用遗传算法解决车辆优化调度问题系统论文
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。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
Abstract
Recent years, logistics, taken as "third profit resource”, has been developing rapidly. In the developed commercial society, traditional VSP algorithm have been unable to meet the requirement that Quick Response to customer demand had brought forth, then the conception of Time Window has come into being. The vehicle-scheduling problem with time window is also a NP-hard problem being more complicated than VSP.
This text has been researched to the vehicle-scheduling problem with time window on the basis of researched to logistic vehicle scheduling problem. And it has explained the basic theory of genetic algorithm.
On the VSP with time window, while the restraints of capacity and time windows are changed into object restraints, a mathematic model is established. We use technique such as maximum preserved crossover and design genetic algorithm on nature number, which can deal with soft time windows through experimental analysis, have made better result. Because this problem was studied together for group members, this text has expounded the part about fitness function and mutation operator that I finished.
Key words:logistic distribution vehicle scheduling problem genetic algorithm time windows
目录
摘要........................................................................................................... I Abstract ...................................................................................................... II 目录......................................................................................................... I II 引言.. (1)
第1章概述 (2)
1.1研究背景 (2)
1.2物流配送车辆优化调度的研究动态和水平 (4)
1.2.1 问题的提出 (4)
1.2.2 分类 (5)
1.2.3 基本问题与基本方法 (6)
1.2.4 算法 (6)
1.2.5 货运车辆优化调度问题的分类 (8)
1.3 研究的意义 (9)
1.4 研究的范围 (10)
第2章有时间窗的车辆优化调度问题(VSPTW) (11)
2.1 时间窗的定义 (11)
2.2 VSPTW问题的结构 (13)
第3章遗传算法基本理论 (14)
3.1 遗传算法的基本原理 (14)
3.1.1 遗传算法的特点 (14)
3.1.2 遗传算法的基本步骤和处理流程 (15)
3.1.3 遗传算法的应用 (16)
3.2 编码 (17)
3.2.1二进制编码 (18)
3.2.2Gray编码 (18)
3.2.3实数向量编码 (18)
3.2.4排列编码 (19)
3.3 适应度函数 (19)
3.3.1 目标函数映射成适应度函数 (19)
3.3.2 适应度定标 (20)
3.4 遗传算法的基因操作 (21)
3.4.1 选择算子 (21)
3.4.2 交叉算子 (22)
3.4.3 变异算子 (25)
3.5 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VSP (30)
4.1 问题描述 (30)
4.2 数学模型 (31)
4.2.1 一般VSP模型 (31)
4.2.2 有时间窗VSP模型 (32)
4.3 算法设计 (33)
4.3.1 算法流程图 (33)
4.3.2 染色体结构 (33)
4.3.3 约束处理 (35)
4.3.4 适应度函数 (36)
4.3.5 初始种群 (36)
4.3.6 遗传算子 (36)
4.3.7 控制参数和终止条件 (37)
4.4 算法实现 (39)
4.5 实验及结果分析 (39)
4.5.1控制参数选定 (39)
4.5.2实例实验 (43)
4.5.3实例数据 (44)
4.5.4实例数据分析 (44)
结论 (45)
参考文献 (47)
谢辞 (48)
引言
随着市场经济的发展，大量经营规模较大的制造企业和商业企业纷纷建立起配送中心向商品流通效率化发起挑战，与此同时，相当部分的大型运输、仓储和航运企业开始转向第三方物流经营。此外，我国具有强大物流配送资源优势的邮政业更是在递送包裹的基础上为企业、商家和电子商务网站积极开展配送业务。物流配送开始在我国迅速兴起发展起来，对物流配送的研究引起了国内物流专家学者的广泛关注。
目前国内采用遗传算法解决物流配送的车辆优化调度问题的研究还处在起步阶段。本文针对客户提出时间约束这一配送需求，对有时间窗的物流配送车辆优化调度问题（VSPTW）进行数学分析，研究探索性能更强的解决VSPTW 的遗传算法。
本文第1章研究目前物流配送车辆优化调度问题的研究动态和水平；第2章进一步研究有时间窗的物流配送车辆优化调度问题；第3章阐述和研究所采用遗传算法的基本理论；第4章详细论述如何采用遗传算法解决有时间窗的物流配送车辆优化调度问题并通过实验数据分析所采用改进的遗传算法的性能。
第1章 概 述
