首页 > 分享 > 物流配送路径规划模型及其改进TLBO算法研究

物流配送路径规划模型及其改进TLBO算法研究

花匠小妙招
2024-09-10 17:40

【摘要】： 合理地规划物流配送路径对于降低物流运输成本和提高物流配送效率具有重要的意义。物流配送路径规划本质上属于车辆路径问题(Vehicle Routing Problem,VRP)。论文重点对带容量约束的VRP(Capacitated VRP,CVRP)、绿色VRP(Green VRP,GVRP)和带模糊需求的GVRP(GVRP with Fuzzy Demand,GVRPFD)这三种VRP变体的模型及其求解方法开展研究。提出了一种带局部搜索的改进离散TLBO算法(Improved Discrete TLBO with Local Search,IDTLBO-LS)并将其应用于CVRP。针对TLBO算法容易陷入局部最优的缺点以及CVRP,本文从种群初始化、TLBO算法的离散化、与局部搜索(Local Search,LS)算法结合和增加种群重建机制四个方面对其进行了改进和扩展。首先,设计了一种混合初始化方法,该方法综合运用随机初始化和最近邻初始化两种方法对种群进行初始化,从而提高初始种群的质量。然后,设计了一种改进的离散教与学策略,采用两种交叉算子分别模拟教过程和学过程。紧接着,设计了一种LS算法并将其与改进离散TLBO(Improved Discrete TLBO,IDTLBO)算法结合,以进一步提高解的质量。最后,设计了一种种群重建机制以使种群跳出局部最优,避免算法过早收敛。仿真实验表明,与传统离散TLBO(Discrete TLBO,DTLBO)算法、带局部搜索的DTLBO(DTLBO with Local Search,DTLBO-LS)算法、LS算法、IDTLBO算法和采用随机初始化的IDTLBO-LS算法(IDTLBO-LS-R)相比,IDTLBO-LS算法收敛速度快且收敛精度最高。与混合遗传模拟退火算法(Hybrid Genetic and Simulated Annealing,HGSA)、改进的花朵授粉算法(Improved Flower Pollination Algorithm,IFPA)和改进的混合萤火虫算法(CVRP-FA)等最近提出的代表性算法进行了比较,IDTLBO-LS算法拥有最高的收敛精度。在CVRP的基础上进一步考虑车辆行驶中的燃料消耗,提出了一种适用于GVRP的改进离散TLBO算法。首先,针对GVRP,建立了GVRP的数学模型,该模型在CVRP的目标函数中加入了降低燃料消耗的目标。接着,重新对CVRP的IDTLBO-LS求解算法中的初始化方法和局部搜索算法进行设计,提出了新的IDTLBO-LS-G算法,使其适用于GVRP。仿真实验表明,与传统DTLBO算法、本文提出的IDTLBO算法、DTLBO-LS算法和LS算法相比,IDTLBO-LS-G算法收敛精度最高。与CVRP的IDTLBO-LS算法相比,IDTLBO-LS-G算法更适合求解GVRP,收敛精度更高。在GVRP的基础上进一步考虑客户需求和决策者偏好的模糊性,建立了GVRPFD的数学模型并设计了其求解方法。重点对GVRPFD中模糊信息的描述、集结和传播方法进行了研究,解决了GVRPFD的模糊性、复杂性和不确定性等问题。首先,针对决策者决策过程和决策环境的不确定性,提出运用高斯型区间二型模糊集描述模糊需求和模糊权重的处理方式,并对模糊需求约束进行处理。然后,利用感知计算机理论和语义加权平均算子对不确定信息进行集结。接着,结合所设计的GVRPFD的数学模型,运用GVRP的IDTLBO-LS-G算法对GVRPFD进行求解。仿真实验表明,与基于一型模糊集的GVRPFD数学模型和基于简单加权的GVRPFD数学模型相比,本文所建立的基于二型模糊集的GVRPFD数学模型能更合理地描述和处理客户需求和决策者偏好的不确定性,能给出更为精确可信的优化结果。

【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2022

1234187246572142592