蟻群優(yōu)化算法在車輛路徑問題中的應用研究.pdf

1、車輛路徑問題是物流管理領域關注的熱點問題，因為車輛路徑問題的復雜性和多樣性，如何合理安排車輛路徑以最低成本收送貨物，是一個富有挑戰(zhàn)性的問題。本文受教育部歸國留學人員基金資助，以車輛調度及管理系統(tǒng)為背景，針對目前車輛路徑問題的現(xiàn)狀，對蟻群算法進行改進并在時間窗、需求和旅行時間三方面擴展的車輛路徑問題上進行求解、對運輸網(wǎng)絡仿真和優(yōu)化支持向量機參數(shù)并在道路行程時間預測等問題展開了深入的研究，其研究內容主要包括以下幾個方面：
　　在分析蟻

2、群算法基本參數(shù)的基礎上，從兩個方向改進基本蟻群算法。其一是通過將蟻群算法的基本參數(shù)隨優(yōu)化過程變化以及采用多個螞蟻群共同優(yōu)化目標的方式改進算法；另一種是將蟻群算法與鄰域搜索算法結合的混合蟻群算法，采用兩階段優(yōu)化對算法進行改進。分析改進后算法的復雜度和收斂性。將提出的變參數(shù)多蟻群系統(tǒng)和混合蟻群算法用來求解靜態(tài)帶時間窗口車輛路徑問題，提高算法的收斂性，避免局部最優(yōu)和早期收斂現(xiàn)象。
　　采用前一章得到的改進蟻群算法求解兩類不確定需求車輛路

3、徑問題隨機需求和模糊需求車輛路徑問題。不確定需求車輛路徑問題是標準車輛路徑問題的一個從需求方面擴展的問題。對不確定需求的規(guī)律進行統(tǒng)計分析，根據(jù)優(yōu)化的標準，構建了隨機需求車輛路徑問題的機會約束和二元可能性理論模型，借鑒處理隨機需求車輛路徑問題的處理方式，采用模糊邏輯推理和模糊數(shù)比較兩種方式得到模糊需求車輛路徑問題的機會約束評價模型。通過建立的優(yōu)化標準模型，使得不確定需求車輛路徑問題轉化為改進蟻群算法求解的一般性車輛路徑問題。
　　提

4、出了能有效處理動態(tài)需求的插入法和蟻群算法結合對動態(tài)需求車輛路徑問題進行求解。動態(tài)需求車輛路徑問題是需求沒有統(tǒng)計規(guī)律的一類車輛路徑問題。首先分析城市中的派送問題，給出基于網(wǎng)絡拓撲結構的可描述交通管制和路口延誤的路網(wǎng)模型與動態(tài)需求車輛路徑問題的抽象關系，給出動態(tài)車輛路徑問題路網(wǎng)模型的產生機制。通過對Solomon題庫的設定和模擬城市派送任務兩方面得到動態(tài)車輛路徑問題，為動態(tài)車輛問題的仿真環(huán)境提供檢驗方法。
　　將變化的道路通行時間作為

5、啟發(fā)式信息的新的蟻群算法用來求解依賴通行時間的車輛路徑問題，此問題是標準車輛路徑問題的一個從旅行時間方面擴展的問題。在已知路段旅行時間分布函數(shù)的條件下，算法能夠在保證車輛能夠先出發(fā)先到達的一般規(guī)律下，求解動態(tài)路網(wǎng)條件下的最優(yōu)路徑。
　　采用一種新的利用蟻群算法優(yōu)化包括組合核函數(shù)參數(shù)的支持向量機參數(shù)的方法。道路的行程時間是求解各類車輛路徑問題所需的關鍵數(shù)據(jù)。提出的一個基于組合核函數(shù)的支持向量回歸機預測模型，用蟻群算法優(yōu)化后的模型預測