开题报告-多车辆物流配送智能算法研究.docVIP

综述本课题的研究动态，说明选题的依据和意义 随着信息技术的不断完善和“网购时代”的迅猛突厥，使得物流行业得到了前所未有的喷薄式发展。网上购物有着交易便利、成本低廉、利润丰厚、节约时间等众多特点，这使得各商业机构积极改变其运营模式，实体经济同时也面临着巨大的挑战。线上完成交易后，即由线下的物流完成其余任务。因此，电子商务的便捷服务迫切需要一个与之相匹配的低成本、高效率的物流系统，才能更加稳健地运行。 车辆路径问题(VRP)描述了一定量的需要物流服务的用户，对某些货物分别有不同数量的需求，配送中心负责向客户提供货物，组织专门的车队负责运送这些货物，策划恰当的配送方案，实现满足客户需求的过程。在此过程中，同时能在一定条件的约束下，达到一定的目的。 目前关于物流配送的库存路径问题的研究具有以下发展趋势：①在需求随机的假设基础之上建立物流配送模型，使之更符合实际情况；②针对物流配送模型的复杂性，在传统的优化算法基础之上，结合现代人工智能方法，设计更加有效的优化算法但是，在目前已有的物流配送的模型中，信息的不确定性（包括客户需求的不确定、配送时间的不确定等）经常被忽略，针对随机需求和随机提前期条件下的库存路径问题研究不充分在需求随机、提前期随机的假设基础之上研究物流配送问题是十分必要的，本设计任务拟建立的基于随机信息的物流配送模型更加贴近实际，拟设计的智能算法效率更高，对于物流管理将更具有现实指导意义。 本课题研究的基本内容，拟解决的主要问题和难点问题 本课题研究的基本内容是在随机需求的条件下，分别从供应链中各成员的角度研究供应链各环节的库存补货策略、各环节之间的配送组织方案(运输线路、车辆数量、送货时间)设计，以及各策略间的协调问题，建立相应优化目标，设计智能优化算法求解模型，最后用实例分析模型参数变化对最优解的影响。 本课题拟解决的主要问题 如何确立具有随机需求的物流配送问题的优化目标？路径长度还是成本？ 由于配送点的需求具有随机性，导致配送车辆返回配送中心补货的位置和次数不确定，虽然配送路线固定，但车辆行驶距离具有随机性，如何计算配送车辆的平均行驶距离？ 考虑不同的配送规则，返回补货次数有限或不限的情况下，如何计算配送车辆的平均行驶距离？ 本课题的难点 解决VRP问题在算法上，国内外的研究学者进行了许多探索，提出的方法主要有精确算法和启发式算法两种。本课题拟采用改进的遗传算法来求解最优配送次序，难点在于遗传操作算子的设计。 综合考虑随机需求因素和多配送车辆使得本问题的优化目标和约束变得更加复杂，如何将单车辆问题的解法拓展到多车辆问题是本课题的最大难点。 三、研究步骤、方法及措施： 掌握库存论和物流配送车辆路径优化（VRP）的基本知识和经典结论； 掌握经典优化算法和粒子群、遗传算法等智能算法； 通过查阅文献和实际考察，了解物流配送与供应链管理现状，以获得一些重要的信息与数据，分析存在的问题； 结合实际调研和文献研究，建立起基于供应链整体最优的物流配送模型； 设计智能优化算法对所构造的数学模型进行求解，用实例说明求解过程； 对模型进行分析、评价和改进；对模型参数进行灵敏度分析； 得出最终结论后总结成果，撰写论文，准备答辩材料。 四、工作进度： 序 号 设计（论文）各阶段名称 日 期 1 查阅、学习文献资料，结合已学过的课程，明确对应的理论、方法、步骤；撰写开题报告。 1-2周 2 查阅各种相关资料，到物流企业实际调研，并进行毕业实习。 3-5周 3 深入学习车辆路径优化问题和优化算法。 6-7周 4 结合实际初步建立多车辆的物流配送的数学模型。 8-10周 5 设计智能算法，对所建立的数学模型进行求解。 11-12周 6 运用、检验模型，撰写论文。 13-14周 7 提交论文、外文翻译资料，准备答辩。 15-16周 8 修改论文、答辩。 17-18周 五、主要参考文献： 钱颂迪,运筹学[M]北京：清华大学出版社. 丁永生. 计算智能[M]. 北京：科学出版社.李东, 汪定伟. 基于仿真的优化方法综述[J]. 控制工程,2008,(6):674-677.D]. 成都: 西南交通大学, 2001. 赵达, 李军, 马丹祥. 求解随机需求库存一路径问题的一种算法[J]. 系统工程, 2006, 24(5): 23-28. 唐加福, 董颖, 潘震东,等. 租赁车辆运输外包模式下多次直接运输策略的集成库存运输计划[J]. 计算机集成制造系统, 2007, 13(6): 1158-1164. 武秀焕, 李延晖. 马氏过程的随机库存路径问题模型与算法[J]. 工业工程与管理, 2009, 24(1)：66-70. Jianxiang Li, Feng Chu, Haoxun Chen. A solution ap