物流配送中的最优路径规划模拟软件课件
物流配送中的最优路径规划模拟
软件说明书
学校：武汉轻工大学
院系：数学与计算机学院
专业：信息与计算科学
指导教师：王防修
小组名称：一苹微歌
小组成员：胡鹏程新强彭肖飞日期：_____年______月_____日
目录
1引言-----------------------------------------------------1 2算法思路-------------------------------------------------2 3总体设计------------------------------------------------15 4系统出错处理设计----------------------------------------17 5客户数据生成模块设计说明--------------------------------18 6行车路径最短模块设计说明--------------------------------18 7行车时间最短模块设计说明--------------------------------19 8解决堵车问题模块设计说明--------------------------------20 9未解决的问题--------------------------------------------21 10参考资料-----------------------------------------------21
1引言
1.1编写目的
在B2C农产品电子商务物流配送时，物流车装载当日需要配送的货品从仓库出发，按照事先规划好的最优配送路径为每一个客户进行配送，最后返回仓库。物流配送模拟系统就是在配送之前需要根据客户的配送地址间线路间距、经验路况做分析计算出一条最优配送路径。在配送过程中，如果某路段堵车，物流配送模拟系统需要动态调整配送路线。
1.2背景说明
设计一个物流配送中的最优路径规划模拟软件，解决物流配送过程中路程最短，时间最短以及堵车后重新规划等问题，并在软件的界面上模拟车辆的运行。随着市场经济的发展和物流技术专业化水平的提高，物流配送业得到了迅猛发展。配送路径的选择是否合理，对加快配送速度、提高服务质量、降低配送成本及增加经济效益都有较大影响。配送路径的优化问题是物流配送系统的一个主要问题，物流配送路径的优化就是以最低的运营成本，最快捷的响应速度、最短的配送运输时间，把货物运至用户手中，而后两个指标与第一个指标之间存在着一定的制约关系，无法达到全体的最优，因此严格地讲，这是一个多目标的优化问题。
1.3定义
T S P（Traveling Salesman Problem）:旅行商问题
Backtrack：回溯
GA （Genetic Algorithm ）：遗传算法
SA(Simulated Annealing)：模拟退火算法
2算法思路
2.1回溯算法
2.1.1回溯法的定义
回溯法是一种选优搜索法，按选优条件向前搜索，以达到
目标。但当探索到某一步时，发现原先选择并不优或达不到目
标，就退回一步重新选择，这种走不通就退回再走的技术为回
溯法，而满足回溯条件的某个状态的点称为“回溯点”。
2.1.2 回溯法的描述
可用回溯法求解的问题P ，通常要能表达为：对于已知的
由n 元组),...,,(21n X X X 组成的一个状态空间E={),...,,(21n X X X ∣i
X ∈i S ，i=1，2，…，n}，给定关于n 元组中的一个分量的一
个约束集D ，要求E 中满足D 的全部约束条件的所有n 元组。
其中i S 是分量i X 的定义域，且 |i S | 有限，i=1，2，…，n 。
我们称E 中满足D 的全部约束条件的任一n 元组为问题P 的一
个解。解问题P 的最朴素的方法就是枚举法，即对E 中的所有
n 元组逐一地检测其是否满足D 的全部约束，若满足，则为问
题P 的一个解。但显然，其计算量是相当大的。
我们发现，对于许多问题，所给定的约束集D 具有完备
性，即i 元组),...,,(21i X X X 满足D 中仅涉及到1X ，2X ，…，i X 的
所有约束意味着j 元组（1X ，2X ，…，j X ）一定也满足D 中
仅涉及到1X ，2X ，…，j X 的所有约束，i =1，2，…，n 。换
句话说，只要存在0≤j≤n -1，使得（1X ，2X ，…，j X ）违
反D 中仅涉及到1X ，2X ，…，j X 的约束之一，则以（1X ，2X ，…，
j X ）为前缀的任何n 元组（1X ，2X ，…，j X ，1
+j X ，…，n X ）一定也违反D 中仅涉及到1X ，2X ，…，i X 的一个约束，因此，
对于约束集D 具有完备性的问题P ，一旦检测断定某个j 元组
（1X ，2X ，…，j X ）违反D 中仅涉及1X ，2X ，…，j X 的一个
约束，就可以肯定，以（1X ，2X ，…，j X ）为前缀的任何n
元组（1X ，2X ，…，j X ，1+j X ，…，n X ）都不会是问题P 的
解，因而就不必去搜索它们、检测它们。回溯法正是针对这类
问题，利用这类问题的上述性质而提出来的比枚举法效率更高
的算法。
回溯法首先将问题P 的n 元组的状态空间E 表示成一棵
高为n 的带权有序树T ，把在E 中求问题P 的所有解转化为在
T 中搜索问题P 的所有解。树T 类似于检索树，它可以这样构
造：
设i S 中的元素可排成i X (1)，i X (2)，…，i X (i m -1)，|i S |
=i m ，i=1，2，…，n 。从根开始，让T 的第I 层的每一个结
点都有i m 个儿子。这i m 个儿子到它们的双亲的边，按从左到
右的次序，分别带权1+i X (1) ，1+i X (2) ，…，1+i X (i m ) ，i=0，
1，2，…，n-1。照这种构造方式，E 中的一个n 元组)
,...,,(21n X X X 对应于T 中的一个叶子结点，T 的根到这个叶子结点的路径
上依次的n 条边的权分别为n X X X ,...,,21，反之亦然。另外，对
于任意的0≤i≤n -1，E 中n 元组),...,,(21n X X X 的一个前缀I
元组),...,,(21i X X X 对应于T 中的一个非叶子结点，T 的根到这
个非叶子结点的路径上依次的I 条边的权分别为i X X X ,...,,21，
反之亦然。特别，E 中的任意一个n 元组的空前缀（），对
应于T 的根。
因而，在E 中寻找问题P 的一个解等价于在T 中搜索一
个叶子结点，要求从T 的根到该叶子结点的路径上依次的n
条边相应带的n 个权n X X X ,...,,21满足约束集D 的全部约束。在
T 中搜索所要求的叶子结点，很自然的一种方式是从根出发，
按深度优先的策略逐步深入，即依次搜索满足约束条件的前
缀1元组（1X ）、前缀2元组（1X ，2X ）、…，前缀I 元组
),...,,(21i X X X ，…，直到i=n 为止。
在回溯法中，上述引入的树被称为问题P 的状态空间树；
树T 上任意一个结点被称为问题P 的状态结点；树T 上的任
意一个叶子结点被称为问题P 的一个解状态结点；树T 上满
足约束集D 的全部约束的任意一个叶子结点被称为问题P 的
一个回答状态结点，它对应于问题P 的一个解。
2.1.3回溯法的基本思想
(1)针对所给问题，定义问题的解空间；
(2)确定易于搜索的解空间结构；
(3)以深度优先方式搜索解空间，并在搜索过程中用剪枝函数避
免无效搜索。
用回溯法解题的一个显著特征是在搜索过程中动态产生问题的解空间。在任何时刻，算法只保存从根结点到当前扩展结点的路径。如果解空间树中从根结点到叶结点的最长路径的长度为h(n)，则回溯法所需的计算空间通常为O(n)。而显式地存储整个解空间则需要O(2n)或O(n!)内存空间.
