导读:本文包含了带时间窗的车辆路径问题论文开题报告文献综述及选题提纲参考文献，主要关键词:绿色车辆路径问题,多车场,时间窗,混合高斯模型
带时间窗的车辆路径问题论文文献综述
李洋,胡蓉,钱斌,金怀平,向凤红[1]（2019）在《两阶段算法求解带时间窗的绿色多车场车辆路径问题》一文中研究指出本文提出一种两阶段算法(Two stage algorithm,TSA)用于求解带时间窗的绿色多车场车辆配送问题(Multi-Depot Green VRP with time window, MDGVRPTW)。该问题为NP-Hard问题。首先,第一阶段为分解阶段,该阶段把最近邻算法(Nearest neighbor algorithm,NNA)与混合高斯模型聚类算法(Gaussian mixture model with EM algorithm,GMM_EM)相结合,将MDGVRPTW分解为多个GVRPTW。然后,第二阶段为求解阶段,此阶段采用融合变邻域局部搜索的改进混合蚁群算法(Improved hybrid ant colony,IHACO)对分解后的每个子问题解空间进行并行搜索,从而获得原问题的解。为提高蚁群算法的效率,提出了自适应信息素增量更新策略。最后通过仿真实验和相关算法进行比较,验证了所提算法的有效性。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
李奕颖,秦刚[2]（2019）在《基于Spark的改进蚁群算法对带时间窗车辆路径问题的求解》一文中研究指出为应对大数据时代对带时间窗车辆路径问题(VRPTW)的实时求解要求,提出基于Spark平台的改进蚁群算法.在算法层面,利用改进的状态转移规则和轮盘赌选择机制构建初始解,结合k-opt邻域搜索进行路径构建优化,改进最大最小蚁群算法中的信息素更新策略;在实现层面,利用Spark提供的API对蚁群RDD进行操作,实现蚁群分布式并行求解.在标准算例Solomon benchmark和Gehring&Homberger benchmark的实验结果表明,该算法在大规模问题的求解精度和速度上有明显提升.(本文来源于《计算机系统应用》期刊2019年07期）
陈聪[3]（2019）在《基于带时间窗车辆路径问题的改进人工蜂群算法的研究》一文中研究指出带时间窗车辆路径问题(Vehicle Routing Problems Wih Time Windows,简称VRPTW)是在基本车辆路径问题(Vehicle Routing Problems,简称VRP)基础上增加时间窗约束衍生而来的组合优化问题。由于VRPTW已被证明是一个NP难问题,因此如何有效求解VRPTW是一个研究难点。人工蜂群算法(Artificial Bee Colony Algorithm,简称ABC算法)是一种模仿蜜蜂采蜜觅食等行为的群智能优化算法,在求解NP难问题中有非常不错的效果。本文围绕车辆数和车辆行驶距离这两个目标基于VRPTW对ABC算法做了大量改进以及研究,主要工作如下:本文首先探讨了ABC算法的理论基础,根据VRPTW的特点将标准ABC算法离散化。本文设计了一种新的数据结构,采用两个方向的单链表,使用二维编码方式表示每个解,重新定义了蜂群在对食物源进行邻域变换时的编码更新公式,给出了建立初始种群以及产生侦查蜂的方法。由于标准离散ABC算法求解精度很差,本文对标准离散ABC算法做了改进,提出了改进离散ABC算法。结合二维编码的结构,算法在蜂群做邻域搜索时采用了路径间和路径内两种搜索方向,并提出了一种最优插入策略以提高插入操作的成功率。在侦查蜂阶段本文引入了限制变量,设计了新的淘汰机制,增加产生新解的迭代次数以提高新解的竞争力。本文设置了公告栏,通过更新公告栏记录全局最优解,防止最优解在迭代过程中被抛弃。通过与标准离散ABC算法、其他启发式算法、数据库中最优解做对比,改进离散ABC算法在能找到最佳车辆数的情况下保持很高的精度。为了进一步探索改进离散ABC算法种群收敛能力,本文从方差和熵两个方面研究了该算法在求解VRPTW中的种群多样性。通过实验数据证明改进离散ABC算法在整个迭代过程中种群分布较广,空间搜索能力很强,一直维持一个比较高的种群多样性。(本文来源于《武汉轻工大学》期刊2019-06-01）