1.1 研究背景
随着社会主义市场经济的发展，在经济大循环中提高经济运作效率的物流对经济活动的影响日益明显，越来越引起人们的重视。据中国物流信息中心统计测算，2004年，全国社会物流总额达38.4万亿元，同比增长29.9%(按现价计算)，增幅比上年同期提高2.9个百分点。虽然我国物流发展持续加速，但与国民经济发展的要求还相差甚远，这就要求我们对物流产业的各个环节进行研究。
配送是物流中一个重要的直接与消费者相连的环节。我国国家标准《物流术语》中对配送的定义是：“在经济合理区域范围内，根据用户要求，对物品进行拣选、加工、包装、分割、组配等作业，并按时送达指定地点的物流活动［７］。”配送是在集货、配货基础上，按用户要求，包括种类、品种搭配、数量、时间等方面的要求所进行的运送，是“配”和“送”的有机结合形式，其主要功能是输送。配送的流程一般如下图所示。
图1-1 配送流程图
在传统的配送系统中，由于商品的需求量及种类较少，零售商可凭借较多的存货及较常的定货周期来减少供货商的配送频率，以降低运输成本。但是在现代的配送系统中，零售商为了减少资金积压及提供多样化的商品，势必要减少各种商品的存货数量，而同时又必须考虑到提供最好的服务品质(不
允许缺货)。物流中心的功能就在于对商品的仓储与运输进行有效的统筹规划以降低配送成本。
所谓“物流中心”，根据美国物流管理协会(The Council of Logistics Management, CLM)定义：“以适合顾客要求为目的，对原物料、在制品、制成品与其相关信息，从产地到消费者的间的流程与保管，为求有效率且最小的机会成本，而进行计划、执行、控制的场所(Depot) ”。
在物流配送系统中，物流配送中心的成立可有效的简化配送程序与减少配送的频率，以i 个供应商和j 个零售商为例，传统的配送模式是假设j 个零售商的需求都是由i 个供应商自行配送，则一共有i×j 次的运送，如图1-2所示。假设零售商与供应商之间通过一个物流配送中心来配送，则只需i+j 次配送，如图1-3所示，如此一来即可减少(i×j-(i+j))的配送次数，当供应商与零售商数目越多，节省的配送次数也就会越多。
图1-2 传统的物流配送模式 物流中心配送作业的重点是如何将车辆有效的使用并决定其最经济的行驶路线图，使商品能在最短的时间内送到顾客的手中。国外将此类问题称之为Vehicle Scheduling Problem ，简称为VSP 问题。该问题一般定义为:对一系列装（卸）货点，组织适当的行车线路，使车辆有序的通过它们，在满足一定的约束条件(如货物需求量、发送量、交发货时间、车辆容量限制、行驶里程限制、时间限制等)下，达到一定的目标(如路程最短、费用最少、
时间尽量少、使用车辆数尽量少等)［３］。
图1-3 以物流中心为主的配送模式
1.2 物流配送车辆优化调度的研究动态和水平
1.2.1 问题的提出
物流配送车辆优化调度问题最早是由Dantzig 和Ramser 于1959年首次提出，自此，很快引起运筹学、应用数学、组合数学、图论与网络分析、物流科学、计算机应用等学科的专家与运输计划制定者和管理者的极大重视，成为运筹学与组合优化领域的前沿与研究热点问题。各学科专家对该问题进行了大量的理论研究及实验分析，取得了很大的进展。
国外对物流配送车辆优化调度问题作了大量而深入的研究，例如早在1983年Bodin, Golden 等人在他们的综述文章中就列举了700余篇文献。在Christofides(1985)，Golden 和Assad(1988)编辑的论文集，以及Altinkermer 和Gavish(1991)，Laporte(1992)，Salhi(1993)等的综述文章中都进行了详尽阐述。该领域的代表人物有Bodin ，Christfids ，Golden ，Assad ，Ball ，Laporte ，Rinnooy Kan ，Lenstra ，Desrosiers 和Desrochers
等人［１］［３］。
国内对物流配送车辆优化调度问题的研究相当少，主要研究对象是旅
行
商问题(Traveling Salesman Problem，简称TSP)、中国邮递员问题(Chinese Postman Problem ,简称CPP)、有向中国邮递员问题(Directed Chinese Postman Problem，简称DCPP)等，系统性研究还尚未见到。李大为等(1998)以TSP的最近距离启发式为基础，通过设置评价函数来处理时间窗约束，求解了简单的VSP。张震(1995)针对单车场满载问题，提出了考虑运输行程约束的优化方法。遗传算法和神经网络方法对简单TSP的求解取得了一定成果。蔡延光等(1998)应用并行表搜索法和模拟退火法针对简单情形对满载问题进行了求解［３］［５］。
目前，问题的形式己有很大发展，该问题以不仅仅局限于汽车运输领域，在水运、航空、通讯、电力、工业管理、计算机应用等领域也有一定的应用，其算法己用于航空乘务员轮班安排、轮船公司运送货物经过港口与货物安排的优化设计、交通车线路安排、生产系统中的计划与控制等多种组合优化问题。
1.2.2 分类
VSP被提出后，Linus (1981),Bodin和Golden(1981) , Bodin(1983) , Assad(1988) ,Desrochers, Lenstra和Savelsbergh(1990)等许多学者对VSP 从不同角度，按不同的标准进行了分类。
按任务特征分，有纯装问题或纯卸题(pure pick up or pure delivery, 车辆在所有任务点装货或卸货，及集货或送货问题) 及装卸混合问题(combined pick up and delivery，每项任务有不同的装货点和卸货点，即集货、送货一体化问题)。
按任务性质分，有对弧服务问题(如中国邮递员问题)和对点服务问题(如旅行商问题)以及混合服务问题(如交通车线路安排问题)。
按车辆载货状况分，有满载问题(货运量不小于车辆容量，完成一项任务需要不只一辆车)和非满载问题(货运量小于车辆容量，多项任务用一辆车)。
按车场(或货场、配送中心等)数目分，有单车场问题和多车场问题。
按车辆类型数分，有单车型问题(所有车辆容量相同)和多车型问题(执行
任务的车辆容量不完全相同)。
按车辆对车场的所属关系分，有车辆开放问题(车辆可以不返回其发出车场)和车辆封闭问题(车辆必须返回其发出车场)。
按优化目标数来分，有单目标问题和多目标问题。
由于情况的不同，车辆优化调度问题的模型构造及算法有很大的差别。
1.2.3 基本问题与基本方法
为简化货运车辆优化调度问题的求解，常常应用一些技术将问题分解或转化成一个或几个已经研究过的基本问题，再用相应比较成熟的基本理论和方法，以得到原货运车辆优化调度问题的最优解或满意解。
常用的基本问题有：旅行商问题、分派问题、运输问题、背包问题最短路问题、最小费用流问题、中国邮路问题等。
常用的基本理论和方法有：分枝界定法、割平面法、线性规划法、动态规划法、匹配理论、对偶理论、组合理论、线搜索技术、列生成技术、概率分析、统计分析、最差情况分析、经验分析等。
1.2.4 算法
货运车辆优化调度问题的求解方法非常丰富，目前主要有以下四类：
