城区物流快递送货的路径选择研究 毕业论文

《城区物流快递送货的路径选择研究 毕业论文》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、ANYANGINSTITUTEOFTECHNOLOGY本科毕业论文城区物流快递送货的路径选择研究TheResearchofpathChoiceforCityLogisticsExpress系(院)名称：计算机科学与信息工程学院专业班级：11届计算机科学与技术嵌入方向学生姓名：　　ＸＸＸ　　学生学号：指导教师姓名：指导教师职称：副教授2012年5月毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，

2、不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得安阳工学院及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。作者签名：　　　　　日　期：　　　　指导教师签名：　　　　　日　　期：　　　　　使用授权说明本人完全了解安阳工学院关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；

3、在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。作者签名：　　　　　日　期：　　　　城区物流快递送货的路径选择研究专业班级：11届计算机科学与技术嵌入方向学生姓名：ＸＸＸ指导教师：侯贵法职称：副教授摘要：物流快递是现代电子商务的支撑基础。我们越来越依赖于物流的同时，也伴随着很多问题，比如能不能尽快送到目的地，怎样才能最快送到等。物流快递送货的路径选择即对于给定的一组订单，先送什么后送什么的路径规划。对于小规模的送货可用最短路径和动态规划等方法实现，但是随着问题规模的扩大，组合优化问题常常会呈现组合爆炸的特征，此类问题无法

4、使用常规方法来求解，属于NP-Hard问题，车辆路径问题就是典型的组合优化问题。蚁群算法（ACO）是受自然界中蚂蚁搜索食物行为启发而提出的一种智能优化算法。研究发现，蚁群算法可以较好地求解VRP（VehicleRoutingProblem，车辆路径优化）等组合优化问题。蚁群算法发现较好解的能力很强，具有分布式计算、鲁棒性强、易于与其他方法结合等优点，具有十分广阔的应用前景。然而，蚁群算法存在求解速度慢，在规模扩大后带来收敛慢等问题。对车辆路径问题解决上，现有的蚁群算法存在难以回归原点等问题。这些问题也是我们面临的巨大挑战。本文采用

5、的是面向对象的VC语言，依据蚁群算法解决配送路线的优化问题，文章从以下几个方面展开：首先充分概括了当前的蚁群算法在车辆路径问题上的研究。详细分析了基本蚁群算法的原理，然后详细阐述了VRP问题并引用了其数学模型，并介绍了蚁群算法解决VRP问题的方法以及现状面临的挑战。并将遗传算法的复制、交叉、变异等遗传算子引入蚁群算法，同时改进信息素的更新方式、客户点选择策略，以提高算法的收敛速度和全局搜索能力。关键词：物流配送车辆路径问题蚁群算法TheResearchofpathChoiceforCityLogisticsExpressAbstr

6、act:Logisticsexpressisthebasisofmoderne-business.weareincreasinglydependentonlogistics.Weareincreasinglydependentonthelogisticswithmanyproblemsassociatingwithitatthesametime.Forexample,ifitissenttothedestinationassoonaspossible,howcanitbethefastest.Thedeliveryroutecho

7、iceoflogisticsexpressisapathplanningofwhatshouldbeputforewordandwhatafterwardforagroupofgivenorders.Itiscanberealizedbyusingthemethodoftheshortestpathanddynamicprogrammingforthesmall-scaledelivery.Butwiththeexpansionofthescale,combinatorialoptimizationproblemoftenfeat

8、ureacombinationoftheexplosion;suchproblemscannotuseconventionalmethodstosolve.TheproblembelongstoNP-Hard.Antcolonyalgorithm(