万勇平[4]（2019）在《带时间窗的电动车辆路径优化问题研究》一文中研究指出随着全球环境问题和能源局势的日益严峻,使用清洁电能的电动汽车越来越受到重视,并在逐步替代传统内燃汽车成为物流领域的重要配送工具,电动车辆配送路径优化问题(EVRP)正成为车辆路径优化领域的研究热点。电动汽车在物流配送领域的大规模运用具有极其重要的现实意义,这是因为电动汽车相比于传统燃油汽车具有非常明显的优势:首先,使用电动汽车能实现有害气体和二氧化碳零排放,这样不仅能够改善城市空气质量,还能在一定程度上缓解全球温室效应;其次,电动汽车能量转化率比内燃汽车高,能降低配送成本。本文拟对带时间窗的电动车辆路径问题(EVRPTW)进行研究,针对该问题的研究能够丰富相关领域研究的内容,同时也能为后续研究者研究相关问题提供参考。目前电动汽车电池能量补充方式主要分为充电站式和换电站式,充电式相对于换电式建设成本更低,但受到目前汽车电池和充电技术的限制导致充电式所花费的时间成本更高,随着技术的发展,未来有望实现低成本高效率的充电技术,因此本文针对充电式的EVRPTW进行研究。为了建立EVRPTW数学模型,首先研究了带容量约束的车辆路径问题(CVRP)数学模型,接着在CVRP的基础上进一步研究了带时间窗的车辆路径问题(VRPTW)数学模型,最后结合EVRPTW特点建立了EVRPTW数学模型。模型约束条件包括车辆载重限制,客户服务时间窗限制,以及电动汽车行驶里程限制。电动汽车行驶过程中允许进入固定的充电站进行充电,在充电速率固定的条件下将电能充满后继续配送任务。问题的目标是安排最优路径,使总配送成本最低,配送成本包括电能耗费成本和车辆行驶损耗成本两个部分。为了探究影响EVRPTW配送成本的影响因素,基于遗传算法设计求解程序,通过带入小规模算例就不考虑充电的EVPTW、不考虑时间窗约束的EVRP、不同车速下的EVRPTW以及不同充电速率下的EVRPTW四种不同条件下的EVRP进行求解。实验结果表明:(1)考虑充电站的EVRP的配送成本要比不考虑充电站的EVRP更低;(2)时间窗约束的存在一定程度上会提高EVRP的配送成本;(3)电动汽车的行驶速度和充电速率越快,配送成本呈现越低的趋势。由于车辆行驶速度通常受到现实条件的约束不能随意变动,因此要降低考虑充电的电动车辆配送成本不仅需要优化车辆配送路径,更需要在电动车辆的充电技术上取得突破以提高充电速率,从而降低充电时间,继而降低电动车辆的配送成本。(本文来源于《江西财经大学》期刊2019-06-01）
黄敏芳,刘敬,郭琼[5]（2019）在《带时间窗的电动汽车物流配送车辆路径问题研究》一文中研究指出根据网上零售订单兼具"多品种、小批量、多频次、送货时间严格"等特点,从网上零售商的配送中心角度出发,提出了带软时间窗及充电站定位的电动汽车车辆路径问题,从配送中心角度分析了车辆使用数量与使用成本对总物流配送成本的影响,根据充电度数来计算充电成本的方式,增强了成本核算的精确性。并设计改进遗传算法进行求解,在染色体交叉操作中选择改进交叉算子,最大限度地保留优秀个体,加快寻找最优解的速度。最后通过算例验证了模型及算法的有效性。(本文来源于《物流技术》期刊2019年05期）
杜磊,周俊[6]（2019）在《面向路况的带时间窗车辆路径问题研究》一文中研究指出为降低物流公司配送成本,缩短配送时间和提高配送效率,在路况时变的前提下,对带软时间窗车辆路径问题建模分析,综合考虑车辆行驶路程最短及根据预计路况行驶时间最少,以总成本最小为目标,使用遗传算法求解。通过Solomon用例测试,结果表明面向路况的带时间窗车辆路径问题研究在物流公司车辆管理系统中是有效的。(本文来源于《工业控制计算机》期刊2019年04期）
易辰[7]（2019）在《带时间窗和先进后出约束的取送货车辆路径问题研究》一文中研究指出随着经济的快速发展,人们对物流配送的需求日益多元化且愈发注重配送的服务质量,因此物流公司不断发展新的配送模式以满足客户的需求。而在经典的取送货配送模式中,物流企业进行车辆调度时较少考虑货物的先进后出约束,这将在送货时带来额外的搬运成本并且增加货物受损的风险。因此在车辆调度时考虑货物的先进后出约束,不仅能有效降低配送成本,提高服务质量,还能带来良好的经济效益和社会效益。针对此情况,本文研究带时间窗和货物先进后出约束的取送货车辆路径问题(PDPTWL),具体的工作和研究成果如下:(1)在阅读大量文献的基础上对PDPTWL问题的研究现状进行了综述,分析了现有研究成果中存在的问题,对PDPTWL问题的求解方法进行了分类比较和总结。通过对问题的分析,本文首次给出了两种关于货物先进后出约束的形式化定理,并对其进行证明,最后构建了PDPTWL问题的严格数学模型。在此基础上结合存在的问题,给出了求解思路。(2)对本文求解思路进行细化,设计了PDPTWL问题的整体求解流程,将问题分为两个阶段求解:初始解生成阶段和优化阶段。本文使用改进自Solomon的插入启发式算法生成初始解,而在优化阶段,本文将分而治之思想与现代CPU的多核优势相结合,设计了分解-组合框架,并将其与改进的禁忌搜索算法相结合对初始解进行优化。(3)在公开数据集的119组数据实例上进行仿真实验以验证求解方案的有效性。相比已有最优结果,本文求解方案在86.5%的数据实例上取得了进一步突破,并且在200个客户规模以上的数据实例上,求解时长不到同类算法的10%。此外,在笔者所在课题组自研物流大数据平台中应用本文方案对真实客户数据进行求解,结果证明本文求解PDPTWL问题的方案能够有效指导现实物流配送。(本文来源于《华南理工大学》期刊2019-04-15）