1、系统仿真法(Simulation )
此方法最早由Golden和Skiscim于1986年提出，主要应用于行车线路与物流中心区位的选择，优点在于可直接观察系统安排的效率与效果，但由于问题的实际情况多变且具有不确定性，是否能将实际的配送情形系统逻辑化为仿真程序，往往令人质疑。
2、人机互动法
此方法结合人类决策与计算机计算能力，在求解的过程中，通过高度的人机交互模式，结合专家的决策信息，并据以计算出结果；优点是寻优的过
公交营运调度系统解决方案设计
公交营运调度系统 解决方案 上海澳马信息技术服务有限公司 2013年11月
目录 1. 前言 (3) 2. 解决方案 (5) 2.1 系统架构 (5) 2.2 主要设备组成 (6) 2.2.1 智能车载调度终端 (6) 2.2.2 司机显示屏 (7) 2.2.3 车载键盘 (8) 2.2.4 电子站牌 (8) 2.2.5 客流统计 (9) 2.3 功能说明 (10) 2.3.1 定位 (10) 2.3.2 安全 (10) 2.3.3 监控录像 (10) 2.3.4 设备扩展 (11) 2.3.5 营运调度 (11) 2.3.6 报表统计 (11) 2.3.7 数据分析 (12) 2.3.8 服务用语功能 (12) 2.3.9 功能图示 (13) 3. 系统特色 (15) 3.1 提高数据精度 (15) 3.2 提高通信链路稳定 (15) 3.3 整合车载信息 (15) 3.4 一体化显示屏 (16) 3.5 大容量处理与存储 (16) 4. 核心优势 (18) 5. 客户案例 (19)
1.前言 随着社会高速发展，交通已成为经济发展的关键要素。其中城市公共交通如血脉一般连接着城市的各个部分，为城市的发展提供着营养。而在我国，地铁普及率较低，城市公交的主要方式还是地面公交。公交行业具有乘客流动性大、密度差异大、素质参差不齐等特点，难以对其进行有效的监控管理，一旦发生安全问题，又往往后果严重。公交行业除了面对驾车安全、防盗防抢、司乘纠纷等传统问题还要特别关注新形势下针对公共交通的恐怖事件，这对公交行业提出了严峻挑战。如何解决面临的难题，给广大市民提供一个安全、稳定的出行环境，已成为公交行业关注的主要课题。 上海澳马公司作为专业的智慧交通解决方案提供商，多年来先后参与了香港回归、50周年国庆、APEC会议、北京奥运、60周年国庆阅兵、上海世博、深圳大运会等多项国家及各大城市的重点项目建设，以骄人的业绩赢得用户、专家、业界乃至政府机构的首肯。 其中由上海澳马自主开发智能公交营运调度系统已在上海、北京、深圳等大型城市有序运作，该类城市的市场份额50%以上。该系统建立在全球定位技术、无线通信技术、地理信息系统、网络技术、计算机技术、自动控制技术、软件技术综合运用的基础上，实现了车辆运营企业调度的信息化、自动化、智能化的高科技管理，实现了车辆调度智能化、实时化、无纸化，同时实现了为乘客提供完善的信息化服务。 中国经济的发展凸现公交行业在运营管理上四个方面的需求： 1）安全 对安全防控范围内的情况进行实时监控录像，并可通过3G无线网络进行远程视频监看以及监控图片的抓拍。 2）运营管理 对车辆进行智能化调度，配车排班、调度日志，电子路单管理、路单日报管理，实时调度发车管理，用来解决运力配备、提高车辆利用率、合理分布线路网点等问题。 3）乘客服务
遗传算法应用论文
论文 题目：遗传应用算法 院系：计算机工程系 专业：网络工程 班级学号： 学生姓名： 2014年10月23日
摘要: 遗传算法是基于自然界生物进化基本法则而发展起来的一类新算法。本文在简要介绍遗传算法的起源与发展、算法原理的基础上,对算法在优化、拟合与校正、结构分析与图谱解析、变量选择、与其他算法的联用等方面的应用进行了综述。该算法由于无需体系的先验知识,是一种全局最优化方法,能有效地处理复杂的非线性问题,因此有着广阔的应用前景。 关键词: 遗传算法; 化学计量学; 优化 THEORY AND APPL ICATION OF GENETIC AL GORITHM ABSTRACT: Genetic Algo rithm( GA) is a kind of recursive computational procedure based on the simulation of principle principles of evaluati on of living organisms in nature1Based on brief int roduction of the principle ,the beginning and development of the algorithms ,the pape r reviewed its applications in the fields of optimization ,fitting an d calibration,structure analysis and spectra interpretation variable selection ,and it s usage in combination with othersThe application o f GA needs no initiating knowledge of the system ,and therefore is a comprehensive optimization method with extensive application in terms of processing complex nonlinear problems。 KEY WORDS : Genetic Algorithm( GA) Chemometrics Optimization 遗传算法是在模拟自然界生物遗传进化过程中形成的一种自适应优化的概率搜索算法，它于1962年被提出，直到1989年才最终形成基本框架。遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机化搜索算法, 由美国J. H. Ho llad教授提出, 其主要特点是群体搜索策略和群体中个体之间的信息交换。该算法尤其适用于处理传统搜索方法难以解决的复杂和非线性问题, 可广泛用于组合优化、机器学习、自适应控制、规划设计和人工生命等领域。 顾名思义,遗传算法(Genetic Algorithm ,GA)是模拟自然界生物进化机制的一种算法 ,即遵循适者生存、优胜劣汰的法则 ,也就是寻优过程中有用的保留 ,无用的则去除。在科学和生产实践中表现为 ,在所有可能的解决方法中找出最符合该问题所要求的条件的解决方法 ,即找出一个最优解。这种算法是 1960 年由
遗传算法求解VRP问题的技术报告
