ByLiGaoyangSupervisor:ProfessorSongWeigangNortheasternUniversityJuly2008独创性声明本人声明,所呈交的学位论文,是在导师的指导下完成的。论文中所取得的研究成果除加以标注和致谢的地方外,不包含其他人已经发表或撰写过的研究成果,也不包括本人为获得其他学位而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名:力高椤Et期:吱即8.,7,,、使用学位论文的规定:即学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权东北大学可以将学位论文的全部或部分内容编入有关数据库进行检索二交流。(如作者和导师同意网上交流,请在下方签名;否则视为不同意。)半年口一年口一年半口两年口学位论文作者签名:秀海移签字日期:&伽侈,,:签字日期:万{j摘要应用研究”正受到日益广泛的重视,并重要的与消费者直接相连的环一环。通过配送路线的优化,可以提高物流配送的经济效益、降低配送成本,实现物流科学化。明确了物流配送车辆调度问题等的相关概念,确立了所研究问题的具体类型为纯卸货、非满载、单车场、单车型、闭合式、确定式以及带有时间窗约束的类型,并建立了带约束条件的物流配送问题的数学模型。‘详细介绍了蚁群算法的产生、发展、原理及研究现状,以及该算法在车辆调度问题中的实际应用,建立了蚁群算法的基本模型,分析了蚁群算法的实现过程,,应用实例对算法进行分析验证。分析了蚁群算法中主要参数对算法性能的影响及主要参数的选取方法,提出了一些有益的建议。针对蚁群算法在搜索初期收敛速度慢和易收敛于局部最优解的缺陷提出了一种改进的蚁群算法——G—恤~算法来求解车辆路径优化问题,这也是研究的核心所在。在改进算法中,利用蚁群算法易与其他启发式算法相结合的特点,将蚁群算法与遗传算法相复合来提高算法的求解效率,利用遗传算法具有快速随机搜索到全局最优解的能力产生初始信息素分布,在利用蚁群算法的分布式并行全局搜索能力收敛到全局最优解,最终实现了算法的有效改进,解决了基本蚁群算法求解问题的缺陷,保障了改进算法求解实际问题的有效性。‘通过开发的程序对经典的车辆优化调度问题进行了优化仿真,可直观的显示配送路线等结果,通过用solomon测试数据对改进算法进行验证,并与基本蚁群算法结果进行比较,取得了较满意的结果,充分证明了改进算法的可行性、优越性及通用性。关键词:车辆优化调度;蚁群算法;遗传算法;优化仿真-II_tResearchonAntColonyAlgorithmanditsApplicationforVehicleSchedulingProblemAbstractWiththedevelopmentoftheinformation,logistics,takensas“ThirdProfitResource”,,,,,webeginwiththeintroductionofvehiclemutingproblemrelatedtopics,establishthestyleoftheproblemisnon-fullloaded、singledeport、,amongtheapplicationofAntColonyAlgorithm,weemphasizesomeexistingmethodssolvingvehicleroutingproblem,buildthebasicmodelofAntColonyAlgorithm,
蚁群算法在车辆调度问题中的应用地研究 来自淘豆网m.daumloan.com转载请标明出处.
