大学毕业论文-—离散粒子群算法在车辆路径问题中的应用.doc

南华大学计算机科学与技术学院毕业设计（论文）计算机科学与技术学院毕业设计(论文)论文题目离散粒子群算法在车辆路径问题中的应用指导教师职称讲师学生姓名学号专业班级系主任院长起止时间2013年10月11日至2014年5月23日2014年5月23日目录摘要iAbstract.ii第一章绪论11.1课题背景11.2课题意义11.3国内外研究现状21.3.1国外的研究现状21.3.2国外的研究现状31.4论文的结构4第二章离散粒子群算法62.1粒子群优化算法62.1.1算法介绍62.1.2算法原理62.1.3算法流程82.1.4本节小结92.2离散粒子群算法102.2.1算法引入102.2.2算法原理112.2.3算法应用122.2.4本节小结15第三章车辆路径问题分析163.1物流配送163.2车辆路径问题的概述173.3车辆路径问题的分析173.3.1VRP的研究要素183.3.2VRP的优化目标183.3.3VRP的实现算法193.4本章小结19第四章车辆路径问题的建模与实现214.1车辆路径问题的建模214.2算法实现214.3实现代码224.4演示结果254.5DPSO算法与其他算法的比较254.5.1DPSO算法与免疫算法的比较254.5.2DPSO算法与最小生成树的比较284.5.3DPSO算法与遗传算法的比较284.6本章小结29第五章结论和展望30参考文献31谢辞34ii离散粒子群算法在车辆路径问题中的应用摘要：在这个高速发展的经济社会，各行各业对科学技术的革新的要求愈发的强烈，同时对人们的日常生活产生愈来愈广的影响。其中物流企业也逐渐凸显期重要性，然而物流配送则是物流企业日常生产中一个最为重要的环节，物流配送效率的高低直接将会影响到整个物流企业的运作效益，同时对于电子商务活动物流配送也必不可少。物流配送中亟待解决的问题是怎样得到一条费用最小的车辆路径并将货物配送给每个客户，即车辆路径问题(VRP)[33]。优化车辆路径问题(VRP)则需要优化配送速度、服务质量、配送成本等决定性因素，因此在这些问题中涉及到多种多样优化方案。应用离散粒子群算法(DPSO)[22]这种群体智能算法能更好更快地解决这些多样化的问题，该算法以快速收敛性而获取最佳是通过模拟鸟群觅食得到的。应用于车辆路径问题中的离散粒子群算法同时也克服了其他算法的不足和缺点，离散粒子群算法编码比较简单克服遗传算法实现的复杂性，并且该算法具有一般的特性，适用于绝大多数的目标优化问题。粒子依据自身和群体经验进行优化更新，具有记忆和学习能力，克服其他算法的众多参数的问题。因此离散粒子群算法适合应用在车辆路径问题。关键词：粒子群算法、离散粒子群算法、车辆路径问题、物流配送、路径优化问题、免疫算法DiscreteParticleSwarmOptimizationforVehicleRoutingProblemAbstract:Inthishigh-speedeconomicandsocialdevelopment,scienceandtechnologysectorsofinnovationrequiresincreasinglystrong,whileproducingincreasinglybroadimpactonpeople'sdailylives.Whichoflogisticsenterpriseshavegraduallyhighlightstheimportanceisthelogisticsanddistributionlogisticscompaniesdailyproductiononeofthemostimportantaspects,howeverthelevelwilldirectlyaffecttheefficiencyoflogisticsanddistributiontotheoperationalefficiencyoftheentirelogisticsenterprises,butfore-commercelogisticsanddistributionalsoessential.Logisticsanddistributionproblemstobesolvedishowtogetaminimumcostofvehicleroutinganddistributionofgoodstoeachcustomer,namelyvehicleroutingproblem(VRP).Optimizingvehicleroutingproblem(VRP)isrequiredtooptimizethespeedofdelivery,qualityofservice,distributioncostsandotherdecisivefactor