物流配送中車輛選徑問題研究.pdf

1、隨著經濟向著全球化的迅速發(fā)展，供應鏈系統(tǒng)變得越來越復雜，對經濟的影響也越來越重要。而車輛選徑問題(VRP)是供應鏈研究的一項重要內容。選取恰當?shù)能囕v選徑方法，可以加快對客戶需求的響應速度，提高服務質量，增強客戶對物流環(huán)節(jié)的滿意度，降低服務商的運作成本。因此，車輛選徑問題一直是運籌學、管理學和計算機應用等領域里研究的熱點。本文研究的主要內容如下： 1.針對現(xiàn)有的對于VRP的研究主要集中在需求是確定的，并且應用的啟發(fā)式算法也過于單一

2、的情形，本文對隨機需求的VRP(VRPSD)進行了研究。為了求解VRP，本文構造了一個具有暫態(tài)混沌特性的神經網絡，并利用它在解組合優(yōu)化問題時具有的隨機性和確定性并存的優(yōu)點，進一步提出了一種混沌神經網絡解法。最后，把文中提出的算法與神經網絡算法和模擬退火算法進行了比較，結果表明該算法具有很強的尋優(yōu)性能和收斂效率。 2.對于隨機情形更加復雜的的隨機顧客和隨機需求的VRPSCD進行了研究。針對標準模擬退火算法在求解車輛選徑問題中存在的

3、收斂速度慢，易陷入局部極值點的問題，提出了一種由模擬退火算法結合遺傳算法的混合算法求解該問題，并與模擬退火算法作了比較。實驗結果表明，該算法具有很強的避免陷入局部極小點的能力和較強的全局搜索的能力，具有計算效率高、收斂速度快和求解質量優(yōu)的特點。 3.目前，求解有時間窗的車輛選徑問題中，尚無考慮車輛數(shù)的研究成果。本文提出了考慮車輛數(shù)和車輛運行成本兩個目標的數(shù)學規(guī)劃模型。對于標準遺傳算法在求解車輛選徑問題中出現(xiàn)的“早熟”易陷入局部極

4、值點的問題，提出了一種由遺傳算法結合模擬退火算法的混合算法求解提出的車輛選徑問題，并與遺傳算法進行了比較。該算法利用了模擬退火算法具有的較強的局部搜索能力的特性，有效地克服了傳統(tǒng)遺傳算法的“早熟”問題。實驗結果表明，該算法是解決車輛選徑問題的有效方法。 4.針對逆向物流中的熱點問題“具有同時配送和收貨需求的車輛選徑問題”(VRPSDP)做了研究，設計了用于求解該問題的禁忌搜索算法的鄰域結構，并且研究了該問題的幾個算例，得到了滿意