基于改进蝙蝠算法的车辆路径问题研究

《基于改进蝙蝠算法的车辆路径问题研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、单位代码10475104754160971F252.5学号分类号硕士学位论文（专业学位）基于改进蝙蝠算法的车辆路径问题研究专业学位领域：物流工程专业学位类别：工程硕士申请人：郭倩指导教师：李煜教授二〇一八年六月IMPROVEDBATALGORITHMFORVEHICLEROUTINGPROBLEMADissertationSubmittedtotheGraduateSchoolofHenanUniversityinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringBy

2、QianGuoSupervisor:Prof.YuLiJune,2018关于学位论文独创声明和学术诚信承诺本人向河南大学提出硕士学位申请。本人郑重声明：所呈交的学位论文是本人在导师的指导下独立完成的，对所研究的课题有新的见解。据我所知，除文中特别加以说明、标注和致谢的地方外，论文中不包括其他人已经发表或撰写过的研究成果，也不包括其他人为获得任何教育、科研机构的学位或证书而使用过的材料。与我一同工作的同事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了谢意。在此本人郑重承诺：所呈交的学位论文不存在舞弊作伪行为，文责自负。学位申请人（学位论文作者）

3、签名:201年月日关于学位论文著作权使用授权书本人经河南大学审核批准授予硕士学位。作为学位论文的作者，本人完全了解并同意河南大学有关保留、使用学位论文的要求，即河南大学有权向国家图书馆、科研信息机构、数据收集机构和本校图书馆等提供学位论文（纸质文本和电子文本）以供公众检索、查阅。本人授权河南大学出于宣扬、展览学校学术发展和进行学术交流等目的，可以采取影印、缩印、扫描和拷贝等复制手段保存、汇编学位论文（纸质文本和电子文本）。（涉及保密内容的学位论文在解密后适用本授权书）学位获得者（学位论文作者）签名：201年年月月日日学位论文指导教师签名：2014摘要我

4、国的物流行业发展仍处于初级阶段，物流行业整体运行效率偏低，成本费用较高，尤其交通运输成本在物流总成本中占比过高。如何合理地确定配送车辆及路径，以实现物流配送系统的高效低成本运作是学术界和实业界关注的重点。本文对基于改进蝙蝠算法的车辆路径问题进行了研究。车辆路径问题是经典的NP-hard问题，其求解难度随问题规模的扩大呈指数级增长。车辆路径问题的求解算法经历了精确算法、传统启发式算法的发展，到现如今的群智能优化算法，其进步和创新都与时俱进。蝙蝠算法是2010年剑桥学者Yang受启发于微型蝙蝠的回声定位系统而设计的一种新型群智能优化算法。因其模型简单、参数

5、较少、易于实现等优点而受到广泛关注。本文首先对蝙蝠算法进行了改进，提出了一种基于动态惯性权重和时间因子的蝙蝠算法（DTBA）。通过引入基于高斯分布的惯性权重和时间因子，更好的控制了蝙蝠在搜索空间中的移动速度和移动步长，并实现了蝙蝠在全局搜索和局部搜索中的和谐转换，充分发挥了explorer蝙蝠和exploiter蝙蝠的作用。在针对连续函数优化问题的求解上，展示了良好的性能，并通过与粒子群算法、萤火虫算法和标准蝙蝠算法的对比，充分证明了改进后的蝙蝠算法在收敛速度和收敛精度上均有大幅度提高，是一种有效的求解算法。其次研究了带装载能力限制的车辆路径问题（CV

6、RP），针对CVRP这样一种离散的组合优化问题，本文设计了一种新型的实数编码和映射方式，将其转化为准连续优化问题，然后直接利用蝙蝠算法的寻优机制进行求解。这样可以充分利用蝙蝠算法自身的优势，也可以充分发挥改进后的蝙蝠算法的优越性。最后运用DTBA求解了四个不同规模的CVRP算例，充分证明了运用改进后的蝙蝠算法求解车辆路径问题具有较高的理论价值和现实意义，为车辆路径问题的求解提供了一种新的方法。关键词：车辆路径问题，蝙蝠算法，惯性权重，时间因子，实数编码IABSTRACTVehicleroutingproblem(VRP)isthekeyissueofl

7、ogisticssystemoptimization.Asaclassicalcombinatorialoptimizationproblem,itbelongstotypicalNP-hardproblemandremainedunsolved.Therearemanyclassicalgorithmsforsolvingvehicleroutingproblem,suchasexactalgorithm.Duetothelimitationsoftheexactalgorithm,inrecentyears,scholarshavefocusedt

8、heirresearchonthegswarmintelligenceoptimization