物流网络系统车辆调度问题研究PDF电子书下载

第1章 绪论 1

1.1 研究背景 1

1.2 车辆调度概念 3

1.3 以配送中心为核心的车辆调度模型 5

1.3.1 单配送中心配送模式 6

1.3.2 准多配送中心配送模式 7

1.3.3 多配送中心配送模式 8

1.4 多车场车辆调度的研究现状 9

1.5 现有研究中存在的问题 18

1.6 多需求点车辆调度模式的提出 19

1.6.1 进化设计理论 19

1.6.2 运输组织方式的趋势 21

1.6.3 多需求点货运模式的提出 22

1.6.4 多需求点车辆调度特点 24

1.7 研究目的和意义 25

1.8 研究框架 25

第2章 求解模型的蚁群、粒子群算法介绍 28

2.1 蚁群优化算法及分析 28

2.1.1 蚁群算法介绍 28

2.1.2 蚁群系统模型 29

2.1.3 蚁群算法的改进 31

2.1.4 蚁群算法特点 32

2.2 粒子群优化算法及分析 33

2.2.1 粒子群算法介绍 33

2.2.2 粒子群算法过程 34

2.2.3 改进粒子群算法 34

2.2.4 粒子群算法特点 36

2.3 算法应用前景 36

第3章 多设施规划模型及其求解 37

3.1 背景 37

3.2 模型描述和符号 38

3.2.1 模型描述 38

3.2.2 模型假设条件 39

3.2.3 参数表示 39

3.2.4 模型建立 40

3.3 多设施规划的模型及其粒子群算法优化 40

3.3.1 粒子的表达方式 40

3.3.2 优化过程 41

3.4 实例及分析 42

3.4.1 实例 42

3.4.2 求解结果 43

3.4.3 对优化结果的修正处理 46

3.4.4 对优化结果的分析 47

第4章 车辆调度问题中的交通约束条件 48

4.1 交通分配规律分析 48

4.1.1 背景 48

4.1.2 研究情况 49

4.2 交通分配模型 49

4.3 基于粒子群算法的交通分配模型求解 50

4.3.1 粒子群算法求交通分配模型过程 50

4.3.2 粒子群算法求解交通分配模型的合理性分析 51

4.3.3 仿真计算 52

4.4 BPR路阻函数概况 54

4.4.1 BPR函数特点 54

4.4.2 BPR函数改进的研究概况 55

4.4.3 已有改进研究中存在的问题 56

4.5 BPR函数的改进研究 57

4.5.1 交通量表示方式的改进 58

4.5.2 交通密度函数的阻抗表示 59

4.6 旅游交通网络优化能力配置 61

4.6.1 问题的提出 61

4.6.2 能力优化模型 62

4.6.3 旅游交通网络的仿真模型 64

4.6.4 基于仿真模型的瓶颈分析 66

4.6.5 近似梯度指导下的变异策略 67

4.6.6 数据试验 67

第5章 货物装箱问题的求解 71

5.1 货物分配到车辆的粒子群优化求解 71

5.1.1 满载装车问题的粒子群算法求解 72

5.1.2 仿真计算 72

5.2 单车三维装箱问题的粒子群优化 74

5.2.1 问题描述 74

5.2.2 符号约定 75

5.2.3 三维装箱问题的数学模型 75

5.2.4 堆叠处理及填充处理 77

5.2.5 粒子的表示方法 77

5.2.6 粒子的基本操作和更新公式 78

5.2.7 算法步骤描述 79

5.2.8 应用实例 79

第6章 多需求点车辆调度模型的建立 85

6.1 调度系统描述 85

6.2 模型的假设与前提 86

6.3 多需求点车辆调度问题的微观化表示 86

6.4 多需求点车辆调度模型 88

6.4.1 参数定义 88

6.4.2 分目标函数 91

6.4.3 总目标函数 92

6.4.4 约束条件 93

6.5 复杂情况下适应度函数及约束的简化 95

6.5.1 适应度函数简化 95

6.5.2 约束简化 95

6.5.3 仿真采用的简化车辆调度模型 96

第7章 多需求点车辆调度模型的优化 98

7.1 VSP和TSP蚁群算法区别 98

7.2 单车路径优化的改进蚁群算法 100

7.2.1 改进的参数标定 100

7.2.2 改进的状态转移规则 100

7.2.3 仿真实例 101

7.2.4 仿真结果 102

7.3 多需求点车辆调度问题的改进蚁群算法 104

7.3.1 改进的参数标定 104

7.3.2 改进的状态转移规则 105

7.3.3 仿真实例 105

7.3.4 仿真结果 107

7.4 多需求点车辆调度问题的粒子群、蚁群混合算法研究 111

7.4.1 构造粒子表达方式 111

7.4.2 混合算法实现过程 113

7.4.3 多需求点车辆调度的混合算法仿真计算 113

7.5 货物转运配送车辆调度模型的粒子群、蚁群算法混合优化求解 115

7.5.1 粒子表达方式的构造 115

7.5.2 蚁群禁忌表的改进 116

7.5.3 粒子群、蚁群算法混合算法实现过程 117

7.5.4 仿真实例及其仿真结果分析 118

7.6 车辆调度问题算法的比较及全局优化分析 120

7.6.1 算法间的比较 120

7.6.2 全局优化分析 121

7.6.3 模型及算法的特点 121

第8章 粒子群优化算法适用于分配问题的求解模式 123

8.1 求解模式 123

8.2 粒子群优化在制造单元重构中的应用 124

8.2.1 模型参数标定 124

8.2.2 优化模型 125

8.2.3 优化的粒子群算法 125

8.2.4 仿真计算 126

8.3 多人分配到多任务的分配模型及粒子群优化 128

8.3.1 构建数学模型 129

8.3.2 分配方案的粒子位置向量表达方式 129

8.3.3 优化过程 130

第9章 多需求点车辆调度软件系统研究开发 131

9.1 系统分析 131

9.2 软件系统基础平台分析 132

9.2.1 Java及J2EE 132

9.2.2 MVC三层体系结构 133

9.2.3 WebWork框架 133

9.2.4 Spring框架 135

9.2.5 Hibernate 136

9.3 软件系统的WehWork+Spring+Hibernate框架 138

9.4 多需求点车辆调度系统建设 139

9.4.1 数据库结构 139

9.4.2 页面结构 139

参考文献 141