应用蚁群算法进行物流配送路线优化研究

应用蚁群算法进行物流配送路线优化研究作者：王佳超学位授予单位：大连海事大学参考文献(40条)1.KingGFDriverperformanceinhighwaytasks19862.MDorigo.LucaMariaGambardellaAntColonySystem:ACooperativeLearningApproachtotheSalesmanTravelingProblems1997(01)3.ThomasStuztleMAX-MINAntSystem1999(11)4.MDorigo.VManiezzo.AColorniPositiveFeedbackasaSearchStrategy5.李士勇蚁群优化算法及其在应用研究发展20036.李士勇蚁群算法及其应用20047.MDorigo.VManiezzo.AColorniTheAntSystem:OptimizationbyaColonyofCooperatingAgents1996(B26)8.MDorigo.GDiCaroTheAntColonyMeta-heuristic19999.MRandall.JMontgomeryCandidateSetStrategiesforAntColonyOptimizationTechnical200210.MRandallAParallelImplementationofAntColonyOptimization200211.吴庆洪.张纪会.徐心和具有变异特征的蚁群算法[期刊论文]-计算机研究与发展1999(10)12.陈永强蚁群优化算法及其在组合优化中的应用200313.杨勇.宋晓峰.王建飞.胡上序蚁群算法求解连续空间优化问题[期刊论文]-控制与决策2003(5)14.庄昌文.范明钰.李春辉.虞厥邦基于协同工作方式的一种蚁群布线系统[期刊论文]-半导体学报1999(5)15.侯立文.蒋馥一种基于蚂蚁算法的交通分配方法及其应用[期刊论文]-上海交通大学学报2001(6)16.孙焘.王秀坤.刘业欣.张名举一种简单蚂蚁算法及其收敛性分析[期刊论文]-小型微型计算机系统2003(8)17.王颖.谢剑英一种自适应蚁群算法及其仿真研究[期刊论文]-系统仿真学报2002(1)18.孙新宇.万筱宁.孙林岩蚁群算法在混流装配线调度问题中的应用[期刊论文]-信息与控制2002(6)19.BBullnheimerAnImprovedAntSystemAlgorithmfortheVehicleRoutingProblem199720.VManiezzo.AColorniTheAntSystemAppliedtotheQuadraticAssignmentProblem199821.RMichel.MMiddendorfAnACOAlgorithmfortheShortestCommonSupersequenceProblem199922.王凌智能优化算法及其应用200123.李军.郭耀煌物流配送车辆优化调度理论与方法200124.丁立言.张铎物流基础200025.邹旭东.郑四发.班学钢.连小珉具有交通限制约束的道路网络最优路径算法[期刊论文]-公路交通科技2002(4)26.中国物流与采购联合会中国物流发展报告(2001)200227.李大卫.王莉.王梦光遗传算法在有时间窗车辆路径问题上的应用[期刊论文]-系统工程理论与实践1999(8)28.唐纳德·J·鲍尔索克斯.戴维·J·克劳斯.林国龙.宋柏.沙梅物流管理199929.李军有时间窗德车辆路线安排问题德启发式算法199630.BGaria.JPotvin.JRousseauAParallelImplementationoftheTabuSearchHeuristicforVehicleRoutingProblemwithTimeWindowsConstrains199431.李勇.