改進蟻群算法研究及其在車輛調度中的應用.pdf

1、隨著市場經濟的發(fā)展，作為“第三利潤源泉”的物流對經濟活動的影響日益明顯，越來越引起了人們的高度重視，已成為當前“最重要的競爭領域”之一。未來的市場競爭，物流將起到舉足輕重的作用。物流配送中的車輛調度優(yōu)化方法和系統(tǒng)，是實現(xiàn)快速、準確和低成本物流配送的重要手段和途徑，是現(xiàn)代物流系統(tǒng)必不可少的重要部分。 然而，現(xiàn)有的物流系統(tǒng)大多采用人工或計算機輔助的方法進行車輛調度，因此，不僅調度時間長，而且，不可能綜合多目標多約束調度需求進行科學的

2、量化分析和優(yōu)化處理。因此，研究物流配送中的車輛調度需求，建立多目標多約束環(huán)境下的車輛調度數學模型，提出有效的、對一般車輛調度問題具有一定適用性的智能優(yōu)化方法，并研制車輛調度系統(tǒng)具有重要的理論意義和實用價值。 本文的主要工作和貢獻在于： 1、在對智能路徑優(yōu)化算法進行分析對比的基礎上，深入研究了基本蟻群算法的基本原理、模型、實現(xiàn)方法及其仿真效果，分析了基本蟻群算法的優(yōu)點及其不足。 2、針對基本蟻群算法存在的計算時間長

3、、易于陷入局部最優(yōu)等缺點，提出和實現(xiàn)了基于模式學習的動態(tài)小窗口蟻群算法(DLWACAPL)和融入遺傳算法的DLWACAPL(HACAGA)，并通過案例測試，證明了上述兩種改進蟻群算法的有效性和適應性。 3、研究了面向能力約束的車輛路徑問題(CVRP)和面向時間窗的車輛路徑問題(VRPTW)數學模型、求解方法以及車輛調度的多目標優(yōu)化策略，包括多目標體系、數學模型和多目標的綜合優(yōu)化方法。 4、基于本文提出的改進蟻群算法(DL