嵌入式毕业论文--城区物流快递送货的路径选择研究

《嵌入式毕业论文--城区物流快递送货的路径选择研究》由会员分享，可在线阅读，更多相关《嵌入式毕业论文--城区物流快递送货的路径选择研究（36页珍藏版）》请在毕设资料网上搜索。

1、 本本 科科 毕毕 业业 论论 文文 城区物流快递送货的路径选择研究 The Research of path Choice for City Logistics Express 系(院)名称： 计算机科学与信息工程学院 专业班级： 11 届计算机科学与技术嵌入方向 学生姓名： 学生学号： 指导教师姓名： XXX 指导教师职称： 副 教 授 2012 年 5 月 城区物流快递送货的路径选择研究 摘要：物流快递是现代电子商务的支撑基础。我们越来越依赖于物流的同时，也伴随着 很多问题，比如能不能尽快送到目的地，怎样才能最快送到等。物流快递送货的路径选择 即对于给定的一组订单，先送什么后送什么的路径

2、规划。对于小规模的送货可用最短路径 和动态规划等方法实现，但是随着问题规模的扩大，组合优化问题常常会呈现组合爆炸的 特征，此类问题无法使用常规方法来求解，属于 NP-Hard 问题，车辆路径问题就是典型的 组合优化问题。蚁群算法（ACO）是受自然界中蚂蚁搜索食物行为启发而提出的一种智能 优化算法。研究发现，蚁群算法可以较好地求解 VRP（Vehicle Routing Problem，车辆路 径优化）等组合优化问题。蚁群算法发现较好解的能力很强，具有分布式计算、鲁棒性强、 易于与其他方法结合等优点，具有十分广阔的应用前景。然而，蚁群算法存在求解速度慢， 在规模扩大后带来收敛慢等问题。对车辆路径

3、问题解决上，现有的蚁群算法存在难以回归 原点等问题。这些问题也是我们面临的巨大挑战。 本文采用的是面向对象的 VC 语言，依据蚁群算法解决配送路线的优化问题，文章从 以下几个方面展开：首先充分概括了当前的蚁群算法在车辆路径问题上的研究。详细分析 了基本蚁群算法的原理，然后详细阐述了 VRP 问题并引用了其数学模型，并介绍了蚁群算 法解决 VRP 问题的方法以及现状面临的挑战。并将遗传算法的复制、交叉、变异等遗传算 子引入蚁群算法，同时改进信息素的更新方式、客户点选择策略，以提高算法的收敛速度 和全局搜索能力。 关键词： 物流配送 车辆路径问题 蚁群算法 The Research of path

4、 Choice for City Logistics Express Abstract: Logistics express is the basis of modern e-business. we are increasingly dependent on logistics. We are increasingly dependent on the logistics with many problems associating with it at the same time. For example ,if it is sent to the destination as soon

5、as possible ,how can it be the fastest . The delivery route choice of logistics express is a path planning of what should be put foreword and what afterward for a group of given orders .It is can be realized by using the method of the shortest path and dynamic programming for the small-scale deliver

6、y.But with the expansion of the scale , combinatorial optimization problem often feature a combination of the explosion ; such problems can not use conventional methods to solve . The problem belongs to NP-Hard . Ant colony algorithm (ACO) is created by the natural world which is to imitate the process of ants searching for food . The study found that ant colony algorithm finds better solutions of strong , distributed computing , robust,