毕业设计（论文）-用遗传算法解决车辆优化调度

《毕业设计（论文）-用遗传算法解决车辆优化调度》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、摘要近年来，物流作为“第三方利润的源泉”受到国内各行业的极大重视并得到了较大的发展。在高度发展的商业社会中，传统的VSP算法已无法满足顾客需求对物流配送提出的要求，于是时间窗的概念应运而生。带有时间窗的车辆优化调度问题是比VSP复杂程度更高的NP难题。本文在研究物流配送车辆优化调度问题的基础上，对有时间窗的车辆优化调度问题进行了分析。并对所采用的遗传算法的基本理论做了论述。对于有时间窗的非满载VSP问题，将货运量约束和软时间窗约束转化为目标约束，建立了非满载VSP模型，设计了基于自然数编码，使用最大保留交叉、改进的反转变异等技术的遗传算法

2、。经实验分析，取得了较好的结果。由于此问题为小组成员共同研究，本文重点论述了本人完成的关于适应度函数和变异操作的部分。关键词：物流配送车辆优化调度遗传算法时间窗41AbstractRecentyears,logistics,takenas"thirdprofitresource”,hasbeendevelopingrapidly.Inthedevelopedcommercialsociety,traditionalVSPalgorithmhavebeenunabletomeettherequirementthatQuickResponse

3、tocustomerdemandhadbroughtforth,thentheconceptionofTimeWindowhascomeintobeing.Thevehicle-schedulingproblemwithtimewindowisalsoaNP-hardproblembeingmorecomplicatedthanVSP.Thistexthasbeenresearchedtothevehicle-schedulingproblemwithtimewindowonthebasisofresearchedtologisticve

4、hicleschedulingproblem.Andithasexplainedthebasictheoryofgeneticalgorithm.OntheVSPwithtimewindow,whiletherestraintsofcapacityandtimewindowsarechangedintoobjectrestraints,amathematicmodelisestablished.Weusetechniquesuchasmaximumpreservedcrossoveranddesigngeneticalgorithmonn

5、aturenumber,whichcandealwithsofttimewindowsthroughexperimentalanalysis,havemadebetterresult.Becausethisproblemwasstudiedtogetherforgroupmembers,thistexthasexpoundedthepartaboutfitnessfunctionandmutationoperatorthatIfinished.Keywords:logisticdistributionvehicleschedulingpr

6、oblemgeneticalgorithmtimewindows41目录摘要IAbstractII目录III引言1第1章概述21.1研究背景21.2物流配送车辆优化调度的研究动态和水平41.2.1问题的提出41.2.2分类51.2.3基本问题与基本方法61.2.4算法61.2.5货运车辆优化调度问题的分类81.3研究的意义91.4研究的范围10第2章有时间窗的车辆优化调度问题(VSPTW)112.1时间窗的定义112.2VSPTW问题的结构13第3章遗传算法基本理论143.1遗传算法的基本原理143.1.1遗传算法的特点143.1.2遗传

7、算法的基本步骤和处理流程153.1.3遗传算法的应用163.2编码173.2.1二进制编码183.2.2Gray编码183.2.3实数向量编码183.2.4排列编码19413.3适应度函数193.3.1目标函数映射成适应度函数193.3.2适应度定标203.4遗传算法的基因操作213.4.1选择算子213.4.2交叉算子223.4.3变异算子253.5遗传算法控制参数设定28第4章遗传算法求解有时间窗非满载VSP304.1问题描述304.2数学模型314.2.1一般VSP模型314.2.2有时间窗VSP模型324.3算法设计334.3.1

8、算法流程图334.3.2染色体结构334.3.3约束处理354.3.4适应度函数364.3.5初始种群364.3.6遗传算子364.3.7控制参数和终止条件374.4算法实现394.5实验及结