《粒子群算法在物流路径优化中的应用毕业论文》由会员分享，可在线阅读，更多相关《粒子群算法在物流路径优化中的应用毕业论文（21页珍藏版）》请在金锄头文库上搜索。
1、 泰山医学院毕业设计（论文） 题目：粒子群算法在物流路径优化中的应用 院（部）系信息工程学院所 学 专 业计算机科学与技术年级、班级2006级本科1班完成人姓名 指导教师姓名专业技术职称 2010 年 6 月 10 日论文原创性保证书我保证所提交的论文都是自己独立完成，如有抄袭、剽窃、雷同等现象，愿承担相应后果，接受学校的处理。专业：班级：签名： 年 月 日泰山医学院本科毕业设计（论文）摘 要随着我国经济社会的飞速发展，各行各业对技术革新的要求愈发强烈，物流行业更是如此。常见表现在物流配送中，物流配送是指按照顾客的要求在物流配送中心进行分货、配货，并将配好的货物及时送交收货人。本设计讨论的物流
2、路径优化问题正是加速配送速度、提高服务质量、降低配送成本的关键。本设计采用粒子群算法求解在需求点和路段较少时的精确解，应用matlab进行开发和研究解决路径优化问题，较为直接的呈现问题解决的界面。基于PSO的参数，对车辆路径问题进行优化，以缩短物流配送供应过程中的供应时间，提高工作效率，降低物流行业的生产成本，提高企业竞争力。本设计仅是基于基础粒子群算法在物流路径的应用，算法原理较为简单，没有对算法进行更进一层的改进。改进方面国内外发展较为迅速，由于个人能力所限，没有对算法进行改进，但粒子群算法在现实应用中还是受到广大学者的喜爱。关键词：粒子群算法；路径优化；物流I AbstractWith
3、the rapid economic and social development of the requirements of various industries on the technological innovation increasingly strong, especially in the logistics industry. Common expression in the logistics, the logistics and distribution is in accordance with the requirements of customers in the
4、 logistics center for value, picking, and timely delivery of goods, the consignee with good. Designed to discuss the logistics of this routing problem is the speed to accelerate delivery, improve service quality and reduce the cost of key distribution. This design uses a particle swarm algorithm in
5、demand when there are fewer points and sections of exact solutions, application development and research matlab to solve the routing problem, a more direct presentation of problem-solving interface. PSO-based parameter optimization for vehicle routing problem is to reduce the supply of logistics and
6、 distribution process of the supply time and increase efficiency, reduce production costs of the logistics industry to enhance the competitiveness of enterprises. This design is only based on particle swarm optimization based on the path of the application in the logistics, the algorithm relatively
7、simple principle, there is no improvement on the algorithm one step further. Improvements and abroad to develop a more rapid, as the limited personal ability, the algorithm does not improve, but the particle swarm algorithm in real-life application or by the majority of scholars likeKeywords: Partic
