原文传递
基于蚁群算法的车辆优化调度系统
| 论文题名： | 基于蚁群算法的车辆优化调度系统 |
| 关键词： | 蚁群算法;车辆优化调度系统;运算效率;状态转移规则 |
| 摘要： | 随着市场压力的不断增大，客户需求的日益增多，许多企业不得不重新评价其车辆调度策略，目的是以最小的运输成本获取最大的利益。车辆调度是一种比较典型的组合优化问题，目前已经存在很多优化算法来解决该问题，但很多算法都存在各自的局限性，而新型的仿生算法——蚁群算法，具有正反馈性、鲁棒性、并行计算、协同性等特点，非常适合于解决车辆调度问题，并顺应车辆调度算法向智能化、仿生化发展的趋势。 本文针对蚁群算法早熟停滞、收敛速度慢等不足，提出了针对车辆调度问题的改进策略，主要有以下几个方面：由于蚁群算法在选路时，计算量比较大，因此建立了候选城市表，并在蚁群算法的状态转移规则中加入了节约量启发信息，减少了选路的计算量，提高了算法的运算效率；针对ACS和MMAS算法信息素更新策略的不足，提出了三层信息素更新算法，并引入了2-opt局部搜索策略，使蚂蚁避免过早地陷入局部最优；为了更好地引导蚂蚁，提出了自适应参数调整策略，构造了求解车辆调度问题的改进蚁群算法；由仿真结果显示，改进蚁群算法能够更快速地搜索到更优解，能够有效地解决VRP问题；基于智能系统开发平台Gensym G2，建立了智能车辆调度系统，能有效地帮助客户分析优化车辆调度问题，提高企业的配送的科学化效率，同时降低了企业的成本，对企业的车辆调度系统发展具有一定的理论意义与应用价值。 |
| 作者： | 周涛 |
| 专业： | 模式识别与智能系统 |
| 导师： | 徐红兵 |
| 授予学位： | 硕士 |
| 授予学位单位： | 电子科技大学 |
| 学位年度： | 2007 |
| 正文语种： | 中文 |
检索历史
应用推荐
