VC++046-用遗传算法解决车辆优化调度
1.无需注册登录,支付后按照提示操作即可获取该资料.
2.资料以网页介绍的为准,下载后不会有水印.资料仅供学习参考之用.
密 惠 保
摘要:近年来,物流作为“第三方利润的源泉”受到国内各行业的极大重视并得到了较大的发展。在高度发展的商业社会中,传统的VSP算法已无法满足顾客需求对物流配送提出的要求,于是时间窗的概念应运而生。带有时间窗的车辆优化调度问题是比VSP复杂程度更高的NP难题。
本文在研究物流配送车辆优化调度问题的基础上,对有时间窗的车辆优化调度问题进行了分析。并对所采用的遗传算法的基本理论做了论述。
对于有时间窗的非满载VSP问题,将货运量约束和软时间窗约束转化为目标约束,建立了非满载VSP模型,设计了基于自然数编码,使用最大保留交叉、改进的反转变异等技术的遗传算法。经实验分析,取得了较好的结果。由于此问题为小组成员共同研究,本文重点论述了本人完成的关于适应度函数和变异操作的部分。
关键词:物流配送 车辆优化调度 遗传算法 时间窗 [来源:http://think58.com]
[资料来源:THINK58.com]
目 录
摘 要 I
Abstract II
目 录 III
引 言 1
第1章 概 述 2
1.1 研究背景 2
1.2 物流配送车辆优化调度的研究动态和水平 4
1.2.1 问题的提出 4
1.2.2 分类 5
1.2.3 基本问题与基本方法 6
1.2.4 算法 6
1.2.5 货运车辆优化调度问题的分类 8
1.3 研究的意义 9
1.4 研究的范围 10
第2章 有时间窗的车辆优化调度问题(VSPTW) 11
2.1 时间窗的定义 11
2.2 VSPTW问题的结构 13
第3章 遗传算法基本理论 14
3.1 遗传算法的基本原理 14
3.1.1 遗传算法的特点 14
3.1.2 遗传算法的基本步骤和处理流程 15
3.1.3 遗传算法的应用 16
3.2 编码 17
3.2.1 二进制编码 18
3.2.2 Gray编码 18
3.2.3 实数向量编码 18
3.2.4 排列编码 19
3.3 适应度函数 19
3.3.1 目标函数映射成适应度函数 19
3.3.2 适应度定标 20
3.4 遗传算法的基因操作 21
3.4.1 选择算子 21
3.4.2 交叉算子 22
3.4.3 变异算子 25
3.5 遗传算法控制参数设定 28
[资料来源:http://www.THINK58.com]
第4章 遗传算法求解有时间窗非满载VSP 30
4.1 问题描述 30
4.2 数学模型 31
4.2.1 一般VSP模型 31
4.2.2 有时间窗VSP模型 32
4.3 算法设计 33
4.3.1 算法流程图 33
4.3.2 染色体结构 33
4.3.3 约束处理 35
4.3.4 适应度函数 36
4.3.5 初始种群 36
4.3.6 遗传算子 36
4.3.7 控制参数和终止条件 37
4.4 算法实现 39
4.5 实验及结果分析 39
4.5.1 控制参数选定 39
4.5.2 实例实验 43
4.5.3 实例数据 44
4.5.4 实例数据分析 44
结 论 45
参考文献 47
谢 辞 48
[资料来源:www.THINK58.com]
[资料来源:THINK58.com]
研究的意义
目前有关VSP的研究,多致力于单一车种或多车种优化调度问题,很少涉及结合时间窗口的VSP问题。所谓时间窗口是指配送车辆或顾客希望服务或被服务的时间范围。由于消费者需求趋于多样化,对送货时间的要求日趋严格,尤其是运送有时效性的商品,例如海鲜、花卉、蔬菜、水果等讲究新鲜度的货物,除了因缺货造成的机会成本的损失外,由于配送不及时也会造成货物价值的大大降低。因此,在配送运输上,时间因素是十分重要的。
有时间窗的VSP问题也称为VSPTW(Vehicle Scheduling Problem with Time Windows),根据时间约束的严格与否,分为软时间窗和硬时间窗的VSP。由于有时间窗的VSP是典型的NP—难题,会随着节点的增加出现组合爆炸的现象,因此求解的困难度及时效性会有影响。