2.1.4回溯法在TSP问题上的应用
旅行商问题的回溯算法可作为类Traveling 的一个成员。在其他例子中，有一个成员函数：Backtrack与T S P。前者是一个保护或私有成员，后者是一个共享成员。函数G .T S P ( v )返回最少耗费旅行的花费，旅行自身由整型数组 v 返回。若网络中无旅行，则返回No edge。Backtrack在排列空间树中进行递归回溯搜索， T S P是其一个必要的预处理过程。TSP假定x（用来保存到当前节点的路径的整型数组），best x（保存目前发现的最优旅行的整型数组），c c（类型为T的变量，保存当前节点的局部旅行的耗费），best c （类型为T的变量，保存目前最优解的耗费）已被定义为Traveling 中的静态数据成员。
函数Backtrack见下。它的结构与函数Perm相同。当i=n 时，处在排列树的叶节点的父节点上，并且需要验证从
X到n X有一条边，
n
[
]1
从
X到起点1X也有一条边。若两条边都存在，则发现了一个新旅行。
n
在本例中，需要验证是否该旅行是目前发现的最优旅行。若是，则将旅行和它的耗费分别存入best x与best c中。
当i ＜n 时，检查当前i-1 层节点的孩子节点，并且仅当以下
情况出现时，移动到孩子节点之一：
1. 有从1 i X 到i X 的一条边（如果是这样的话，]:1[i X 定义了网络
中的一条路径）；
2.路径]:1[i X 的耗费小于当前最优解的耗费。变量cc 保存目前
所构造的路径的耗费。
每次找到一个更好的旅行时，除了更新best x 的耗费外，
Backtrack 需耗时O((n- 1 )!)。因为需发生O((n-1)!)次更新且每
一次更新的耗费为(n)时间，因此更新所需时间为O(n(n- 1)!)。通
过使用加强的条件能减少由Backtrack 搜索的树节点的数量。
2.2遗传算法
2.2.1遗传算法的定义
遗传算法（Genetic Algorithm ）是模拟达尔文的遗传选
择和自然淘汰的生物进化过程的计算模型，是一种通过模拟自
然进化过程搜索最优解的方法，它是由美国Michigan 大学J.
Holland 教授于1975年首先提出来的，并出版了颇有影响的
专著《Adaptation in Natural and Artificial Systems 》，
GA 这个名称才逐渐为人所知，J. Holland 教授所提出的GA 通
常为简单遗传算法（SGA ）。
遗传算法是从代表问题可能潜在的解集的一个种群
（population ）开始的，而一个种群则由经过基因（gene ）
编码的一定数目的个体(individual)组成。每个个体实际上
是染色体(chromosome)带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。因此，在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代（generation）演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度（fitness）大小选择（selection）个体，并借助于自然遗传学的遗传算子（genetic operators）进行组合交叉（crossover）和变异（mutation），产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码（decoding），可以作为问题近似最优解。
2.2.2遗传算法的特点
遗传算法是一类可用于复杂系统优化的具有鲁棒性的搜索算法，与传统的优化算法相比，主要有以下特点：
（1）遗传算法以决策变量的编码作为运算对象。传统的优化算法往往直接决策变量的实际植本身，而遗传算法处理
决策变量的某种编码形式，使得我们可以借鉴生物学中
的染色体和基因的概念，可以模仿自然界生物的遗传和
进化机理，也使得我们能够方便的应用遗传操作算子。
（2）遗传算法直接以适应度作为搜索信息，无需导数等其它
辅助信息。
（3）遗传算法使用多个点的搜索信息，具有隐含并行性。
（4）遗传算法使用概率搜索技术，而非确定性规则。
2.2.3遗传算法求解TSP 问题的实现
（1）编码方法：
对于一个TSP 问题的城市列表W,假定每个城市的一个访问顺
序为T=),...,,,(321n t t t t ,规定每访问完一个城市,就从城市列表中将该
城市去掉,则用第i(i=1,2,3,?,n)个访问的城市i t 在所有未访问城
市列表W\},...,{11-i t t 中的对应位置序号i g (i = 1，2，3…,n+1)就可表
示具体访问哪个城市,如此这样直到处理完W 中所有的城市。将全
部gi 顺序摆列在一起得到一个列表:G=},...,{1n g g 就可表示一条巡回
路线 ,它即为遗传算法中的一个个体的基因. 例如:W=(1 2 3 4 5 6
7 8 9 10 11 12 13 14 15),则Path=(8 15 2 10 7 4 3 11 14 6 12
9 5 13 1)对应Chrome=(8 14 2 8 6 3 2 5 7 3 4 3 2 2 1).
这种编码法的优点在于任意的基因型个体都对应着一条有实际
意义的巡回路线,因此可使用常规的交叉算子对其进行操作。
（2）TSP 问题的数学模型:
假设有一个图G=( V ,E),其中V 是顶点集,E 是边集,设D=
n n ij d ?)( 是顶i 和顶点j 之间的距离所组成的距离矩阵,TSP 问题
就是求出一条通过所有顶点且每个顶点只通过一次的具有最短
距离的回路。若ji ij d d =(i ≠j),称为对称TSP 问题,否则称为非对
称TSP 问题。若对于城市W =),...,,(21n v v v ),...,,(21n v v v 的一个访问顺
序为T =Ε)},...,,,{(321n t t t t ,其中i t ∈V = {1 , ?, n},且1-n t = 1t ,则
TSP 问题的数学模型为:mink = ∑d ),(1+i i t t (i=1,…,n),其
中,d ),(1+i i t t 表示顶点i t 和顶点1+i t 之间的距离.
