基于pso算法的物流配送车辆路径问题的研究

《基于pso算法的物流配送车辆路径问题的研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于PSO算法的物流配送车辆路径问题的研究摘要：粒子群优化优化(PSO)算法是受自然界生物群体机制启发而得出的一种仿生进化算法。本文首先简要介绍了群智能、粒子群优化、物流配送和车辆路径问题。然后介绍Fpso算法的基本原理，与遗传算法比较证明其优越性。再在pso算法的基础上，融入爬山算法，使算法性能有所提升，并应用于车辆路径问题。最后对全文进行总结，提出VRP发展的几点建议。关键词：PSO算法；VRP；爬山算法；遗传算法；优化问题中图分类号:TP18；0224文献识别码:A文章编号:1001-828X(2017)001-0000-03ABSTRACT:Theparticleswarmoptim

2、izaton(PSO)algorithmisanevolutionaryalgorithmthatsimulatesthemechanismofbiologicalswarmsocialbehavior.SwarmIntelligence,particleswarmoptimizaton,distributionandvehicleroutingproblemarcfirstlyintroducedAfterwards,comparedtogeneticalgorithm,PSOhasanobviousadvantage,thebasicprincipleofwhichisanalyzed.

3、Inaddition,thearticlecombinesPSOwithgeneticalgorithmtoimprovealgorithmperformanceandappliesmixedalgorithmtoroutingproblems.Finally,somesuggestionsonVRP'sdevclopmentareputforwardandsummariesareincluded.KeyWordsParticleSwarmOptimizationAlgorithm；VehicleRoutingProblem；MountingClimbingMethod；GeneticAlg

4、orithm；OptimizationProblem一、引言简单来说,所谓的群智能(SwarmIntelligence),指的是就是一种对于自然界当中，蜜蜂、蚂蚁与鸟群等相关牛物群体所进行的行为机制研究。在这当中，虽然说单一生物个体所产生的行为通常都比较简单，但是当许多简单的个体，通过合作来表现出的行为具有明显的复杂性，并且能够完成更加复杂的任务。粒子群优化(ParticleSwarmOptimization)算法是群智能方法中较为典型的一种。其是于1995年，由美国的J.Kennedy和R.Eberhart提出的，其中，J・Kenned是一位社会心理学家，而R.Eberhart则是一名电气

5、工程师。其中，PSO算法主要是从人工生命研究开始的，油漆是针对于鱼群与鸟群等的模仿，并且在这当屮充分的加入了进化计算的思想。起初，这一算法主要是被运用在函数优化与神经网络的训练当中，Z后，相关的研究人员又对其做出了进一步的优化，并开发出了不同的版本，来使的该工具成功的在多个领域中得以运用［1］。就针对于我国而言，物流概念最早是于1979年出现的，一直到20世纪90年代中期，企业与政府开始重视物流，并赋予其“第三利润的源泉”的价值和战略地位。从本质上来说，物流配送是以供应链管理为基础的，而现阶段，由于存储环节的耍求越来越弱化，使的配送变成了其中最为关键的一个环节。而就针对于配送来说，其最核心的

6、部分，就是配送车辆的集货与货物的配送过程。在这个过程当中，怎样选择车辆的配送道路，来使配送更加合理，对于整个物流运输来说尤为重要［2］。这就使得车辆路径问题受到了广泛的关注。在VRP提出以后，其已经出现了许多相对成熟的算法，并很快得到了广泛的重视，在运筹与组合优化领域当中成为一个热点内容［3］。本？冃是研究基于PSO算法的物流配送车辆路径问题，查阅资料整合而成。本项目旨在在PSO算法的基础上融入爬山算法，实现物流配送车辆的路径的优化。二、PSO算法基本原理1.基本原理简单来说，所谓的PSO算法，指的就是一种通过以种群为基础的优化算法。粒子定义成D维空间中的点xi（xil,xi2,xi3,…,

7、xid,•••,xiD）,D维空间是要优化问题的解空间，与此同时，粒子要具有一定的速度vi（vil,vi2,…，vid,…，viD）,粒子允许在搜索空间飞行。开始时,算法取一组随机解（xl,x2,x3,…，xN,N为粒子个数）初始化，随后粒子根据口身在解空间屮的飞行经验和粒子群体的飞行状况更新口己的速度以及位置，还用有关函数和相应方法计算适应度的值来评价解的好坏，选出pbest（个体极值）和gbest（全局极