遗传算法求解VRP 问题的技术报告 摘要：本文通过遗传算法解决基本的无时限车辆调度问题。采用车辆和客户对应排列编码的遗传算法，通过种群初始化，选择，交叉，变异等操作最终得到车辆配送的最短路径。通过MA TLAB 仿真结果可知，通过遗传算法配送的路径为61.5000km,比随机配送路径67km 缩短了5.5km 。此结果表明遗传算法可以有效的求解VRP 问题。 一、 问题描述 1.问题描述 车辆调度问题（Vehicle Scheduling/Routing Problem,VSP/VRP ）的一般定义为[1]：对一系列送货点和/或收货点，组织适当的行车路线，使车辆有序地通过它们，在满足一定的约束条件（如货物需求量、发送量，送发货时间、车辆容量限制、行驶里程限制、时间限制等）下，达到一定的目标（如路程最短、费用极小、时间尽量少、使用车辆数尽量少等）。问题描述如下[2]：有一个或几个配送中心),...,1(n i D i =，每个配送中心有K 种不同类型的车型，每种车型有n 辆车。有一批配送业务),...,1(n i R i =，已知每个配送业务需求量),...,1(n i q i =和位置或要求在一定的时间范围内完成，求在满足不超过配送车辆载重等的约束条件下，安排配送车辆在合适的时间、最优路线使用成本最小。 2.数学模型 设配送中心有K 台车，每台车的载重量为),...,2,1(K k Q k =，其一次配送的最大行驶距离为k D ，需要向L 个客户送货，每个客户的货物需求量为),...,2,1(L i q i =，客户i 到j 的运距为ij d ，配送中心到各个客户的距离为),...,2,1,(0L j i d j =，再设k n 为第K 台车配送的客户数（k n =0表示未使用第K 台车），用集合k R 表示第k 条路径，其中ki r 表示客户ki r 在路径 k 中的顺序为 （不包括配送中心），令 0k r 表示配送中心，若以配送总里程最短为目标函数，则可建立如下数学模型： ∑∑==?+=-K k k rk r n i r r n sign d d Z k kn k ki i k 1 1 )] ([min )1( (1) k n i ki Q qr k ≤∑=1 (2) k k rk r n i r r D n sign d d k kn k ki i k ≤?+∑=-)(0 1 )1( (3) L n k ≤≤0 (4)
基于北斗的车辆监控调度系统项目解决方案V10
基于北斗的车辆监控调度系统 解决方案 北京国翼恒达导航科技有限公司
目录 1系统概述 (1) 2系统建设目标 (1) 3系统总体设计 (2) 3.1 系统总体结构 (2) 3.2 系统组成 (3) 4车辆监控管理平台分系统设计 (3) 4.1 车辆实时监控管理软件 (3) 4.1.1 地图服务 (3) 4.1.2 车辆位置监控 (4) 4.1.3 车辆轨迹回放 (4) 4.1.4 车辆状态监控 (5) 4.1.5 车辆报警管理 (5) 4.1.6 车辆指挥调度 (6) 4.1.7 车辆统计分析 (6) 4.1.8 系统管理 (7) 4.2 北斗指挥机 (7) 5智能车载终端分系统设计 (7) 5.1 北斗RDSS车载终端 (8) 5.1.1 产品功能 (8) 5.1.2 产品技术指标 (8) 5.1.3 产品结构特征 (10) 5.2 导航仪 (11) 5.2.1 产品性能指标 (11) 5.2.2 产品结构特征 (12) 5.3 嵌入式软件 (13) 6 系统预算 (14)
1系统概述 在不同行业领域的应用中，车辆不再简单充当运输载体，车辆管理部门往往把车辆作为一个信息点对其进行数据采集跟踪指挥布控。在现阶段，车辆监控普遍采用GPS（全球定位系统）与其他通信系统相结合的方式，实现对车辆监控的要求。但是采用这种车辆监控方式也存在着诸多的弊端，如在移动基站信号覆盖弱的地方，通信成功率低、车队之间无法远距离通信、上级管理部门无法指挥调度等问题，都将影响监控系统的稳定可靠性。北斗卫星导航系统是我国自行研制开发的全球卫星定位与通信系统，随着我北斗二代系统投入使用，北斗系统运用于各特种车辆及重点车辆监控，是必然的发展趋势。 基于北斗的车辆监控调度系统将北斗卫星导航定位技术、GIS地理信息系统技术、互联网技术有机结合，针对不同类型车辆如危化品运输车、客运车、政府部门车辆及各种特种车辆如警用车、运钞车、消防车，救护车、邮政车、工程抢险车等，可提供系统监控中心的整体解决方案。监控中心通过北斗卫星网络，能够实现全天候网络无缝覆盖获取车辆的地理位置、运行方向、运行速度及各种状态信息，对车辆进行实时监控、调度、发布服务信息、受理各种类型的报警信息等。本系统扩展性强，配置灵活方便，规模可大可小，监控中心可适应小到几辆车，大到数万辆车的监控和管理。 2系统建设目标 基于北斗的车辆监控调度系统以北斗卫星导航系统作为车辆定位和监控调度及监控中心与车辆间通信的支持平台。本系统能够在广阔疆域全天候、无缝隙、
论文-遗传算法的基本步骤
遗传算法 遗传算法（Genetic Algorithm）是基于进化论的原理发展起来的一种广为应用，高效的随机搜索与优化的方法。它从一组随机产生的初始解称为“种群”，开始搜索过程。种群中的每个个体是问题的一个解，成为“染色体”是一串符号。这些染色体在每一代中用“适应度”来测量染色体的好坏, 通过选择、交叉、变异运算形成下一代。选择的原则是适应度越高,被选中的概率越大。适应度越低，被淘汰的概率越大。每一代都保持种群大小是常数。经过若干代之后，算法收敛于最好的染色体，它很可能是问题的最优解或次优解。这一系列过程正好体现了生物界优胜劣汰的自然规律。 比如有编号为1到10的特征，现在要选取其中的5个，基于遗传算法的特征选择可以如下这样直观的理解： 下续（表格） 下续……
即设有4个不同的初始特征组合，分别计算判别值，然后取最大的2个组合（[1,2,3,4,9]和[1,3,5,7,8]）进行杂交，即互换部分相异的特征（4和7），得到新的两个特征组合（[1,2,3,7,9]和[1,3,4,5,8]）,然后再计算这两个新的组合的判别值，和原来的放在一起，再从中选择2个具有最大判别值的组合进行杂交。如此循环下去，在某一代的时候就得到了一个最好的特征组合（比如第2代的[1,3,5,7,9]的特征组合）。当然，在实际中每代的个体和杂交的数量是比较大的。 遗传算法的具体的步骤如下：
1.编码：把所需要选择的特征进行编号，每一个特征就是一个基因，一个解就是一串基因的组合。为了减少组合数量，在图像中进行分块（比如5*5大小的块），然后再把每一块看成一个基因进行组合优化的计算。每个解的基因数量是要通过实验确定的。 2.初始群体（population）的生成：随机产生N个初始串结构数据，每个串结构数据称为一个个体。N个个体，构成了一个群体。GA以这N个串结构数据作为初始点开始迭代。这个参数N需要根据问题的规模而确定。 3.交换(crossover)：交换（也叫杂交）操作是遗传算法中最主要的遗传操作。由交换概率( P)挑选的每两个父代 c 通过将相异的部分基因进行交换（如果交换全部相异的就变成了对方而没什么意义），从而产生新的个体。可以得到新一代个体，新个体组合了其父辈个体的特性。交换体现了信息交换的思想。 4.适应度值(fitness)评估检测：计算交换产生的新个体的适应度。适应度用来度量种群中个体优劣（符合条件的程度）的指标值，这里的适应度就是特征组合的判据的值。这个判据的选取是GA的关键所在。
物流配送车辆优化调度的一种神经网络算法
【最新资料,Word版，可自由编辑！】