（3）遗传算法的基本流程:
2.2.4遗传算法的总体设定
（1）参数编码和初始群体设定: 一般来说，遗传算法对解空间的编码大多采用二进制编码形式，
但对TSP 一类排序问题，采用对访问城市序列进行排列组合的方法编
码，即某个巡回路径的染色体个体是该巡回路径的城市序列。针对
TSP 问题，编码规则通常是取 n 进制编码，即每个基因仅从1到n
的整数里面取一个值，每个个体的长度为 n，n为城市总数。我们定义一个s -t 大小的 pop 矩阵来表示群体，针对 30 个城市的TSP 问题，这里 t取值31。即矩阵每一行的前30个元素表示经过的城市编号，最后一个元素表示经过这些城市要走的距离。
（2）适应度函数设计:
在TSP的求解中，用距离的总和作为适应度函数来衡量求解结果是否最优。在 pop矩阵中每一行表示经过的距离的最后一个元素作为适应度函数。
（3）选择算子:
选择就是从群体中选择优胜个体、淘汰劣质个体的操作，它是建立在群体中个体适应度评估基础上。这里采用方法是最优保存方法。算法就是首先将群体中适应度最大的 k个个体直接替换适应度最小的k个个体。
（4）交叉算子:才
交叉算子在遗传算法中起着核心的作用，它是指将个体进行两两配对，并以交叉概率
P把配对的父代个体加以替换重组而生成新个体
c
的操作。这里采用的方法是有序交叉法.
有序交叉法实现的步骤是:
步骤1: 随机选取两个交叉点；
步骤2: 两后代先分别按对应位置复制双亲
X和2X匹配段中的
1
两个子串
A和1B；
1
步骤3.在对应位置交换双亲匹配段以外的城市,如果交换后, 后
代中的某一城市与子串中的城市重复，则将该城市取代子串1B 和1A 中的城市具有相同位置的新城市.直到与子串1A 中的城市均不重复为
止。
从图可知，有序交叉算子能够有效地继承双亲的部分基因成分，达到了进化过程中的遗传功能，使该算法并不是盲目搜索，而是趋向于使群体具有更多的优良基因，最后 实现寻优的目的。
（5）变异算子:
变异操作是以变异概率m P 对群体中个体串某些基因位上的基因
值作变动，若变异后 子代的适应度值更加优异，则保留子代染色体，否则，仍保留父代染色体。
2.3模拟退火算法
2.3.1模拟退火算法的原理
模拟退火算法(Simulated Annealing ，SA)来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据Metropolis 准则，粒子在温度T 时趋于平衡的概率为kT E
e ?-，其中E 为
温度T 时的内能，ΔE 为其改变量，k 为Boltzmann 常数。用固体退火模拟组合优化问题，将内能E 模拟为目标函数值f ，温度T 演化成
控制参数t ，即得到解组合优化问题的模拟退火算法：由初始解i 和控制参数初值t 开始，对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代，并逐步衰减t 值，算法终止时的当前解即为所得近似最优解，这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。退火过程由冷却进度表(Cooling Schedule)控制，包括控制参数的初值t 及其衰减因子t ?、每个t 值时的迭代次数L 和停止条件S 。
2.3.2模拟退火算法的模型
模拟退火算法可以分解为解空间、目标函数和初始解三部分。模拟退火的基本思想:(1)初始化：初始温度T(充分大)，初始解状态S(是算法迭代起点)，每个T 值的迭代次数L ；(2) 对k=1，……，L 做第(3)至第6步；(3) 产生新解'S ；(4) 计算增量't ?=C('S )-C(S)，其中C(S)为评价函数 ；(5) 若't ?<0则接受'S 作为新的当前解，否则以概率T t e '
?-接受'S 作为新的当前解；(6) 如果满足终止条件则输出
当前解作为最优解，结束程序。终止条件通常取为连续若干个新解都没有被接受时终止算法；7) T 逐渐减少，且T->0，然后转第2步。算法对应动态演示图： 模拟退火算法新解的产生和接受可分为如下四个步骤： 第一步是由一个产生函数从当前解产生一个位于解空间的新解；为便于后续的计算和接受，减少算法耗时，通常选择由当前新解经过简单地变换即可产生新解的方法，如对构成新解的全部或部分元素进行置换、互换等，注意到产生新解的变换方法决定了当前新解的邻域结构，因而对冷却进度表的选取有一定的影响。
第二步是计算与新解所对应的目标函数差。因为目标函数差仅变换部分产生，所以目标函数差的计算最好按增量计算。事实表明，对大多数应用而言，这是计算目标函数差的最快方法。 第三步是判断新解是否被接受,判断的依据是一个接受准则，最常用的接受准则是Metropo1is 准则: 若't ?<0则接受'S 作为新的当前解S ，否则以概率T t e '
?-接受'S 作为新的当前解S 。
第四步是当新解被确定接受时，用新解代替当前解，这只需将当前解中对应于产生新解时的变换部分予以实现，同时修正目标函数值即可。此时，当前解实现了一次迭代。可在此基础上开始下一轮试验。而当新解被判定为舍弃时，则在原当前解的基础上继续下一轮试验。 模拟退火算法与初始值无关，算法求得的解与初始解状态S(是算法迭代的起点)无关；模拟退火算法具有渐近收敛性，已在理论上被证明是一种以概率l 收敛于全局最优解的全局优化算法；模拟退火算法具有并行性。
2.3.3模拟退火算法的简单应用 作为模拟退火算法应用，讨论货郎担问题(Traveling Salesman Problem ，简记为TSP)：设有n 个城市，用数码1,…,n 代表 。城市i 和城市j 之间的距离为),(j i d i, j=1,…,n ．TSP 问题是要找遍访每个域市
恰好一次的一条回路，且其路径总长度为最短。 求解TSP 的模拟退火算法模型可描述如下： 解空间 解空间S 是遍访每个城市恰好一次的所有回路，是{1，……，n}的所有循环排列的集合，S 中的成员记为),...,,(21n W W W ,
并记11W W n =+。初始解可选为(1，……，n)
