿真結(jié)果證明并