辜勇,张列,李志远,郑阳阳[8]（2019）在《基于GA-ACO的带时间窗车辆路径问题研究》一文中研究指出针对传统算法求解带时间窗的车辆路径问题时收敛速度慢、解的质量不高等缺点,借鉴其他改进混合算法的思路,提出了一种性能更优的求解VRPTW的混合算法。算法以改进蚁群算法为主体,插入遗传算法作为局部优化方法,在蚁群算法转移概率的改进中引入时间窗因素、节约距离因子,设置随机变量来优化算法的迭代过程,在信息素更新机制中,定义信息素为标量,构造信息素挥发因子的阶段函数,然后使用遗传算法中的交叉变异算子对蚁群算法得到的较优解进行下一步优化,达到加快算法收敛速度,提高解的质量的目的。仿真实验结果表明:对比相关文献的改进混合算法,该混合算法具有有效性与优越性。(本文来源于《物流技术》期刊2019年02期）
李珍萍,张煜炜,吕香潭[9]（2018）在《同时考虑配送与安装需求的带时间窗车辆路径问题》一文中研究指出电商企业经销的家电分为两类:一类是不需要安装的小型家电,如洗衣机、微波炉等;第二类是需要专业安装人员上门安装的大型家电,如空调、热水器等。家电对于安装、售后维修等综合服务有着很高的要求。以家电企业配送与安装物流作业问题为场景,研究同时考虑配送与安装两种需求的车辆路径问题,以总成本最小为目标,考虑配送车辆的软时间窗约束与安装车辆的服务水平约束,不同车型的最大工作时间约束,建立带时间窗的混合整数规划模型。基于遗传算法与粒子群算法基本原理,设计求解模型的混合遗传算法。该算法采取对配送车辆和安装车辆的访问路径同时进行编码、解码、交叉、变异等操作,又针对遗传算法的局部搜索能力不强的问题,将种群分为精英层和普通层,精英层利用种群中已经搜索到的优秀个体的信息指导进一步的搜索过程,普通层保证种群的多样性。仿真实验结果表明,混合遗传算法可以有效地求解带时间窗的配送与安装车辆路径问题。(本文来源于《科学技术与工程》期刊2018年33期）
盛强,郑鹏飞,孙军艳[10]（2018）在《动态路网下带时间窗车辆路径规划问题研究》一文中研究指出为调解动态路网下配送成本与服务质量之间的矛盾,提出一种基于动态路网的VRPTW模型和算法。在VRPTW基础上,引入道路通过系数反映各路段不同时段路况信息,以成本最小为目标建立模型并利用改进遗传算法进行求解。选取Solomon测试数据集对模型及算法进行测试,结果显示,动态路网VRPTW最优解在增加1.93%行驶距离的同时可以提升8.45%的服务满意度。该研究对于激烈市场竞争环境下物流配送企业提升服务质量具有一定的借鉴意义。(本文来源于《物流技术》期刊2018年10期）
带时间窗的车辆路径问题论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为应对大数据时代对带时间窗车辆路径问题(VRPTW)的实时求解要求,提出基于Spark平台的改进蚁群算法.在算法层面,利用改进的状态转移规则和轮盘赌选择机制构建初始解,结合k-opt邻域搜索进行路径构建优化,改进最大最小蚁群算法中的信息素更新策略;在实现层面,利用Spark提供的API对蚁群RDD进行操作,实现蚁群分布式并行求解.在标准算例Solomon benchmark和Gehring&Homberger benchmark的实验结果表明,该算法在大规模问题的求解精度和速度上有明显提升.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
带时间窗的车辆路径问题论文参考文献
[1].李洋,胡蓉,钱斌,金怀平,向凤红.两阶段算法求解带时间窗的绿色多车场车辆路径问题[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[2].李奕颖,秦刚.基于Spark的改进蚁群算法对带时间窗车辆路径问题的求解[J].计算机系统应用.2019
[3].陈聪.基于带时间窗车辆路径问题的改进人工蜂群算法的研究[D].武汉轻工大学.2019
[4].万勇平.带时间窗的电动车辆路径优化问题研究[D].江西财经大学.2019
[5].黄敏芳,刘敬,郭琼.带时间窗的电动汽车物流配送车辆路径问题研究[J].物流技术.2019
[6].杜磊,周俊.面向路况的带时间窗车辆路径问题研究[J].工业控制计算机.2019
[7].易辰.带时间窗和先进后出约束的取送货车辆路径问题研究[D].华南理工大学.2019
[8].辜勇,张列,李志远,郑阳阳.基于GA-ACO的带时间窗车辆路径问题研究[J].物流技术.2019
[9].李珍萍,张煜炜,吕香潭.同时考虑配送与安装需求的带时间窗车辆路径问题[J].科学技术与工程.2018
[10].盛强,郑鹏飞,孙军艳.动态路网下带时间窗车辆路径规划问题研究[J].物流技术.2018