论文部分内容阅读
近年来,我国物流服务业发展迅速,车辆路径问题在其中尤为关键,优化车辆路径,减少运输总成本,让物流服务更加环保成为未来发展的必然趋势。在车辆路径优化问题里,软时间窗车辆路径问题是一个具有代表性的问题,它既可以拓展为硬时间窗车辆路径问题,也可以转化为基本的车辆路径问题,而软时间窗车辆路径问题同时是一个复杂的NP难问题。所以基于这样的现实意义,研究软时间窗车辆路径问题的求解算法是非常有意义的。本文主要研究工作包括以下四个方面:(1)研究了车辆路径问题的五种核心要素,分析了多种车辆路径问题的扩展问题,包括动态车辆路径问题、多车场与多车型车辆路径问题、开放式的车辆路径问题、取送货车辆路径问题和周期性的车辆路径问题。研究了带时间窗的车辆路径问题,从不同的角度介绍了带时间窗的车辆路径问题,分析了目前解决带软时间窗的车辆路径问题的多种算法的优缺点,为软时间窗车辆路径问题的研究打下基础。(2)建立了软时间窗车辆路径问题的数学模型。讨论了软时间窗车辆路径问题中有关于配送站点、客户节点、车辆运送道路网、最终目标和车辆的假设,设计了软时间窗车辆路径问题的目标函数,分析了软时间窗车辆路径问题的约束条件,为软时间窗车辆路径问题的实验奠定理论基础。(3)提出了一种改进头脑风暴蚁群算法,用于解决软时间窗车辆路径问题。通过分析蚁群算法容易陷入局部最优解的原因,提出了一种改进头脑风暴优化算法,用来更新蚁群每一次迭代搜索后蚁群得到的问题解决方案。改进头脑风暴优化算法优化了传统蚁群算法每次迭代过程中问题的解决方案,从而使得信息素的分布多样化,下一次迭代过程中蚂蚁能跳出局部最优解。实验结果表明,所提出的改进头脑风暴蚁群优化算法能有效的解决软时间窗车辆路径问题。该成果已经在SCI检索期刊《IEEE ACCESS》上发表。(4)针对分散型和混合型客户节点的软时间窗车辆路径问题,提出了一种混合首尾蝙蝠的蚁群算法。分析了分散型和混合型客户节点的软时间窗车辆路径问题的特点,提出了改进蝙蝠随机震动方法更新蚁群算法中的信息素,改进了信息素更新过程,提出了首尾更新的方法更新解集,优化了解决方案,使得算法具有更好的搜索能力。实验结果证明,混合首尾蝙蝠的蚁群算法能够在较快的收敛速度下降低总运输成本。