目标函数 此时的目标函数即为访问所有城市的路径总长度或称为代价函数： 我们要求此代价函数的最小值。 新解的产生：随机产生1和n 之间的两相异数k 和m ，若k 2.3.4模拟退火算法的参数控制问题 模拟退火算法的应用很广泛，可以求解NP 完全问题，但其参数难以控制，其主要问题有以下三点： (1) 温度T 的初始值设置问题。 温度T 的初始值设置是影响模拟退火算法全局搜索性能的重要因素之一、初始温度高，则搜索到全局最优解的可能性大，但因此要花费大量的计算时间；反之，则可节约计算时间，但全局搜索性能可能受到影响。实际应用过程中，初始温度一般需要依据实验结果进行 若干次调整。 (2)退火速度问题 模拟退火算法的全局搜索性能也与退火速度密切相关。一般来说，同一温度下的“充分”搜索(退火)是相当必要的，但这需要计算时间。实际应用中，要针对具体问题的性质和特征设置合理的退火平衡条件。 (3)温度管理问题。 温度管理问题也是模拟退火算法难以处理的问题之一。实际应用中，由于必须考虑计算复杂度的切实可行性等问题，常采用如下所示的降温方式：)()1(t t T k T ?=+式中k 为正的略小于1.00的常数，t 为降温 的次数 。 3总体设计 3.1需求规定 3.1.1.生成客户数据 1.用户可以在软件界面上随机标注仓库与客户的地址(不少于10个客户)； 2.客户的地址表示采用Window 设备坐标系。客户地址间的距离采用设备坐标像素间距模拟，坐标之间行驶速度采用随机算法生成。 3.1.2动态路线规划 1.软件可根据用户选择的路径规划策略，如最短路径、最少时间等进行配送路线规划。 2.模拟车辆从仓库出发，沿着规划的配送路线行进，最后返回仓 库。在配送过程中可模拟前方行进路线堵车事件，软件能够绕开堵车路段动态规划配送路线。 3.2运行环境 PC，Visual C++6.0软件开发平台 3.3基本设计概念和处理流程 3.4结构设计 3.4.1结构 3.4.2功能需求与程序的关系 3.4.3人工处理过程 点击界面作图区以获得站点的编号以及位置坐标数据，设置仓库的位置，设置行车策略（行车路径最短或行车时间最短），设置堵车路线。仓库不存在和堵车路线不存在时，重新输入仓库位置和堵车路线。 4系统出错处理设计 4.1出错信息 5客户数据生成模块设计说明 5.1功能 用户可以在物流配送模拟系统软件界面上随机标注仓库与客户的地址（不超过300个），客户的地址表示采用Window设备坐标系。 5.2功能流程图 5.3界面设计 物流配送最优路径规划 关于交通运输企业物流配送最优路径规划的 研究现状、存在问题及前景展望 摘要：本文综述了在交通运输企业的物流配送领域最优路径规划的主要研究成果、研究存在问题及研究方向。主要研究成果包括运用各种数学模型和算法在运输网中选取最短或最优路径；从而达到路径、时间最优和费用最优；以及物流配送网络优化、车辆系统化统一调度的发展。今后研究的主要方向包括绿色物流，运输系统及时性和准确性研究等。 关键词：物流配送；最优路径；路径规划 Overview of scheme on Shortest Logistics Distribution Route in Transportation Industry Student: Wan Lu Tutor: Chen Qingchun Abstract: This paper reviewed of the optimal path planning about the main research results, problems and direction in the field of transportation enterprise logistics distribution. Main research results include using various mathematical model and algorithm selection or optimal shortest path in the network. So we can achieve the optimal path, the shortest time and minimum cost. At the same time, logistics distribution network optimization, the vehicle systematic development of unified scheduling are the research issues.The main direction of future research include green logistics, transportation system accurately and timely research and so on. Key words: Logics Distribution; Optimal Path; Path Planning 引言 物流业在我国的新兴经济产业中占据了重要了地位，称为促进经济快速增长的“加速器”。而物流配送作为物流系统的重要环节，影响着物流的整个运作过程以及运输企业的发展趋势和前景。采用科学、合理的方法来进行物流配送路径的优化，是物流配送领域的重要研究内容。近年，国内外均有大量的企业机构、学者对物流配送中最优路径选择的问题，进行了大量深入的研究，从早期车辆路径问题研究，到根据约束模型及条件不断变化的车辆最优路径研究，以及随着计算机学科的发展而推出的针对物流配送路径最优化的模型和算法等方面，都取得丰硕的学术成果。但是对于绿色物流配送的研究仍然不足。鉴于物流配送最优路径研究的重大理论意义和实践价值，为对我国物流配送的效率水平有一个系统的理解和把握，有必要对现有成果进行统计和归纳。本文尝试对我国运输企业物流配送最优路径规划进行探讨，以期为今后做更深人和全面的研究提供一定的线索和分析思路。 1 国内外研究现状 1.1 国内研究现状 1.1.1 主要研究的问题 第四章整车物流运输规划方案 本章节主要研究整车物流运输问题，通过建立“汽车物流运输枢纽”，形成多枢纽的辐射式网络，使若干城市成为具有分拣功能的汽车物流运输枢纽。不仅能为XXXX物流缩短运输在途时间、提高服务水平，还能提高商品车交车时完好率与实现“零”公里交车，从而推进汽车物流市场的专业化发展。 4.1现状及问题分析 4.1.1研究背景 国外背景： 物流是在20世纪50年代新发展起来的一门实践性相当强的综合性学科，是当代最具影响的新科学之一，它全面融合了运筹学、经济学以及管理科学，揭示了运输、储存、装卸搬运、包装、流通加工、物流信息等物流各要素的内在联系，物流成本在经济发达国家被视为继原材料、劳动力以外的“第三利润源泉”。人类进入21世纪以来，在经济全球化与信息化的推动下，现代物流业已从传统的为社会提供运输服务，扩宽到以现代化科技、管理和信息技术为支柱的综合物流系统。 国内背景： 由于受到经济危机的影响，去年我国汽车行业的销量增速减缓。据中国汽车工业协会的统计，2008年前11个月中国汽车产销分别为870．40万辆和862．98万辆，同比增长仅为7．98％和8．52％，分别比去年同期回落14．27％和14．67％，国内19家重点汽车企业中有10家企业出现了利润同比下滑，2家企业亏损。据国家信息中心的预测，2009年乘用车预计销售706万辆，其中轿车、SUV、MPV总体将销售599万辆，同比增幅5．