对车辆优化调度的基础理论及各类问题进行了系统的研究;蔡延光等人应用模拟退火法针对满载问题进行了求解,并收到了良好效果[21];谢秉磊、李良等人在放松约束条件的情况下,运用模拟退火算法对配送\收集一体化的旅行商问题(TSPD)进行了研究,并得到了较好的结果[22];许国平、叶效锋将模拟退火算法与遗传算法相结合,用于求解VRP,此法避免了遗传算法的早熟收敛问题[23];吕新军、韩兵在车辆数目不确定的情况下,将聚类法、禁忌搜索法和2-opt方法相结合,求解大规模的VRP,并证明是有效的[24];宁爱兵、马良利用竞争造就优化、决策左右结果的自然法则,开发了竞争决策算法(CDA),并用于求解VRP,经大量数据测试和验证,获得了令人满意的效果[25];陈宝文等人利用改进的蚁群算法对模糊需求条件下的VRP进行策略分析,采用实际需求的评价策略对路径进行优劣分析,证实求解结果非常有效[26];冯国莉等人通过人为约束因素利用Hopfield神经网络算法对旅行商问题进行了求解,并收到了一定的效果[27];赵传信等人在求解VRP时,将粒子群算法与禁忌搜索算法相结合构造出禁忌搜索粒子群混合算法,扩展了求解VRP的算法空间,并收到了明显的效果[28];总体来说,目前我国对车辆调度问题的研究与国外相比还相对薄弱,有待于进一步研究。1.4本文框架本文在讨论我国物流运输业务发展背景的基础上,进一步详细介绍我国第三方物流运输的业务,并针对影响我国众多中小企业的物流成本的主要因素之一,即车辆调度优化问题进行集中研究,构造影响运输路径的模型,并进行求解,立足现实、在利用办公软件求解的基础之上,建立带有时间窗的车辆路径优化数学模型和算法,进行求解。本论文的框架如下:第1章:绪论。阐述了选题的背景和选题的意义并对前人的研究成果进行了一定的总结。第2章:第三方物流企业运输概述。本章主要介绍了我国第三方物流的理论,包括运
全文预览