8、le Swarm Optimization;Path Optimization; LogisticsII第页 共18前言目 录第一章绪论11.课题的研究背景12.课题的研究目的和意义1第二章 粒子群算法31.算法引入32.算法简介33.算法应用34.算法原理4第三章 粒子群算法在物流路径优化中的应用71.车辆路径问题72.车辆路径优化模型73.基于PSO算法的车辆路径问题74. 算法的实现过程84.1实现步骤84.2程序设计94.3结果显示125.粒子群算法和其他算法的比较13结论14参考文献15致谢16III第5页 共19页第一章 绪论第一章绪论随着我国经济社会的发展，我国物流业也去得了很大
9、的进步。而伴随着物流业的日新月异的发展，物流业中存在的问题也越来越凸出并引起物流业及人们的重视，其中物流配送中的车辆路径优化问题便是其中难题之一。物流业都希望通过最小的总耗费代价来完成高质量的服务，他们寻求各种各样的方法用以解决问题，像诸如基于梯度的优化算法，进化算法，蚁群算法等，而此设计是采用的粒子群算法优于其他算法，弥补了其他算法的缺陷，最优的用来帮助物流业可靠，快速，有效的解决配送车辆路径优化问题，降低了物流业的成本，提高了企业的竞争力，具有一定的意义。1.课题的研究背景在过去及现在的物流配送车辆路径的选择及优化中，以及选择最优路径过程和各种算法中，存在着各种各样的问题：首先，物流业选择
10、以低代价完成高质量服务即选择最优路径时，由于涉及算法、方法、设计等的复杂性及多样性存在着一定的困难。其次，有些用于处理路径优化的算法存在着一定的缺点。像遗传算法，虽然属于进化算法（Evolutionary Algorithms）的一种，它通过模仿自然界中选择与遗传的机理来寻找最优解，但是遗传算法的编程实现比较复杂，遗传算法包括：选择、交叉和变异三个算子。首先需要对具体问题进行编码，找到最优解后还要对问题进行解码，另外三个算法的实现也有许多参数，如交叉率和变异率，而且这些参数的选取都影响解的品质，这些参数的取得大部分是依靠经验。基于上述存在的问题，此设计研究粒子群算法在物流配送车辆路径优化问题中
11、的应用。弥补了其他问题的缺陷，综合了优点，达到了很好的效果，具有很强的实用性及意义。2.课题的研究目的和意义 物流配送路径的优化对加快配送速度、提高服务质量、降低配送成本、增加企业竞争力及增加经济效益都有较大的影响。物流配送路径优化问题是一个NP难题，粒子群算法能较好的解决这一问题，特别是适用于处理传统搜索方法难于解决的复杂和非线性问题，粒子群算法能提高物流配送的质量和效率，为企业增加更多的效益。 随着世界经济的快速发展和现代科学技术的进步，物流产业作为国民经济中一个新兴的服务部门，正在全球范围内迅速发展。在国际上，物流产业被认为是国民经济发展的动脉和基础产业，其发展程度成为衡量一国现代化程度
12、和综合国力的重要标志之一，被喻为促进经济发展的“加速器”。 物流的主要特征包括：1、物流的核心目的是向客户提供“准时、保质、保量、低成本”的综合服务。2、以降低服务对象的流通成本为目标，是“第三方利润来源”。3、物流过程实质上是“物流、资金流和信息流”的“三流一体化”过程。 针对以上物流特征，研究物流配送最优路径具有重要意义。而本设计即粒子群算法的物流配送车辆路径优化的开发，具有很多优点，不同于基于梯度的优化算法和蚁群算法等，粒子群算法没有中心控制约束，个别个体的障碍不影响整个问题的求解，即算法变更具有鲁棒性；采用非直接的信息共享方式实现和做，算法具有扩充性；该算法对于复杂的，特别是多峰高维的
13、优化计算问题具有很强的优越性。此外粒子群算法受所求问题维数的影响较小，原理简单，所需要的代码和参数较少。同时，粒子群算法业具有像蚁群算法一样的相似的特点：都是一类不确定的算法；都是一类概率性的全局优化算法；都不依赖于优化问题本身的严格数学性质；都是一种基于多个智能体的仿生优化算法；都具有本质并行性；都具有稳健性和自组织、进化型等等。粒子群算法作为新型群体智能算法的代表，自提出之后，因其概念简明、实现方便，在短期内就得到了国际演化计算研究领域的广泛认可，并在在解决复杂的组合优化类问题中体现其优越性能，被广泛的应用在工程设计及优化、电力系统、机器人控制以及生物医学和电磁学领域。总之，本粒子群算法基
14、于matlab语言的关于物流配送中车辆路径优化的设计与开发具有很强的实用性和实际意义。2第二章 粒子群算法第二章 粒子群算法1.算法引入本设计是为物流业中的配送过程中的车辆路径优化问题而开发研究的。系统为物流业的配送分析服务，使其以最小的总耗费代价完成服务。也就是平常所说的要求以最少的车辆数、最小的车辆总行程来完成货物的派送任务，即车辆路径问题（vehicle routing problem,VRP）,有时也称为“车辆计划”、“货车派遣”等。而设计的总耗费最小的路线集，必须满足一下条件:每个城市或客户只被一辆车访问一次，所有车辆从起点出发再回到起点，某些约束被满足。解决路径优化的方法很多而粒子
15、群算法是解决车辆路径问题的最有效的方法。主要特点有实现容易、精度高、收敛快等。2.算法简介 粒子群算法是群体智能算法（swarm colony algorithm）的一种,群体智能算法也属于启发式算法。从20世纪90年代初，已存在模拟自然界生物的群行为来为构造随机优化算法的思想。典型的方法有Dorigo提出的蚁群算法和Eberhart与Kennedy提出的粒子群算法。 粒子群算法最早是由Eberhart和Kennedy于1995年共同提出的，其基本思想是受他们早期对许多鸟类的群体行为进行建模与仿真研究结果的启发，他们的模型及仿真算法主要是利用生物学家Hepper的模型。在Hepper的仿真模型中，鸟类在一块栖息地附近聚群，这块栖息地吸引着鸟
