資源描述:
《武漢jsy公司的配載與車輛路徑集成優(yōu)化研究》由會員上傳分享,免費在線閱讀,更多相關內(nèi)容在學術論文-天天文庫。
1、參±學位纖若論文題目;武巧JSY公司6^配載與車輛路徑集成優(yōu)化研訓國內(nèi)圖巧分類號:密級:公開國際圖書分巧號:西南交通大學研究生學位論文武漢JSY公哥的配裁與車輛路徑集成化化研究年級2012級姓名曾曉軍申請學化級別碩±專業(yè)工業(yè)工程指導老師王明亮二零一五年九月H十日ClassifiedIndex:〇hSU.D.C:Sou也westJiaotongUniversityMasterDegreeThesisRESEA
2、艮CHONTHEINTEGRATEDOPTIMIZATIONOFFILLINGANDVEHICLE民OUTINGFORJSYINWUHANGrade:2012Candida化:ZengxiaojunAcademicDegreeAppliedfor:MasterSpecialty:IndustrialEngineeringSupervisor:WanminliangggSep.302015,西南交通大學學位論文版權使用授權
3、書本學位論文作者完全了解學校有關保留,、使用學位論文的規(guī)定同意學校保留并向國家有關部口或機構送交論文的復印件和電子版,允許論文被查閱和借閱。本人授權西南交通大學可W將本論文的全部或部分內(nèi)容編入有關數(shù)據(jù)庫進行檢索,可W采用影印、縮印或掃描等復印手段保存和匯編本學位論文。本學位論文屬于1□,.保密在年解密后適用本授權書:2.不保密tsu/使用本授權書。“’上方框內(nèi)打VO(請在W學位論文作者簽名;指導老師簽名:^)之.'/^:日期:別日期.|01西南交通大學碩±
4、學位論文主要工作(貢獻)聲明本人在學位論文中所做的主要工作或貢獻如下:首先,本文介紹了生鮮電子商務的發(fā)展現(xiàn)狀,W及存在的主要問題,概述了國內(nèi)一外在車輛路徑及車輛裝載方面單優(yōu)化及組合優(yōu)化的研究成果,選取了生鮮電商領域極具創(chuàng)新性和代表性的JSY公司為研究對象,根據(jù)現(xiàn)實中貨物配載及車輛路徑問題的,二特征建立了包含維配載優(yōu)化及非滿載車輛路徑優(yōu)化的多目標集成優(yōu)化模型,通過一對模型的處理,運用權重系數(shù)變換法及歸化處理將多肖標優(yōu)化轉換為單自標優(yōu)化,使模型更加簡化,求解也更加方便。其次,在
5、算法設計上,根據(jù)模型特征對比分析了精確算法和啟發(fā)式算法的優(yōu)勢和不足,根據(jù)適用性和計算效果選擇了啟發(fā)式算法中的遺傳算法,為了讓計算更高準確和高效,同時滿足解決具體優(yōu)化問題的需要,對基礎遺傳算法存在的不足進斤了改進.采用了自然數(shù)編碼及自適應交叉和自適應變異的改進遺傳算法,并通過編寫Matlab軟件的程序文件及調(diào)用遺傳算法王具箱實現(xiàn)算法設計。最后,利用集成優(yōu)化模型和改進遺傳算法優(yōu)化JSY公司的部分配送任務,分析優(yōu)化結果,驗證了集成優(yōu)化模型及改進遺傳算法對于配送效率和成本有很好的優(yōu)化效果。
6、,本人鄭重聲明:所呈交的學位論文是在導師指導下獨立進行研究工作所得的成果,本論文不包含任何其它個人或集體己經(jīng)發(fā)表或撰。除文中已經(jīng)注明引用的內(nèi)容外。寫過的研究成果,。對本文的研究做出貢獻的個人和集體均已在文中作了明確說明一本人完全了解違反上述聲明所引起的切法律責任將由本人承擔。學位論文作者簽名:隻.日期:減.UI西南交通大學碩±研究生學位論文第1頁摘要隨著生鮮產(chǎn)品電子商務的迅速發(fā)展,高昂配送成本嚴重阻礙了生鮮電子商務的發(fā)展,。車輛路徑優(yōu)化問題及配載問題作為物流配
7、送優(yōu)化的重要組成國內(nèi)外學者已做了大量研究,W此改善配送效率和降低配送成本。本文充分利用已有研究成果,分析車輛路徑和配載之間的關系,通過集成優(yōu)化研究,實現(xiàn)配送方案的最乂程度優(yōu)化。本文J的主要研究工作包括構建集成優(yōu)化模型,SY公司的實際算例分、設計改進遺傳算法析。,本文介紹了生鮮電子商務的發(fā)展現(xiàn)狀,及存在的主要問題首先,概述了國內(nèi)外在車輛路徑及車輛裝載方面單一優(yōu)化及組合優(yōu)化的研究成果,選取了生鮮電商領域極具創(chuàng)新性和代表性的JSY公司為研究對象,根據(jù)現(xiàn)實中貨物配載及車輛路徑問題的
8、特征,建立了包含二維配載優(yōu)化及非滿載車輛路徑優(yōu)化的多目標集成優(yōu)化模型,通過一對模型的處理,運用權重系數(shù)變換法及歸化處理將多目標優(yōu)化轉換為單目標優(yōu)化,使?,F(xiàn)更加簡化,求解也更加方便。其次,在算法設計上,根據(jù)模型特征對比分析了精確算法和啟發(fā)式算法的優(yōu)勢和不足,根據(jù)適用性和計算效果選擇了盾發(fā)式算法中的遺傳算法,為了讓計算更加準確和高效,同時滿足解決具體優(yōu)化問題的需要,對基本遺傳算法存在的不足進行了改進,采用了