免费论文：基于成本优化的车辆路径问题模型及算法研究

随着国内经济和电子商务的快速发展，作为“第三利润源泉”的物流系统在国民经济中的地位日益提升，而现代物流作为一种先进的组织方式和管理技术，被广泛认为是企业在降低物资消耗，提高劳动生产率以外的重要的利润源泉，在国民经济和社会发展中发挥着重要作用。而车辆路径问题（Vehicle Routing Problems，VRP）及其相关子问题作为物流配送系统的关键问题之一，由于其研究方法和成果对实际物流配送活动有着很大的应用价值，引起了国内外学者的广泛研究和关注。蚁群算法作为群体生物仿生算法在许多组合优化问题中有着广泛的应用，并取得了很好的结果，表现出了良好的适应性。本文利用蚁群优化算法针对车辆路径问题及其相关子问题进行了研究，主要研究成果有：首先，针对带时间窗口的车辆路径问题（Vehicle Routing Problems with Time Windows, VRPTW）的两个优化目标，提出了两阶段的蚁群算法，把优化过程分成两个阶段，采用不同的优化方法，第一阶段以车辆数量作为优化目标，第二阶段则以总路线长度作为优化目标。在第一阶段优化过程中，提出了定向移动搜索算法来进行车辆数目的优化；在第二阶段优化过程中，使用了基于阀值的退火（Threshold Annealing）算法来进行路线长度的优化。最后，对Solomon标准算例进行了求解，并且和相关文献的计算结果进行了比较，计算结果表明，算法表现出了具有良好的稳定性和性能，并在C1和C2类问题上达到了至今最优解的水平。其次，在VRPTW问题的基础上，提出了基于成本优化的VRPTW问题（Cost Optimization-VRPTW，CO-VRPTW），并建立了车辆运行成本的数学模型。针对车辆运行成本中的燃油成本，考虑了载货量和车速这两个影响燃油消耗的主要因素，提出了根据实验数据计算车辆燃油消耗的方法。将VRPTW问题分为匀速和非匀速两类，并且以成本优化为目标，分别用蚁群算法进行了求解，对于成本目标，CO-VRPTW的最优解都优于VRPTW问题的迄今最优解。第三，在CO-VRPTW问题的基础上，针对基于成本优化的带软时间窗口的开放式车辆路径问题（Cost Optimization-Open Vehicle Routing Problem with Soft Time Windows，CO-OVRPSTW）建立了数学模型和求解框架。首先根据软时间窗口的特点提出了改进的初始解构建算法，然后通过改变惩罚因子的大小提出了变参数的局部搜索算法，最后用Solomon标准算例对算法进行了验证，对于成本目标，CO-OVRPSTW的最优解要优于OVRPSTW问题的最优解。最后，提出了基于成本优化的随机需求VRP问题（Cost Optimizations-Vehicle Routing Problem with Stochastic Demand，CO-VRPSD），建立了随机货物需求模型和算法性能评估方法，并且用蚁群算法进行了求解，对于成本目标，CO-VRPSD问题的最优解要优于VRPSD问题。

来源：半壳优胜鲸鱼幸运星转载请保留出处和链接！

本文链接：http://87cpy.com/263640.html