基于改進粒子群算法的配送中心車輛優(yōu)化調(diào)度問題研究.pdf

1、近年來，隨著電子商務的發(fā)展，并且隨著貨運改革的不斷深入，加快鐵路向現(xiàn)代物流企業(yè)的建設，物流行業(yè)再次迎來了大發(fā)展，物流配送在經(jīng)濟活動中的作用也愈發(fā)突顯。而發(fā)展往往伴隨著問題，因此，作為物流配送中的重要問題——車輛調(diào)度問題重新受到了學者們的關注。
　　車輛調(diào)度問題已經(jīng)發(fā)展了幾十年，但是隨著社會的不斷發(fā)展，仍然有一些具有鮮明時代特征的新問題不斷涌現(xiàn)，尤其是電商物流的大力發(fā)展，客戶滿意度在物流配送中愈發(fā)顯得重要，對企業(yè)的影響越來越大。配送

2、作為一種具有服務性質的行業(yè)，對車輛調(diào)度問題進行優(yōu)化，不單是對配送企業(yè)的成本優(yōu)化，更是為了保障服務的高效性，提升客戶的滿意指數(shù)，進而提高配送企業(yè)的競爭力，使其能夠激烈的競爭中獲得長遠的發(fā)展。
　　本文在參閱了已有的相關文獻及研究成果的基礎上，建立了針對客戶滿意度評價的車輛優(yōu)化調(diào)度問題模型，并運用粒子群算法和改進粒子群算法分別對模型的實例進行了求解，以驗證算法的有效性。具體如下:
　　(1)模型構建方面。為了更好的對客戶的滿意度

3、進行評估，使得模型更加貼近現(xiàn)實，本文引入梯形模糊時間函數(shù)，利用客戶所期望的服務時間以及允許的服務時間這兩個時間段對客戶的滿意度進行評價，并且考慮成本和時間因素，最終建立了在滿足客戶滿意度最大的情況下，使得時間和成本最小的多目標模型。
　　(2)求解算法方面。首先，對求解車輛調(diào)度問題的算法進行了詳細的研究，通過求解算例對算法進行對比分析，說明不同算法的優(yōu)缺點。然后，針對標準粒子群算法的缺陷，引進菌群算法中的復制和遷移算子，對其進行改