段正澄动态蚁群算法求解TSP问题[期刊论文]-计算机工程与应用2003(17)32.李金苹现代物流配送系统的运输优化调度方案[期刊论文]-物流技术2002(5)33.覃刚力.杨家本自适应调整信息素的蚁群算法[期刊论文]-信息与控制2002(3)34.李军车辆调度问题的分派启发式算法[期刊论文]-系统工程理论与实践1999(1)35.GClarke.JWrightSchedulingofVehiclesfromaCentralDepottoANumberofDeliveryPoints196436.李云.王平物流配送的属性模型研究2002(07)37.戴禾.杨东援.汪超动态配送计划模型研究2002(91)38.张纪会.高齐圣.徐心和自适应蚁群算法[期刊论文]-控制理论与应用2000(1)39.沈彬.汪雄海改进蚁群算法在物流配送问题中的应用研究200440.郎茂祥.胡思继用混合遗传算法求解物流配送路径优化问题的研究[期刊论文]-中国管理科学2002(5)相似文献(10条)1.学位论文朱建荣基于蚁群算法的物流配送车辆优化调度研究2006随着计算机技术的日新月异，一些新的仿生优化算法像蚁群算法得到了迅速发展和广泛应用。论文首先介绍了物流配送车辆优化调度问题等相关概念，接着详细介绍蚁群算法的产生、发展和研究现状，以及该算法在经典VRP问题上的应用。论文的主要工作是对蚁群算法的改进。蚁群算法的改进策略主要有以下几个方面：首先，针对基本蚁群算法选路计算开销太大，引入了一种新的优化选路方法，通过三种改进策略，减少了蚁群的选路次数，减小了选路时间，提高了运行效率。其次，引入了蚂蚁个体差异策略，通过调整菲尔蒙因子以及期望启发式因子在选路概率中的作用，使蚂蚁的行为方式具有多样性。仿真实验表明这可以使蚁群算法避免过早陷入局部最优。最后，在此基础上融合近似解可行化算法，构造了求解经典VRP问题的自适应蚁群算法。实验结果表明，自适应蚁群算法性能优良，能够有效解决VRP问题。论文提出的自适应蚁群算法，不仅改善了算法性能，还在VRP问题上的应用取得了较好的效果。一系列仿真实验表明，改进蚁群算法在执行效率上有明显的优势，主要体现在选路次数比基本蚁群算法有明显减少，而且随着客户规模的扩大，改进蚁群算法选路次数的减少尤为明显。论文还分析了蚁群算法中参数的选取方法及其对算法性能的影响，提出了一些有益的建议。2.会议论文韩静.李军基于改进蚁群算法的物流配送路径优化问题研究2007物流配送在国民经济中发挥着越来越重要的作用,先进的物流配送系统是企业增强竞争力的重要手段。而进行物流配送系统的优化,主要就是配送路径的选择。虽然蚁群算法已广泛应用于解决路径优化问题,但此算法所固有的收敛速度缺陷一直制约着物流系统配送路径优化问题的解决。本文在系统分析蚁群算法的基础上,结合遗传算法,提出了一种新型的改进蚁群算法,并通过算例对改进蚁群算法的有效性进行了验证。3.学位论文于凤青物流配送车辆优化调度问题研究2007在经济全球化和信息化的浪潮中，现代的物流业已经成为以现代科技、管理和信息技术为支柱的综合物流系统。物流配送是物流企业增加利润的关键所在，而车辆调度问题是物流配送的核心问题，因此，对车辆优化调度问题的研究具有重要的意义。车辆优化调度问题是一个典型的NP难题，应用纯粹的数学方法难以求解。随着智能优化技术的发展，越来越多的研究人员用智能方法做出决策和判断,以使运输系统费用最低、效益最大。蚁群算法是一种新兴的搜索寻优技术，是从蚁群行为的研究中产生的。蚁群算法根据个体产生信息素，借助选择策略、信息素更新等操作，逐步逼近最优解。本文对现代物流配送车辆优化调度问题的理论、方法与模型进行了深入的研究。首先在回顾车辆优化调度问题研究现状的基础上,从模型分析和求解算法的角度研究了车辆优化调度问题：对容量限制车辆优化调度问题、有时间窗车辆优化调度问题、顾客满意度车辆优化调度问题以及随机车辆优化调度问题的模型进行了探讨，并介绍了求解车辆优化调度问题的算法。