摘要：本文讨论了物流配送车辆优化调度问题的分类，建立了解决非满载车辆卸货路线优化的神经网络模型，提出了解决配送车辆优化调度问题的步骤，并进行了具体的调度试验，验证了算法的可行性。 0 引言 2000年的运输费用为5900亿美元，占当年GDP总值99600亿美元的5.92%，可见，减少运输费用是有效减少物流成本的重要方面。对于物流中心和第三方物流企业的货物配送，运输车辆的调度是工作的重点，正确合理的调度可以有效减少车辆的空驶率，实现合理路径运输，从而有效减少运输成本，节约运输时间，提高经济效益。 1 配送车辆调度优化问题分类 Dantzig和Ramser于1959年首次提出，由于该问题在交通运输、工业生产管理等领域具有广泛而重要的应用，因此30多年来其研究得到很大重视，国外的Bodlin，Christofider，Golden，Assad, Ball 等人对该问题进行了较为深入的研究[1] [2] [3]。 总体上看，车辆的优化调度问题一般可根据时间特性和空间特性分为车辆路径规划问题和车辆调度问题。当不考虑时间要求，仅根据空间位置安排车辆的线路时称为车辆路径规划问题（VRP-Vehicle Routing Problem）；考虑时间要求安排运输线路时称为车辆调度问题VSP（Vehicle Scheduling Problem）。某些学者将有时间要求的车辆调度问题称为Vehicle Routing Problem with Time Windows。车辆优化调度问题可根据不同性质具体分为以下几类。 合问题，所谓的装卸混合问题就是车辆在运输途中既有装货又有卸货。
车辆优化调度的研究
车辆优化调度的研究 某某 某某学校 摘要：本文基于许多车辆优化调度的理论研究成果，对温州远大物流有限公司进行调查研究和分析，并提出了一些自己的意见和方案。车辆优化调度，首先研究其发展的历史及现状，然后应用现有的设施和技术，针对目前车辆调度存在的问题，对车辆进行优化调度。 关键词：车辆调度；优化设计；运输成本 The Optimization Scheduling Research of Vehicles Abstract：Based on the research findings of many vehicles’ optimal dispatching as well as the investigation and analysis of Wenzhou Yuanda logistics company, this paper will put forward some suggestions and proposals. After studying the history and current situations of the vehicles’ optimal dispatching and applying the current facilities and technology, the paper will find the best way to optimize the vehicles’ dispatching. Key words:Vehicle Scheduling；Optimal Design；Transportation costs
物流配送车辆优化调度的一种神经网络算法
物流配送车辆优化调度 的一种神经网络算法 Document serial number【KKGB-LBS98YT-BS8CB-BSUT-BST108】
物流配送车辆优化调度的一种神经网络算法 摘要：本文讨论了物流配送车辆优化调度问题的分类，建立了解决非满载车辆卸货路线优化的神经网络模型，提出了解决配送车辆优化调度问题的步骤，并进行了具体的调度试验，验证了算法的可行性。 关键词：配送，调度，神经网络 0 引言 据统计，美国2000年的运输费用为5900亿美元，占当年GDP总值99600亿美元的5.92%，可见，减少运输费用是有效减少物流成本的重要方面。对于物流中心和第三方物流企业的货物配送，运输车辆的调度是工作的重点，正确合理的调度可以有效减少车辆的空驶率，实现合理路径运输，从而有效减少运输成本，节约运输时间，提高经济效益。 1 配送车辆调度优化问题分类 运输车辆的优化调度问题由Dantzig和Ramser于1959年首次提出，由于该问题在交通运输、工业生产管理等领域具有广泛而重要的应用，因此30多年来其研究得到很大重视，国外的Bodlin，Christofider，Golden，Assad, Ball 等人对该问题进行了较为深入的研究[1] [2] [3]。 总体上看，车辆的优化调度问题一般可根据时间特性和空间特性分为车辆路径规划问题和车辆调度问题。当不考虑时间要求，
仅根据空间位置安排车辆的线路时称为车辆路径规划问题（VRP-Vehicle Routing Problem）；考虑时间要求安排运输线路时称为车辆调度问题VSP（Vehicle Scheduling Problem）。某些学者将有时间要求的车辆调度问题称为Vehicle Routing Problem with Time Windows。车辆优化调度问题可根据不同性质具体分为以下几类。 按照运输任务分为纯装问题、纯卸问题以及装卸混合问题，所谓的装卸混合问题就是车辆在运输途中既有装货又有卸货。 按照车辆载货状况分为满载问题和非满载问题，满载问题是指货运量多于一辆车的容量，完成所有任务需要多辆运输车辆。非满载问题是指车的容量大于货运量，一辆车即可满足货运要求。 按照车辆类型分为单车型问题和多车型问题。 按照车辆是否返回车场划分为车辆开放问题和车辆封闭问题，车辆开放问题是指车辆不返回其出发地，车辆封闭问题是指车辆必须返回其发出车场。 按照优化的目标可分为单目标优化问题和多目标优化问题，单目标优化是指某一项指标最优或较优，如运输路径最短。多目标优化则是指同时要求多个指标最优或较优。如同时要求运输路径最短和费用最省。 按照货物的种类要求可分为同种货物优化调度和多种货物优化调度。多种货物优化调度问题是指运输货物的种类多于一种，车辆调度时可能要考虑某些种类的货物不能同时装配运输的要求，如灭害灵等杀虫剂和食品等不能混装运输等。
智能公交车辆调度系统的设计与优化
龙源期刊网 https://www.360docs.net/doc/4217412470.html, 智能公交车辆调度系统的设计与优化 作者：王志超 来源：《中国科技纵横》2014年第16期 【摘要】随着经济的发展，城市化进程的加快，城市交通也逐渐变的拥堵、紧张，为了环节交通压力，世界各国也开始重视对交通系统的管理，并且提出了智能交通系统的概念。本文主要从公交线路静态调度优化以及公交线路动态调度优化两大方面来阐述智能公交车辆调度系统的设计与优化。 【关键词】智能公交系统公交调度设计优化 1 公交线路静态调度优化研究 1.1 静态调度优化问题分析 （1）乘客利益分析：乘客对于公交出行主要关注的问题基本都是与自身利益息息相关的，因此，车辆要想运营合理，满足乘客的需求，减少车内的拥挤以及乘客等待的时间就必须要多安排一些车辆，并且公交线路的发车间隔要短，频率要高，但是从不同的环境限制、道路容量以及各企业运作的经济效益出发，公交调度只能在一定程度上满足乘客的利益需求。 （2）企业利益分析：现如今公交都是企业承包制，因此企业要承担公交日常的维修与保养费用，而且购置新车、能源的使用以及企业的管理也要占去公交企业收入的一部分，但是公交企业的收入来源除了政府的补助之外都是通过收取票款来获得的。公交作为大众的交通方式其票价都是按照最低标准制定的，而要想提高企业的经济效益除了收取更多的票款之外还要减少车辆、以及人员的投入[1]。 （3）静态调度优化问题：上诉分析可见，乘客利益与企业利益是相互矛盾的，满足乘客的利益，企业的利益就会受到损失，但是在一定程度上，二者的利益也有一致之处，如果公交企业提高一定的公交服务，乘客出行变得方便、舒适，就会吸引更多的客流，这样企业的经济利益也会增长。 1.2 公交路线静态调度优化模型 1.2.1 模型假设 （1）把线路单边的发车间隔作为其研究对象；（2）不同时间段车辆到达站点的乘客近似服从泊松分布；（3）公交能够不受堵车及意外事故影响准时到站、出战；（4）忽略车辆启动、停止花费的时间；（5）乘客没有在中途流失；（6）乘客按照顺序上车、下车；（7）候车的乘客能够全部上车。
