论文部分内容阅读
随着经济的快速发展和社会的不断前进，环境和可持续发展问题引起了广泛关注，逆向物流也逐步受到政府和企业的重视。在企业降低成本，消费者寻求更完善服务和政府相关法规约束等多方面因素的驱动下，企业需要对自己的产品实施全部或者部分回收，进行再利用、再循环、再加工或者妥善废弃处理。目前研究逆向物流定量模型多集中于网络结构，对运输策略研究文献较少。本文以逆向物流的研究现状和发展方向为背景，以逆向物流车辆路径问题为研究领域，在车辆路径问题和相关启发式算法的理论基础上，较深入的研究了近年来逐渐受到重视的同时送取货的车辆路径问题(VRPSPD)。
本文研究了在一个中心仓库下，同质车队具有最大负载能力限制及最大行程约束，客户同时具有送货和取货需求，产品以原有形态回收的逆向物流车辆路径问题，建立了VRPSPD问题的混合线性规划模型。
本文的重点是在启发式算法的基础上，深入研究各种算法的特点，创造性的构造了一种粒子群一模拟退火协同(PSO_SA)算法来求解VRPSPD问题；针对启发式算法中粒子群算法收敛速度快，计算简单，鲁棒性能好的特点，并结合模拟退火算法全局搜索能力强，以概率1收敛的优点，本文设计了协同PSO_SA算法中整体编码规则、迭代之后交换全局信息、SA算法中冷却表规则以及迭代终止条件，使该算法可以较高的概率收敛到最优解。
本文分别采用国内外两个例子对PSO_SA协同算法的有效性进行了验证。在例一郎茂祥设计的算例中，首先用6组参数验证PSO_SA算法中各参数的配置优劣，选取其中较好的一组参数配置对该算例进行验证；实验结果表明用本文的PSO_SA协同算法比模拟退火算法对于VRPSPD问题求解性能有了较大的改进。在经典的Dethloff四组算例中，运算结果与Dethloff的RCRS算法、CatayB．&Gokce Ei.的ACO算法、Tang&Galocao的禁忌搜索算法进行了对比，比前者的结果有了改进，而与后两种算法结果之间尚存在少许差距，但是其最好解都可达到这几种算法中较优解的水平，在设定的迭代次数中，PSO_SA算法得到了可接受的满意解。本文的贡献在于利用已有的启发式算法的研究成果，设计了PSO_SA协同算法来解决VRPSPD问题，并通过编程实现和算例仿真证明了该算法的合理性。这对物流配送企业实现配送线路优化、降低成本和提高物流经营管理水平、更优质的服务于顾客、最终增加企业的竞争力具有重要的参考价值。本文共分五个章节。第一章是对逆向物流及逆向物流车辆路径问题的综述；第二章主要阐述车辆路径问题分类和算法研究成果；第三章是关于粒子群算法和模拟退火算法的原理和发展变形；第四章是本文的创新点聚集章节，主要研究和设计了PSO_SA协同算法来求解VRPSPD问题；最后在第五章给出了本文的结论与该领域研究的展望。