基于蚁群算法的车辆路径问题研究论文

基于蚁群算法的车辆路径问题研究论文(任务书,开题报告,论文说明书18000字)
摘要
随着互联网经济的发展，物流行业迎来了发展的黄金时期，物流方式的优化改革成为重中之重，而与物流息息相关的则是车辆配送，车辆路径的选择问题是制约车辆配送效率的最大瓶颈，而在今天的车辆配送中，非机动车配送正在不断地崛起，并成为车辆配送的一种重要组成方式；同时，蚁群算法是近年来快速发展的一种智能算法，广泛用于解决空间优化问题。本文将基于蚁群算法对车辆路径问题进行探索研究，并通过对蚁群算法的理解以VS2015开发平台，C#为开发语言，以蚁群算法为核心，非机动车眼中的城市为视角构建了基于虚拟城市的蚁群算法演示系统，而后基于构建的系统在不同的虚拟城市下找寻由指定起点至终点的最短路径，并将寻求的最短路径结果与A*算法计算的结果进行对比，从而验证本系统模型的有效性，最终对比结果显示了本文建立的系统模型具备有效性。
关键词：蚁群算法；车辆路径问题；C#；A*算法；启发式搜索
 
Abstract
With the development of the Internet economy, the logistics industry has ushered in a golden period of development. The optimization of logistics methods has become a top priority. The logistics related to logistics is the distribution of vehicles. The choice of vehicle routing is the most restrictive part of vehicle distribution efficiency. In the meantime, and in today's vehicle distribution, non-motor vehicle distribution is constantly emerging and becoming an important component of vehicle distribution. At the same time, ant colony algorithm is an intelligent algorithm developed rapidly in recent years and widely used to solve Space Optimization Problem. This paper will explore the vehicle routing problem based on ant colony algorithm. And through the understanding of the ant colony algorithm, the VS2015 as the development platform, the C#as the development language, ant colony algorithm as the core, and based onthe perspective of the non-motor vehicle in the city, the paper constructed an ant colony algorithm demonstration system based on the virtual city. And then based on the constructed system ,the paper try to find the shortest path from the specified starting point to the end point in different virtual cities, and compare the shortest path result sought with the A* algorithm to verify The effectiveness of the system model, the final comparison results show that the system model established in this paper is effective.
Key Words: Ant Colony Algorithm；Vehicle routing problem；C#；A* Algorithm ；Heuristic search
     
目录
第1章绪论    1
1.1 研究背景及意义    1
1.1.1 研究背景    1
1.1.2 研究意义    1
1.2 国内外研究现状    2
1.2.1 国外研究现状    2
1.2.1 国内研究现状    3
1.3 研究内容    3
1.3.1 车辆路径问题研究    3
1.3.2 蚁群算法演示系统构建    4
1.3.3 系统模型的有效性验证    4
第2章研究模型及方法介绍    5
2.1 蚁群算法基本原理    5
2.2 几种传统最短路径算法基本原理    7
第3章研究对象及区域    10
3.1 研究对象    10
3.2 研究区域    10
第4章蚁群算法演示系统模型构建    12
4.1 蚁群算法规则提取    12
4.2 蚁群算法系统实现    13
4.2.1 蚁群算法参数设置功能实现    15
4.2.2 蚁群算法演示功能实现    16
4.2.3 最短路径生成功能实现    16
4.2.4 结果计算和输出功能实现    17
4.3 模型参数设置    18
4.3.1 信息素释放率参数设置    19
4.3.2 最大信息素参数设置    19
4.3.3 信息素消失率参数设置    19
4.3.4 出错概率参数设置    20
4.3.5 感知范围参数设置    20
4.3.6 路径记录最大值设置    21
第5章系统模型有效性验证    22
第6章结论与展望    25
6.1 结论    25
6.2 展望    25
参考文献    26
致谢    28
附录A 蚁群算法演示系统核心代码    29
附录B 系统模型有效性验证底图    31
附录C 系统模型有效性验证数据    33