7％，而微客的增幅可能为0，仍为107万辆的销量；但商用车有9．8％的下滑，总体预计销量为235万辆。因此全年的汽车销量将在941万辆左右。 在这种情况下，在成本中占据了重要一部分的汽车物流，被众多汽车制造企业看作是挖掘潜力、在竞争激烈得汽车行业生存的最佳途径。因此，汽车物流将具备巨大的发展空间。 鉴于以上背景，有必要对汽车物流成本进行研究。虽然目前也有些研究者对物流成本进行了研究，但研究侧重点不尽相同。 物流运输系统规划 设计报告 班级 10161 组号 03 组长 组员02陈恒 07刘莹 19许文君 目录 第一章物流运输系统规划的内容 1.1物流运输系统规划的内容 1.1.1影响运输系统规划设计的因素 1.1.2运输系统规划设计标准 1.2 物流运输系统规划的原则 1.3 物流系统运输线路选择 1.3.1 运输线路选择的因素 1.3.2 运输线路选择方法 第二章案例分析 2.1案例一 2.2 案例二 第三章方案设计 3.1 设计背景 3.2 运输系统流程分析 3.3 运输系统问题分析 3.4 解决方案 3.4.1 运输路线与方式的最优选择 3.4.2.车辆的调度优化与解决空载行驶问题的方案 第一章物流运输系统规划的内容 1.1物流运输系统规划设计的内容 1)确定物流运输战略 物流运输战略是为寻求物流的可持续发展，就物流运输的目标以及达成目标的途径与手段而制订的长远性、全局性的规划与谋略。物流运 输战略的确定直接决定运输系统规划的其他要素。在进行运输系统规划 设计时，首先需要对运输系统所处环境进行分析。环境分析主要包括国 家的宏观运输政策、运输市场的发展状况、物流系统综合战略、其他物 流节点的情况等。在对上述问题进行分析的基础上，确定运输系统战略，明确运输系统规划的方向。 2)选择运输路线 在组织运输系统完成货物的运送工作时，通常存在多种可供选择的运输路线。运输工具按不同的运输路线完成同样的运送任务时，由于运 输工具的利用情况不同，相应的运输效率和运输成本也会不同。因此， 选择时间短、费用省、效益好的运输路线是运输系统规划设计中的一项 重要内容，这也是运输战略的充分体现。 3)选择运输方式 如何选择适当的运输方式、运输战略是物流运输合理化的重要问题。 一般来讲，可以在考虑具体条件的基础上，对货物品种、运输期限、运 输成本、运输距离、运输批量以及安全性等具体项日作认真研究考虑， 可以使用一种运输方式也可以使用联运方式。 4)运输过程控制与信息系统 物流运输系统目标的实现依赖于有效的过程控制。由于运输过程的瞬间变动性，对运输过程控制的难度远远高于对固定节点的控制，因此 电子科技大学计算机学院标准实验报告 （实验）课程名称最短路径规划 电子科技大学教务处制表 实验报告 学生姓名：李彦博学号：2902107035 指导教师：陈昆 一、实验项目名称：最短路径规划 二、实验学时：32学时 三、实验原理：Dijkstra算法思想。 四、实验目的：实现最短路径的寻找。 五、实验内容： 1、图的基本概念及实现。 一、图的定义和术语 图是一种数据结构。 ADT Graph{ 数据对象V ：V是据有相同特性的数据元素的集合，称为顶点集。 数据关系R ： R={VR} VR={ 第1章物流系统 1.简述“物流”的概念 物流是对原材料、中间产品、最终产品及相关信息从生产地到消费地的流动和存储进行规划、实施和控制的全过程。通过这个全过程使这些材料和产品的流动和存储达到最高的效率和最低的成本。 物流是物质实体从供给者到需求者的物理移动，它由一系列创造时间价值和空间价值的经济活动组成，包括运输、储存、配送、包装、装卸搬运、流通加工及物流信息处理等多项基本活动，是这些活动的统一。 物流是物质资料从供给者到需求者的物理性运动，主要是创造时间价值和空间价值，有时也创造一定的加工价值。 2.物流系统是指在一定的时间和空间内，由所需位移的物资、运输设施设备、装卸搬运机 械、包装设备、仓储设施、人员和信息系统等。 3.简述物流系统的流动结构（7个流动要素） 流体、载体、流向、流量、流程、流速、流效 4.简述物流系统的功能和作用 运输——通过载体发挥作用，实现流体的空间位移并在满足服务目标的情况下降低运输费用。 储存——起缓冲、调节、平衡供需矛盾的作用，克服产品生产与消费在时间上的差异，是物品产生时间上的效益。 包装——生产的终点、流通的起点。便于销售和物流作业。 装卸搬运——衔接运输和储存环节 流通加工——弥补生产过程中的加工不足，更有效地满足用户或本企业的需要 物流信息处理—— 5.物流系统有哪些类型？ 按物流系统性质分类：社会物流系统：全社会的物流整体，伴随商业活动发生，与物流过程 和所有权的更迭相关 行业物流系统 企业物流系统——生产企业物流系统（管理层、控制层和作业层） 商业企业物流系统 物流企业物流系统 生产企业物流——供应物流系统 生产物流系统 销售物流系统（产成品的库存管理、仓储发货运输、订货处理&顾客服务） 回收物流系统 废弃物流系统 按物流活动的空间范围分类：地区物流系统 国内物流系统 国际物流系统 蚁群算法在外卖配送路径规划中的应用 摘要：随着我国经济的快速发展，生活节奏的提高，外卖成为了年轻人生活的一部分，而快速有效的送货速度成为了几个外卖公司的竞争重点之一。外卖送货人员如何能够在有限的时间对外卖进行分配节约劳动成本根据的是送货 人员的经验。本文通过蚁群算法对不同地址的收货点进行路径进行规划，并利用MATLAB软件，为送货人员设计出了最短时间路径规划。 Abstract： With the rapid development of China's economy and the improvement of the pace of life，takeaway became a part of young people's lives. Fast and effective delivery speed has become one of the competitive priorities of several takeaway companies. How do the delivery personnel distribute the takeaways in a limited time to sell the labor cost is based on the experience of delivery personnel. In this paper，ant colony algorithm is used to carry out the path planning for different address receiving points， and the shortest path planning is designed for the delivery personnel by using MATLAB software. 