物流车辆智能调度管理系统概要
2009机电工程技术年第38卷第08 期 物流车辆智能调度管理系统 赖顺桥,肖熠琳 (广州市光机电技术研究院广东省现代控制与光机电技术公共实验室, 广东广州 510663 收稿日期:2009-04-15 ,探讨了系统的工作原理,,更好地满足企业JIT (Just In Time ;工厂智能系统文献标识码:B 文章编号:1009-9492(200908-0019-03 1引言 现代物流不仅要考虑从生产者到消费者的货物配送问题,还要考虑从供应商到生产者对原材料的采购,以及生产者本身在产品制造过程中的运输、保管和信息等各个方面,从而全面地、综合性地提高经济效益和效率。中国加入WTO 后,经济发展正面临着全球经济大融合的严峻考验,在激烈的竞争环境下,各企业纷纷实行供应商管理库存(VMI 、JIT (Just in time 即时采购等先进的供应链管理,在生产方式上纷
纷采用先进的生产管理方式——准时生产方式(JIT 生产。这些先进管理方式的主要目的都是为企业能够实现“零库存”。然而,绝大部分的企业和工厂都忽视了一个重要环节——材料装卸货环节(当材料从供应商出厂送到企业生产线上,必须经过装卸货,仍旧采用人工调度呼叫的管理方式。人工调度的方式大致如下: (1运货车辆到调度室用登记表登记; (2调度员通过对讲机询问在卸货区的工作人员是否可以调度该车辆进入卸货区,如果不可以,则叫该车到“待车区”等工作人员通知; (3得到卸货许可后,调 度员要去“待车区”寻找该车辆进入卸货区卸货。这种方式存在着出错概率大、效率低、易出现堵车、用工成本高等缺陷。 本文介绍一套满足现代化生产需求的物流车辆智能调度管理系统,彻底解决人工调度方式存在的种种不足,实现货车全自动、智能调度呼叫的管理方式,大大提高货场车位的使用周转速度,减轻了人的劳动强度,提高了卸货效率,确保工厂外围送货车辆顺畅有序运作,从而大大地 提高当前工厂物流的效率,对企业的增产和增收起着积极的作用。 2系统组成与工作原理 2.1系统组成 系统组成如图1所示。硬件系统主要包括计算机系统、传感器及信号采集系统、通讯系统、LED 显示系统、语音广播系统、电源系统等;软件系统主要包括数据采集模块、无线通讯模块、数据库模块、调度算法模块、指挥室车辆登记模块、参数设置模块、查询统计模块、打印模块、LED 显示模块、语音播放模块、待车超时提示模块、卸货超时报警模块及上位机界面设计模块等。 2.2工作原理
车辆运营调度系统解决方案
车辆运营调度系统解决方案 一、 开发总目标 1、 实现车辆及驾驶员的各项信息的管理。 2、 实现车辆调度及运营管理。 3、 实现驾驶员安全行驶的管理。 4、 实现车辆安全行驶的管理。 二、 开发总原则 1、高效率原则：我们将提高系统中的各项功能的运行速度。 1、 可扩展原则：为了适应系统的升级和与其他管理系统的连接将提供一套 完善的 接口环境。 2、 安全原则：系统将具有完善的权限控制和数据加密技术以保证数据的安 全可 靠。 3、 易学易用原则：系统大量提供自动功能和引导提示已方便用户学习和使 用。 三、 系统的组成结构和主要功能 系统是由基本设置、车辆档案管理、驾驶员档案管理、 车辆修理及保养、运营调度 管理、费用管理、事故管理、奖惩管理等模块组成。而每个模块又有各个子模块 组成。（如图1） 事 故 管 理 基本数据设置 基本数据设置包括：人员安全设置、人员技术能力设置、车辆年检及二 保时 间设置、车辆安全设置、车辆类型及产品设置、车辆保养时间设置、地域设置、 人员权 奖 惩 丿2、 管 理 （图
限设置等八部分。（如图2） （1） 人员安全设置：是指对人员的正常工作时间和休息进行设置，用以在 人员调度过程中判断该人的疲劳程度以及是否可以派出工作而不会发生危险。 （2） 人员技术能力设置：是指对人员能够驾驶的车辆种类进行设置，用于 确定什么人能够驾驶什么车。该设置与车辆类型设置相联系。 （3） 车辆年检及二保时间设置：是指对车辆的年检及二保时间进行设置， 用于提醒什么时间检验哪辆车。 （4） 车辆安全设置：是指当车辆有损坏或需要保养时，看其严重性来判断 此车是否能派出。 （5） 车辆类型及产品设置：是指根据产品的不同而用不同类型的车辆进行 装载所做的设置，该设置与人员技术能力设置相联系 （6） 车辆保养时间设置：是指设置多长时间对车辆进行保养，用于确定车 辆是否可以正常使用。 （7） 车辆地域设置：是指设置车辆所能到达的地点，用于确定哪辆车可以 到那里去。并将其路线的长度、行驶所花费的时间及费用进行设定。 （8） 人员权限设置：是指设置操作人员的使用权限。 车辆档案管理 车辆档案管理包括：车辆总档、车辆证件、车辆检验等三部分。 （如图3） （1） 车辆总档：是用来管理车辆的基本档案信息。具体分为现行车辆档案 和报废车辆档案两块。 （2） 车辆证件：用来管理车辆的各种证件，并且可以设置车辆的证件，用 于判断某辆车是否拥有应该具备的证件， 在车辆调度中做出相应的控制，如果不 满足所需证件的车辆则不允许派出。 （3） 车辆检验：用于对车辆的年检及二保进行管理，并且可以根据车辆年 （图
车辆调度与优化
中文摘要 物流配送车辆调度问题就是指:在给定运输任务的条件下,如何派车、组织循环运输,使空驶里程最少,运输成本最低。目前我国大多数的物流企业运输资源分配不均、配送路线安排不合理、运力资源浪费严重,而缺乏完善的物流配送车辆调度优化方案就是造成此现象的重要因素之一。因此对物流配送车辆调度问题的研究具有重要的现实意义。 目前对单车场、封闭式物流配送车辆调度问题研究较多,而对多车场开放式物流配送车辆调度问题研究较少,但就是多车场开放式物流配送车辆调度问题有很强的应用背景。本文针对此问题,建立了一种灵活的多目标组合优化模型,设计了适合多车场开放式车辆路径问题的通用染色体编码方案,并对遗传算法中的交叉变异操作做了详细说明。此模型可以方便的增减优化目标值,并通过测试用例验证了本文设计的优化模型与遗传算法在解决多车场多目标开放式物流配送车辆调度问题中的可行性。 自动化立体仓库出库端车辆调度策略的设计就是物流配送车辆调度中的一个关键问题,好的调度策略可以大大缩短出库端的配货时间。为此本文引入动态优先级理论,并利用该理论对大型AS/RS 出库口车辆调度问题进行了深入研究与分析,提出了基于动态优先级的AS/RS 出库端车辆调度策略,并开发了相应的AS/RS 出库口发货资源监控系统,即AS/RS 出库口车辆调度系统,优化了AS/RS 出库端车辆调度策略,大大提高了物流配送当中的配货效率。 本文建立的多目标组合优化模型以及设计的遗传算法求解方案,可以有效的缩减物流配送中的送货时间;设计的AS/RS 出库端车辆调度优化策略及开发的AS/RS出库端车辆调度系统,可以有效缩减车辆在出库端的配货时间。本文对以上两种物流配送中的车辆调度问题进行研究,大大提高了物流配送效率、减少了物流配送成本。 关键词:物流配送;车辆调度;多目标组合优化;遗传算法 第一章绪论 1、1 课题背景 物流(Logistics):指在合适时间,将合适的物品以适当的数量准确地送到顾客手中,它就是供应链中最重要的组成部分。一般意义上就是指在生产与生活中所
