基于蟻群算法的車輛調(diào)度問題研究（畢業(yè)論文）-預(yù)覽頁
【正文】 部最優(yōu) 在不利于解決連續(xù)問題 14 蟻群算法求解車輛調(diào)度問題 開始掃描前 掃描分組后 注：圖中圓點代表任務(wù)點，方塊代表車場；不同線型連接的任務(wù)點代表不同分組。如表 ，任務(wù)點各自的選擇概率將輪盤分成 4個扇區(qū)，要進行 1次選擇，隨機生成 1個隨機數(shù)，相對于轉(zhuǎn)動輪盤 1次，獲得 1次指針停止位置，指針停止在某一扇區(qū)，該扇區(qū)代表該任務(wù)點被選中。該系統(tǒng)將無線分組數(shù)據(jù)傳輸（ GPRS）、遙感遙測（ RS）、全球衛(wèi)星定位系統(tǒng)（ GPS）、地理信息系統(tǒng)（ GIS）和遙控技術(shù)一體化。 32 系統(tǒng)組成結(jié)構(gòu) 車輛調(diào)度系統(tǒng)結(jié)構(gòu)圖 33 車輛優(yōu)化調(diào)度子系統(tǒng) 車輛優(yōu)化調(diào)度子系統(tǒng)功能結(jié)構(gòu) 34 車輛優(yōu)化調(diào)度系統(tǒng)流程分析 35 ? 在算法的選擇策略上參照了如下規(guī)則 算法的選擇策略 36 算法的選擇策略 ? 調(diào)度任務(wù)解決過程 (1) 獲取貨源信息： (2) 貨源數(shù)據(jù)與運力資源數(shù)據(jù)的搜索與調(diào)用 (3) 智能調(diào)度 (4) 貨運任務(wù)的全程實時管理與行為記錄 37 全文總結(jié) ? 本文主要創(chuàng)新點如下： 1．本論文針對一般蟻群算法的在尋優(yōu)過程中容易出現(xiàn)停滯現(xiàn)象或收斂過早，或者搜索效率不高等缺點進行了分析，提出從信息素更新規(guī)則、更新系數(shù)和更新策略方面進行改進的方案，并就螞蟻前進選擇策略和如何確定選擇集合做改進，通過實例驗證，該方案有效的提高了算法收斂速度，擴大了算法搜索空間。 38 展望 ? 有待改進的地方和需要進一步研究的問題： 1．雖然本文研究的車輛調(diào)度問題考慮了時間限制，但是，與實際車輛調(diào)度問題還有一定差距（如我們假設(shè)車輛是勻速行駛，而這在現(xiàn)實生活中受交通路況的影響）。系統(tǒng)中可選的算法不多，并不能很高效的解決任何情況下的車
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1