关于交通运输企业物流配送最优路径规划的 研究现状、存在问题及前景展望 摘要：本文综述了在交通运输企业的物流配送领域最优路径规划的主要研究成果、研究存在问题及研究方向。主要研究成果包括运用各种数学模型和算法在运输网中选取最短或最优路径；从而达到路径、时间最优和费用最优；以及物流配送网络优化、车辆系统化统一调度的发展。今后研究的主要方向包括绿色物流，运输系统及时性和准确性研究等。 关键词：物流配送；最优路径；路径规划 Overview of scheme on Shortest Logistics Distribution Route in Transportation Industry Student: Wan Lu Tutor: Chen Qingchun Abstract: This paper reviewed of the optimal path planning about the main research results, problems and direction in the field of transportation enterprise logistics distribution. Main research results include using various mathematical model and algorithm selection or optimal shortest path in the network. So we can achieve the optimal path, the shortest time and minimum cost. At the same time, logistics distribution network optimization, the vehicle systematic development of unified scheduling are the research issues.The main direction of future research include green logistics, transportation system accurately and timely research and so on. Key words: Logics Distribution; Optimal Path; Path Planning 引言 物流业在我国的新兴经济产业中占据了重要了地位，称为促进经济快速增长的“加速器”。而物流配送作为物流系统的重要环节，影响着物流的整个运作过程以及运输企业的发展趋势和前景。采用科学、合理的方法来进行物流配送路径的优化，是物流配送领域的重要研究内容。近年，国内外均有大量的企业机构、学者对物流配送中最优路径选择的问题，进行了大量深入的研究，从早期车辆路径问题研究，到根据约束模型及条件不断变化的车辆最优路径研究，以及随着计算机学科的发展而推出的针对物流配送路径最优化的模型和算法等方面，都取得丰硕的学术成果。但是对于绿色物流配送的研究仍然不足。鉴于物流配送最优路径研究的重大理论意义和实践价值，为对我国物流配送的效率水平有一个系统的理解和把握，有必要对现有成果进行统计和归纳。本文尝试对我国运输企业物流配送最优路径规划进行探讨，以期为今后做更深人和全面的研究提供一定的线索和分析思路。 1 国内外研究现状 1.1 国内研究现状 1.1.1 主要研究的问题 国内对于物流配送的研究内容，概括提炼为物流配送中心选址，系统内部作业与管理， 物流配送中的最优路径规划模拟软件说明书 学校：武汉轻工大学 院系：数学与计算机学院 专业：信息与计算科学 指导教师：王防修 小组名称：一苹微歌 小组成员：胡鹏程新强彭肖飞 日期：_____年______月_____日 目录 1引言-----------------------------------------------------1 2算法思路-------------------------------------------------2 3总体设计------------------------------------------------15 4系统出错处理设计----------------------------------------17 5客户数据生成模块设计说明--------------------------------18 6行车路径最短模块设计说明--------------------------------18 7行车时间最短模块设计说明--------------------------------19 8解决堵车问题模块设计说明--------------------------------20 9未解决的问题--------------------------------------------21 10参考资料-----------------------------------------------21 1引言 1.1编写目的 在B2C农产品电子商务物流配送时，物流车装载当日需要配送的货品从仓库出发，按照事先规划好的最优配送路径为每一个客户进行配送，最后返回仓库。物流配送模拟系统就是在配送之前需要根据客户的配送地址间线路间距、经验路况做分析计算出一条最优配送路径。在配送过程中，如果某路段堵车，物流配送模拟系统需要动态调整配送路线。 1.2背景说明 设计一个物流配送中的最优路径规划模拟软件，解决物流配送过程中路程最短，时间最短以及堵车后重新规划等问题，并在软件的界面上模拟车辆的运行。随着市场经济的发展和物流技术专业化水平的提高，物流配送业得到了迅猛发展。配送路径的选择是否合理，对加快配送速度、提高服务质量、降低配送成本及增加经济效益都有较大影响。配送路径的优化问题是物流配送系统的一个主要问题，物流配送路径的优化就是以最低的运营成本，最快捷的响应速度、最短的配送运输时间，把货物运至用户手中，而后两个指标与第一个指标之间存在着一定的制约关系，无法达到全体的最优，因此严格地讲，这是一个多目标的优化问题。 1.3定义 T S P（Traveling Salesman Problem）:旅行商问题 Backtrack：回溯 整车物流运输规划方案文档编制序号：[KK8UY-LL9IO69-TTO6M3-MTOL89-FTT688] 第四章整车物流运输规划方案本章节主要研究整车物流运输问题，通过建立“汽车物流运输枢纽”，形成多枢纽的辐射式网络，使若干城市成为具有分拣功能的汽车物流运输枢纽。不仅能为XXXX物流缩短运输在途时间、提高服务水平，还能提高商品车交车时完好率与实现“零”公里交车，从而推进汽车物流市场的专业化发展。 