部队车辆智能指挥调度管理系统
. 部队车辆智能指挥调度管理系统
济南天禾信息科技有限公司 二零一七年十月 页脚 . 十八大以来，党和国家的发展进入了一个新的历史阶段，军队的发展也站在了新的历史起点上。靠改革创新推动国防和军队建设实现新跨越，是决定我军前途命运的一个关键。习主席在领导和推进强军兴军的伟大征程中，深刻把握世界军事发展大势和我军所处历史方位，着眼实现强军目标、建设世界一流军队，把创新作为大变革大转折时代图强进取的重大战略抉择，以宏阔的战略视野和强烈的使命忧患，把创新摆在我军建设发展全局的重要位置，指出不创新不行，创新慢了也不行。如何高标准筹划推进军队建设、改革和军事斗争准备，破解突出矛盾和瓶颈问题；如何抢占未来军事竞争的战略制高点，培塑战斗力新的增长点，始终是习主席思考的重大问题。要全面实施科技兴军战略，坚持自主创新的战略基点，瞄准世界军事科技前沿，加强前瞻谋划设计，加快战略性、前沿性、颠覆性技术发展，不断提高科技创新对人民军队建设和战斗力发展的贡献率。擘画科技创新蓝图，谋划宏伟战略构想，使创新驱动成为我军的重要发展战略，成为推动国防和军队建设实现新跨越的一个关键创新能力是一支军队的核心竞争力，也是生成和提高战斗力的加速器。有大变局中的大担当，有大融合中的大推力，有大集聚中的大活力，科技创新必定活力四射，科技兴军必然振羽高翔。 对于部队来说，如何做好部队车辆调度指挥运输，安全管理工作，预防和减少车辆事故，是我军现代化和正规化建设的重要内容，受到部队各级车辆管理部门的高度重视，尽管在目前的管理工作中已有相应的规章制度，但是管理过程中页脚. 出现的种种问题仍然不能忽视。 一、方案背景 1、车辆因素 车辆是汽车分队主要装备，实现分队驾驶员与车辆的最佳结合，才能推动运输战
人工智能遗传算法新论文
论文 题目：遗传算法应用 院系：计算机工程系 专业：网络工程 班级学号：112055126 学生姓名：崔小杰 2014年10月23日
内容摘要 图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。图像的分割是以灰度值作为分割的依据,通过各个像素的灰度值和事先确定的阈值的比较来分割图像。如何确定最合适的阈值是处理好图像分割的关键,这自然成为一直以来分割算法研究的焦点。 遗传算法是对生物进化论中自然选择和遗传学机理中生物进化过程的模拟来计算最优解的方法。遗传算法具有众多的优点,如鲁棒性、并行性、自适应性和快速收敛,可以应用在图像处理技术领域中图像分割技术来确定分割阈值。 本文主要介绍基于遗传算法的最小误差阈值法、最大类间方差法（Otsu法）以及最佳直方图熵法(KSW熵法)等三种方法分割图像。 关键词：图像分割，遗传算法，阈值分割
目录 第一章绪论 .................................................. - 1 - 第二章遗传算法概述 ........................................ . - 1 - 2.1遗传算法的研究历史....................................... - 1 - 2.2生物背景................................................. - 2 - 2.3遗传算法的基本思想....................................... - 2 - 2.4遗传算法的几个概念....................................... - 2 - 2.4.1适应度函数......................................... - 2 - 2.4.2遗传算法最常用的算子............................... - 3 - 2.5遗传算法运算的基本流程 (4) 第三章图像分割的现状 ........................................ - 4 - 3.1图像分割简介............................................. - 4 - 3.2图像分割方法............................................. - 5 - 3.2.1基于边缘检测的分割 (6) 3.2.2基于区域的分割..................................... - 5 - 3.2.3边缘与区域相结合的分割............................. - 5 - 3.3阈值选取................................................. - 6 - 第四章基于新的遗传算法的图像分割 ............................ - 6 - 4.1混沌遗传算法............................................. - 6 - 4.2量子遗传算法............................................. - 6 - 4.3免疫遗传算法............................................. - 6 - 结论 ........................................................... - 7 - 参考文献: ...................................................... - 7 -
物流配送车辆优化调度的神经网络算法
