基于蚁群算法的车辆调度问题研究

现代物流运输车辆调度过程复杂多变,如何有效地进行车辆调度,降低企业的运输成本,从而在满足顾客日益多变的需求同时,给企业带来利润,引起了广大企业决策者和研究者的兴趣。现有的数学方法在解决此问题时还很不完善,缺乏科学的理论作指导。这些问题的解决,往往需要用现代优化算法做出决策和判断,追求运输系统总体最优、总费用最低、总效益最大的最优解。本文总结并分析了现代物流车辆调度问题,主要讨论了车辆调度问题的特点、问题的分类、问题的模型、并概述了现今求解车辆调度常用的算法。 蚁群算法(Ant Colony Algorithms,ACA)是一种新兴的搜索寻优算法,它是从蚁群行为的研究中产生的。蚁群算法根据蚂蚁个体产生的信息素,借助选择策略、信息素更新等操作,逐步逼近最优解。本文描述了蚁群算法的一般求解过程,给出了应用实例,并分析了一般蚁群算法在求解问题过程中容易出现收敛过早或停滞现象,通过对蚁群算法进行了系数更新、信息素更新、选择算法等方面的改进,加快算法的收敛速度,提高算法的搜索能力。 本文在现代物流技术基础,特别是车辆调度和蚁群算法的基础理论指导下,针对现代物流运输车辆的调度优化问题,进行了理论、方法与模型的研究工作。本文采用基于Sweep算法和蚁群算法的二阶算法来求解物流运输车辆的优化调度,对一般车辆调度问题(即无时间窗车辆调度问题)、带时间窗车辆调度问题探求新的求解方法,利用程序对算法进行了仿真试验,并结合4S一体化智能交通系统讨论了算法在现实车辆调度中的应用。 本文研究成果对蚁群算法的研究有一定的参考价值,并对建立现代物流运输车辆优化调度系统有现实的理论指导意义和应用价值。