欢迎来到天天文库
浏览记录
ID:32868802
大小:5.70 MB
页数:69页
时间:2019-02-16
《基于gis的最优路径选择研究》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、大连海事大学硕士学位论文基于GIS的最优路径选择研究姓名:陈冰岩申请学位级别:硕士专业:管理科学与工程指导教师:曹妍201206中文摘要摘要在GIS环境下研究最优路径问题具有很多优势,GIS的信息可视化、高效处理空间数据的特点,使其在研究与路径相关的问题时,更加高效,处理结果更加直观。本文研究的最优路径问题是物流配送中的危险品运输,由于运输危险品需要考虑到安全因素,因此最优路径的功能可以使车辆驾驶者提前熟悉运输路线,管理者能够更好地监控车辆是否按照既定路线行驶,在提高了运输安全性的同时也节约了运输成本。如果运输车辆出现危险情况,最优路径的功能也可以帮助救援队更快地达到出事现场。
2、本文研究的最优路径问题是采用蚁群算法来求解,蚁群算法具有鲁棒性、正反馈性等特点,求解能力强,易于编程实现,能够很好地与其他算法融合,解决不同类型的问题。但同时蚁群算法也存在收敛速度慢,易停滞、陷入局部最优解等缺陷。增强算法的正反馈作用,有利于提高算法的收敛速度,但同时也将导致算法搜索新路径的积极性降低,导致算法更易停滞、陷入局部最优解。在分析了基本蚁群算法的优缺点之后,本文针对蚁群算法的信息素更新机制,提出了改进方法,使得改进之后的蚁群算法加快了收敛速度,同时对减弱算法搜索新路径积极性的影响也较小。经过了算法验证之后,证明了改进后的蚁群算法比改进之前算法效果更好。本文采用Map
3、ABC和Eclipse为开发环境,采用W曲work—S研ng—Hibemate框架进行开发。MapABC的API接口提供了许多函数,代码编写简单但功能强大,能够有效地实现对地图初始化处理,并能够获取地图上任意一点坐标、计算两点之间的线路距离而不是直线距离,能够更精准地计算出最优路径模型中任意两个节点之间的实际路径距离,使得算法模型所需的数据更加准确,为最优路径的编程实现提供了良好的技术支持。关键词:GIS;最优路径;物流配送;蚁群算法英文摘要ABSTRACTThere’relotsofadVaIltag骼t0s砌yt11eoptimalp砒problelnundermeGISc
4、ircl】111stance,GISc觚mal(e也eiIlfo】11lationViSualizationandprocessmespatialdatae伍ciently,W11ichmaketheresultsmoree伍cieIlyandiI砌tivewhell如础ngtlleissueSaboutoptimalpamp哟bleIll.hlmispaper,tlleoptim2L1patllp∞b1锄isa:boutt11elo西sticsintlle觚nSportofdaIlgerous900ds,鹤“’sneedst0collsiders獭yfIacto瑙about缸
5、.觚sportfordallgous900ds,me叩timalpam觚ctioncallhelpVe:Ilicle荫Versbe‰iliarwiⅡ1paminadV锄ce,maIlage璐c锄mollitorwhemerVebjcleis删i119i11accordancewitlles诎Ilishedroutes,、)I临ChiInproVe仃ansportationsa颤ya11datt11es锄etimealsosaVe胁sportationcostS.IfVehjcleswerei11daIlgo屿meoptimalpam劬ctionc趾helpacientt0amv
6、esoon既ne叩timizationrouteprobl锄studiedi11thisdisseltationiss01vedbyACA(AntC010nyA】90ri廿1mS).ACIAfea哳esrobustnesS,positiVefeedbacka11dso0n.Itiseasyt0beiII】【p1锄e11tediIlpr0伊ammin舀andinte黟atedw汕oⅡleralgoritllmst0s01vev撕。瑚帅esofproblems.Butithausweal【pointslil【eslowconve唱e11cespeed,sta盟ation锄d僦1in
7、gint010caloptima.hnpr0、,iIlgthepositiVef.eedbaCkeff.ectofmealgorithInscallspeedupmeconVe略饥Cespeed,WIlileitreducest11ei11itiatiVeofse锄埘mgnewrouteaIldmakea190riⅡ吼smorepronetos姆锄t趾d脚lintolocaloptima.Wimme觚alysisofmepros锄dcoIlsofbaSicACA,thjsdissenatio
此文档下载收益归作者所有