现状及问题分析 研究背景 国外背景： 物流是在20世纪50年代新发展起来的一门实践性相当强的综合性学科，是当代最具影响的新科学之一，它全面融合了运筹学、经济学以及管理科学，揭示了运输、储存、装卸搬运、包装、流通加工、物流信息等物流各要素的内在联系，物流成本在经济发达国家被视为继原材料、劳动力以外的“第三利润源泉”。人类进入21世纪以来，在经济全球化与信息化的推动下，现代物流业已从传统的为社会提供运输服务，扩宽到以现代化科技、管理和信息技术为支柱的综合物流系统。 国内背景： 由于受到经济危机的影响，去年我国汽车行业的销量增速减缓。据中国汽车工业协会的统计，2008年前11个月中国汽车产销分别为870．40万辆和862．98万辆，同比增长仅为7．98％和8．52％，分别比去年同期 回落14．27％和14．67％，国内19家重点汽车企业中有10家企业出现了利润同比下滑，2家企业亏损。据国家信息中心的预测，2009年乘用车预计销售706万辆，其中轿车、SUV、MPV总体将销售599万辆，同比增幅5．7％，而微客的增幅可能为0，仍为107万辆的销量；但商用车有9．8％的下滑，总体预计销量为235万辆。因此全年的汽车销量将在941万辆左右。 在这种情况下，在成本中占据了重要一部分的汽车物流，被众多汽车制造企业看作是挖掘潜力、在竞争激烈得汽车行业生存的最佳途径。因此，汽车物流将具备巨大的发展空间。 鉴于以上背景，有必要对汽车物流成本进行研究。虽然目前也有些研究者对物流成本进行了研究，但研究侧重点不尽相同。 国内外整车物流发展现状 随着我国经济对外开放的进一步发展，物流市场规模扩大，2005年全国社会物流总额为万亿元，同比增长25．2％，其中工业物流为41．3万亿元，同比增长27．2％，进出口物流总额为5．4万亿元，2005年物流总费用与GDP的比例由2004年的18．8％下降到18．6％，这意味着增长了365亿元经济效益。中国经济保持数年稳定增长，2006年前后在中国5亿城镇人口中汽车将走进10％高收入人群，即约5000万人，未来15年中国汽车的增长率是我国GDP增长的1．5倍。汽车消费将呈现出螺旋快速增长趋势。 如何进行企业物流规划 1．企业物流规划的基本方法 企业的物流规划主要是根据物流资源建设的国家规划、地区或行业规划，涉及到如何使用这些资源、改造自身的业务流程、提高周转速度、降低物流成本。就生产企业而言，在暴利时代结束之后，轻资产运行的新型企业需要改变过去大量投资于生产能力旧的投资方式，而将大量制造业务外包，这样就必须建立诸如供应链之类的物流系统，形成以联盟为新的组织形式的、虚拟的企业。这就必须对物流系统进行新的构筑，或者对企业的整个流程从物流角度进行再造。所以，规划物流的问题对于生产企业也是非常重要的一件事情，它是在经济全球化背景下，在新的竞争格局的压迫下，生产企业转型变形以求生存的问题和求发展的问题。社会上存在一种误解，以为规划物流问题是宏观的问题而不是企业的问题，这显然是低估了物流对于企业发展的重要意义。 对于企业来讲，物流规划已经不是理论上的东西，而应当变成切实的行动，为此，生产企业应该根据自己的战略发展要求把物流规划纳入议事日程，并且着手物流规划的落实工作。企业的物流规划应当着重于以物流支持营销的规划思路。生产企业，尤其是大型生产企业，从营销支持和流程再造角度进行物流的建设规划，会有效地提高企业的素质，增强企业的运营能力。 企业物流规划的重点在于现有物流资源的改造和利用。大型企业集团（如业务分布全国的企业集团）的物流类似于行业特点。一般企业的规划则主要是利用外部物流资源，改造自身的物流流程，而不要过多地进行物流资源的建设，无论是制造业还是传统物流企业，多数都不应该把重点放在物流资源的建设上，而是应该放在现有资源的改造和利用上。 本分析， 如 降低经营成本是指在保持一定的客户服务水平的条件下尽量将系统总成本降到最低。通常需要评价各备选的行动方案，例如，在不同的仓库选址、库存决策方案中进行选择或在不同的运输方式中进行选择，以形成最佳战略。减少投资金额是指战略的实施目标是使系统的总投资最小化，其根本出发点是投资回报最大化，例如，为避免进行仓储而直接将产品送达客户，放弃自有仓库选择公共仓库，选择适时供给而不采用储备库存的办法，或者利用第三方物流 基于A*算法的最优路径规划系统 XXXXXXXXX 摘要：人工智能(Artificial Intelligence)是当前科学技术发展的一门前沿学科，同时也是一门新思想，新观念，新理论，新技术不断出现的新兴学科以及正在发展的学科。本文将主要介绍人工智能在搜索方法上的应用，即基于A*算法的最优路径规划问题的解决方法。A*算法是一种求解最短路径的有效方法，也是人工智能算法中一种简单的启发式搜索方法。本文介绍了A* 算法的原理及实现机制，以及在搜索出的结点解空间集中，用A* 算法如何选择最优结点，最终求解出最短路径的过程。 关键词：人工智能；研究报告；模板 本组成员：xxxxxxx 本人分工：A*算法设计及实现 1 引言 人工智能是在计算机科学，控制论，信息论，神经心理学，哲学，语言学等多种学科研究的基础发展起来的，因此又可把它看作是一门综合性的边缘学科[1]。它的出现及所取得的成就引起了人们的高度重视,并取得了很高的评价。有的人把它与空间技术，原子能技术一起并誉为20世纪的三大科学技术成就。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理计算机视觉、智能机器人、自动程序设计等方面。 本文主要介绍在路径规划问题上使用A*搜索算法来找到最优路径的设计与实现。 路径规划是指在旅行前或旅行中为驾驶员提供参考行驶路线的过程，是车辆定位与导航系统的基本功能之一针对陆地车辆导航的不同要求，在路径规划中可采取多种优化标准，如最短距离、最少行驶时间或收费。本实验中将使用最短距离来寻找最优路径。 2 算法原理与系统设计 2.1 A*算法的基本思想 A*算法在人工智能中是一种典型的启发式搜索算法，通过选择合适的估价函数，指导搜索朝着最有希望的方向前进, 以求得最优解[2]。A*算法中，关键是求估价函数：f(n)=g(n)+h(n).其中，g(n)是从起点u 到当前节点n 己付出的代价，h(n)是从当前节点n 到目标节点v 的代价估计函数，必须保证h(n) <=h’(n)，其中h’(n)是从当前点到目标点的实际最小代价。 2.2 A*算法的步骤 A*算法的搜索步骤如下： （1）给起始节点标记，对它的没有标记过的子节点进行扩展； （2）对每一个子节点计算评价函数值，按评价值的大小进行排列，找出评价值最小的节点，并给它作标记，如果当前节点就是目标节点，则停止搜索。 （3）否则，对最新被标记的节点进行第（2）步处理，并记录最短路径。 