介绍了蚁群算法的基本思想、原理和模型实现，进行了算法分析，总结了一些参数选择的经验，并对一些典型的改进蚁群算法进行了简单介绍。然后针对蚁群算法在求解问题过程中容易出现停滞现象、收敛速度慢的缺点，提出了一种改进的蚁群算法，并将其应用于旅行商问题进行验证，结果表明了算法的有效性。最后在分析蚁群算法求解旅行商问题与车辆优化调度问题区别的基础上，设计了一种混合蚁群算法来求解车辆优化调度问题。编写了优化调度程序，应用实例对算法进行验证，通过与同类文献比较，表明了该算法对求解车辆优化调度问题的可行性。4.期刊论文陈卫东.王佳.CHENWei-dong.WANGJia基于混合蚁群算法的物流配送路径优化-计算机工程与设计2009,30(14)基本蚁群算法在优化过程中存在搜索时间长、易陷入局部最优解的缺点.研究构造了一种基于蚁群算法的混合算法,利用蚁群算法首先求出问题的基本可行解,采用遗传变异中的单亲逆转算子进行再次优化,求得问题最优解.对物流配送路径优化的仿真试验表明,相对于基本蚁群算法和遗传算法,混合算法的优化质量和效率更优.5.期刊论文钟娟.赵彦强.孙富康.刘光年.ZHONGJuan.ZHAOYan-qiang.SUNFu-qiang.LIUGuang-nian基于混合蚁群算法的物流配送路径问题-合肥工业大学学报（自然科学版）2009,32(5)蚁群算法在解决旅行商等著名问题时得到了卓有成效的应用,但解决大规模问题时,其收敛速度较慢且耗时较长;同样,郭涛算法在解决复杂优化问题时取得了良好效果,但会产生大量无为的冗余迭代,求解效率低;文章汲取蚁群算法和郭涛算法的优点,提出混合蚁群算法,建立混合蚁群算法数学模型,得到时间效率和求解效率都比较好的一种新的启发式算法.6.学位论文张怀锋蚁群算法在物流配送路径优化问题上的应用研究2009在全球经济一体化的大背景下，伴随着我国经济的飞速发展，物流作为”第三利润源泉”在我国得到了长足的发展。物流配送是物流活动中直接与消费者相关联的环节，在物流的各项成本中，配送的成本占了相当高的比例，因此，配送线路安排得是否合理直接影响着企业的成本支出[1]。在满足多样化用户需求的前提下，如何有效地利用现有资源进行车辆调度以减少企业的运行成本，给企业带来更大的利润，是物流行业发展的目标，也是研究者关注的重点问题。br　　物流配送问题实质是车辆路径问题(VehicleRoutingProblem，VRP)，车辆路径问题具有很高的计算复杂性，属于NP-hard问题[2][3][4]。随着问题规模的扩大，传统的基于确定性的优化算法在求解组合优化问题时遇到了困难。于是人们在仿生学中受到启发，提出了许多启发式智能优化算法，为解决复杂的组合优化问题(如NP-hard问题等)提供了崭新的思路。br　　蚁群算法便是人类在观察自然界真实蚂蚁觅食的过程中总结出来的仿生优化算法，它在短短的十余年的发展历程中展现出顽强的生命力，成功地应用于解决旅行商问题(TravelingSalesmanProblem，TSP)，车间作业调度问题(Job-shopSchedulingProblem，JSP)，车辆路径问题等组合优化问题。蚁群算法作为新兴的仿生优化算法，因其具有分布式计算，自组织性和正反馈性质而得到广泛应用。但搜索时间长，易陷入局部最优解等也是基本蚁群算法的致命的缺点，针对此问题，本文在研究了遗传算法基础上提出了一种改进的蚁群算法-G-蚁群算法。通过对解决TSP问题的实验表明，G-蚁群算法在收敛速度和解的全局性上有更优的性能。br　　为了验证算法的性能，我们在VC6.0下进行编程实验，并开发出针对对TSP问题和VRP问题的应用软件，实验结果表明，利用改进的蚁群算法进行VRP和TSP问题的求解，能够得到令人满意的效果。br　　最后，针对快速发展的物流配送行业的发展，提出了对开发物流配送车辆计算机调度管理系统的设想并分析了当前存在的问题，为后来者的相关研究提供了理论支持和实用的参考意见。7.期刊论文张维泽.林剑波.吴洪森.童若