物流配送车辆优化调度的神经网络算法 0 引言 据统计，美国2000年的运输费用为5900亿美元，占当年GDP总值99600亿美元的5.92%，可见，减少运输费用是有效减少物流成本的重要方面。对于物流中心和第三方物流企业的货物配送，运输车辆的调度是工作的重点，正确合理的调度可以有效减少车辆的空驶率，实现合理路径运输，从而有效减少运输成本，节约运输时间，提高经济效益。 1 配送车辆调度优化问题分类 运输车辆的优化调度问题由Dantzig和Ramser于1959年首次提出，由于该问题在交通运输、工业生产管理等领域具有广泛而重要的应用，因此30多年来其研究得到很大重视，国外的Bodlin，Christofider，Golden，Assad, Ball 等人对该问题进行了较为深入的研究[1] [2] [3]。 总体上看，车辆的优化调度问题一般可根据时间特性和空间特性分为车辆路径规划问题和车辆调度问题。当不考虑时间要求，仅根据空间位置安排车辆的线路时称为车辆路径规划问题（VRP-Vehicle Routing Problem）；考虑时间要求安排运输线路时称为车辆调度问题VSP（Vehicle Scheduling Problem）。某些学者将有时间要求的车辆调度问题称为Vehicle Routing Problem with Time Windows。车辆优化调度问题可根据不同性质具体分为以下几类。 按照运输任务分为纯装问题、纯卸问题以及装卸混合问题，所谓的装卸混合问题就是车辆在运输途中既有装货又有卸货。 按照车辆载货状况分为满载问题和非满载问题，满载问题是指货运量多于一辆车的容量，完成所有任务需要多辆运输车辆。非满载问题是指车的容量大于货运量，一辆车即可满足货运要求。 按照车辆类型分为单车型问题和多车型问题。 按照车辆是否返回车场划分为车辆开放问题和车辆封闭问题，车辆开放问题是指车辆不返回其出发地，车辆封闭问题是指车辆必须返回其发出车场。 按照优化的目标可分为单目标优化问题和多目标优化问题，单目标优化是指某一项指标最优或较优，如运输路径最短。多目标优化则是指同时要求多个指标最优或较优。如同时要求运输路
车辆GPS调度管理系统解决方案
×××××××× 车辆GPS调度管理系统解决方案 甘肃通服信息技术分公司 二〇一二年十月
目录 一、引言 (3) 二、需求分析 (3) 三、系统解决方案 (4) 1.系统结构 (4) 2.硬件选型及特性 (5) 四、系统主要功能 (6) 1.基本功能 (6) 1)车辆实时定位与跟踪 (6) 1)集群定位 (7) 2)紧急报警 (7) 3)历史轨迹查看及回放 (8) 4)运营数据管理 (8) 5)电子围栏和偏航报警（线路监控） (9) 6)分段限速、超速监控 (9) 7)组织及权限管理 (10) 2.专用功能 (10) 1)语音调度与通话 (10) 2)3G图像监控 (10) 五、系统先进性 (11) 1.便捷的查车方式 (11) 2.多种电子地图显示 (12) 3.便捷的二次地图开发 (13) 六、系统效应 (13) 七、售后服务 (13) 1、硬件售后服务 (13) 2、软件售后服务 (14)
一、引言 非常感谢××××××××提供给甘肃通服信息技术分公司制作通信方案的机会。能为贵单位信息化建设工作尽一份力量，我们感到非常荣幸。 在了解了贵单位的需求现状以后，我们立即组织相关部门进行了深入、细致的研究，并先后多次和贵单位业务主管部门沟通交流。现根据我们对贵单位需求的理解，结合中国通信服务甘肃公司综合信息服务的优势，我们制作了此方案，敬请贵单位领导审阅。我们相信，凭借中国通信服务甘肃公司完善的服务、科学的管理、丰富的经验以及强大的综合信息服务提供能力，我们完全有能力满足贵单位全面信息化建设服务的要求，为贵单位提供满意的解决方案和优质的持续服务。 我们对建设项目需求的理解可能有不够准确的地方，如果方案中出现不符合需求的情况，欢迎提出宝贵意见，以便改进和提高我们的工作，提供更符合您需求解决方案。 二、需求分析 随着企业经营规模的增大，内部车辆的增多，车辆管理工作变的越来越烦杂。相关管理部门会常常需要思考以下一些问题： ?要求为司机规划、指引最佳线路，减少司机走错路，减少油耗。 ?要求车辆统一管理和高效调度，提高车辆的利用率 ?要求掌握车辆实时信息，对车辆实施实时监控要 ?求杜绝驾驶员不合理用油、过桥过路费用过高 ?要求防止违章驾驶，保证行车安全 ?如何做到特种车辆实时状态监控？ ?如何对服务行业车辆司乘人员如何监管？ ?特殊环境下如何得到远程监控对象的位置及状态？
用遗传算法解决车辆优化调度问题系统论文
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。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
Abstract Recent years, logistics, taken as "third profit resource”, has been developing rapidly. In the developed commercial society, traditional VSP algorithm have been unable to meet the requirement that Quick Response to customer demand had brought forth, then the conception of Time Window has come into being. The vehicle-scheduling problem with time window is also a NP-hard problem being more complicated than VSP. This text has been researched to the vehicle-scheduling problem with time window on the basis of researched to logistic vehicle scheduling problem. And it has explained the basic theory of genetic algorithm. On the VSP with time window, while the restraints of capacity and time windows are changed into object restraints, a mathematic model is established. We use technique such as maximum preserved crossover and design genetic algorithm on nature number, which can deal with soft time windows through experimental analysis, have made better result. Because this problem was studied together for group members, this text has expounded the part about fitness function and mutation operator that I finished. Key words:logistic distribution vehicle scheduling problem genetic algorithm time windows