2.3算法分析 A*算法是利用对问题的了解和对问题求解过程和解的了解，寻求某种有利于问题求解的启发信息，从而利用这些启发信息去搜索最优路径它不用遍历整个地图，而是每一步搜索都根据启发函数朝着某个方向搜索当地图很大很复杂时，它的计算复杂度大大优于算法，是一种搜索速度非常快、效率非常高的算法。但是，相应的A*算法也有它的缺点，启发性信息是人为加入的，有很大的主观 最优路径规划算法设计 一、 问题概述 兵力机动模型的功能是支持实施机动的实体按照指定路线，由作战空间的一点向另外一点的位置移动，并带入实体在移动过程中发生变化的状态信息。 兵力机动模型包括行军模型、战斗转移模型、机动能力评估模型。涉及的关键算法包括最优路径规划、行军长径计算、行军时间计算、行军所需油料计算、行军方案评估与优选等。 最优路径问题又称最短路问题。是网络优化中的基本问题，如TSP 问题等。下面先举例说明该问题。 最短路问题（SPP －shortest path problem ） 一名货柜车司机奉命在最短的时间内将一车货物从甲地运往乙地。从甲地到乙地的公路网纵横交错，因此有多种行车路线，这名司机应选择哪条线路呢？假设货柜车的运行速度是恒定的，那么这一问题相当于需要找到一条从甲地到乙地的最短路。 旅行商问题（TSP －traveling salesman problem ） 一名推销员准备前往若干城市推销产品。如何为他（她）设计一条最短的旅行路线（从驻地出发，经过每个城市恰好一次，最后返回驻地？） 最短路问题是组合优化中的经典问题，它是通过数学方法寻找离散时间的最优编排、分组、次序、或筛选等，这类问题可用数学模型描述为 min )(x f ..t s 0)(≥x g D x ∈. 其中，)(x f 为目标函数，)(x g 为约束函数，x 为决策变量，D 表示有限个点组成的集合。 一个组合最优化问题可用三个参数),,(f F D 表示，其中D 表示决策变量的定义域，F 表示可行解区域}0)(,|{≥∈=x g D x x F ，F 中的任何一个元素称为该问 题的可行解，f 表示目标函数，满足}|)(m in{)(*F x x f x f ∈=的可行解*x 称为该问题的最优解。组合最优化的特点是可行解集合为有限点集。由直观可知，只要将D 中有限个点逐一判别是否满足0)(≥x g 的约束并比较目标值的大小，就可以得到该问题的最优解。 以上述TSP 问题为例，具体阐述组合优化问题： 此模型研究对称TSP 问题,一个商人欲到n 个城市推销产品，两个城市i 和j 之间的距离ji ij d d =，用数学模型描述为 ∑≠j i ij ij x d min 1..1 =∑=n j ij x t s n i ,,2,1 =， 1..1 =∑=n i ij x t s n j ,,2,1 =， },,,2,1{,2||2,1||,n s n s s x s j i ij ?-≤≤-≤∑∈ j i n j i x ij ≠=∈,,,2,1,},1,0{ 约束条件决策变量1=ij x 表示商人行走的路线包含从城市i 到j 的路，而0=ij x 表示商人没有选择走这条路；j i ≠的约束可以减少变量的个数，使得模型中共有)1(-?n n 个决策变量。 每一个组合优化问题都可以通过完全枚举的方法求得最优解。枚举是以时间为代价的，在TSP 问题中，用n 个城市的一个排列表示商人按这个排列序推销并返回起点。若固定一个城市为起终点，则需要)!1(-n 个枚举。以计算机s 1可以完成24个城市所有路径枚举为单位，则25个城市的计算时间为：以第1个城市为起点，第2个到达城市有可能是第2个、第3个、……、第25个城市。决定前两个城市的顺序后，余下是23个城市的所有排列，枚举这23个城市的排列需要s 1，所以，25个城市的枚举需要24s 。类似地归纳，城市数与计算时间的关系如表1所示。 基于中国邮递员问题的物流配送线路优化 [摘要]：针对物流配送的线路优化问题，以配送总路程最小为目标，在充分考虑中国邮递员问题的基础上，寻求求解优化方案以及建立线路优化模型。 [关键词]：线路优化中国邮递员问题最小树法优化模型 1.引言 随着市场竞争的日益加剧、世界经济一体化的程度的加快和科学技术的飞速发展，许多企业已经把物流作为提高竞争力和提升核心的竞争能力的重要手段，将先进的物流理论和物流技术引入企业的生产和经营管理中。这一产业在我国现今还处于发展阶段，与国外物流业相比，我国物流业自身存在的一些问题逐渐对企业自身的发展和盈利造成了瓶颈。在众多的问题中，物流效率问题是较为突出的一个。而物流网络是否科学健全又是决定物流效率的关键一环，作为实现物流合理化的重要内容和手段，研究物流配送路径有助于企业降低物流成本，提高运作效率，全面提高顾客满意度，使企业在现今物流业服务竞争逐渐激烈的环境下站稳脚跟，让企业获得更多的利润和更为长远的发展。 用图的语言来描述物流线路优化问题，就是给定一个连通图G，在每条边上有一个非负的权，要寻求一个圈，经过G的每条边至少一次，并且圈的权数最小。这个问题是由我国管梅谷同志于1962年首先提出来的，因此国际上称它为中国邮递员问题。 2.问题描述 中国邮递员问题的描述：一个邮递员送信，在邮局里挑选出他所有负责的街区的各条街道的邮件，并按一定的次序排列，然后按一定路线投递这些邮件，最后返回邮局。自然邮递员必须走过他负责的街区的每一条街道至少一次，并希望选择一条总路程最短的投递路线。 下面我们介绍一下图论问题中的定义和定理。 定义1：在一个多重边的连通图中，从某个顶点出发，经过不同的线路，又回到原出发点，这样的线路称为欧拉图。 定义2：设G是一个无向连通图，若存在一个回路，经过G中的每一条边一次且仅一次，则称这个同路为欧拉回路： 定义3：设G足一个无向连通图，若在G中通过某顶点的弧的个数为偶数时，这个顶点被称为偶点，否则被称为奇点。 定理1：一个非空连通图是欧拉图当且仅当它没有奇点。 定理2：一个连通图有欧拉迹当且仅当它最多有两个奇点。 定理3：设C是一条经过赋权连通图C的每条边至少一次的回路，则C是G的最优回路，当且仅当C对应的欧拉图G满足： (1)G的每条边至多重复出现一次； (2)G的每个圈上重复出现的边的权之和不超过该圈总权的一半。 基于以上定义和定理，应用图论描述中国邮递员问题如下： 在一个连通图G=(V，E)中，E中的每一条边对应一条街道，每条边的权重l(e)=街道的长度。v中某一个顶点为邮局，其余为街道的交叉点。在连通图c=(V，E)上找一个圈，该圈过每边至少一次，且圈上所有边的权和最小。 目录 一、起运地 二、目的地 三、运输对象和运输量 （1）运输对象 （2）运输量 四、运输方式 五、运输路线 六、运输业务整体流程 七、车辆来源 八、运输成本计算 （1）单程长途干线成本 （2）外包费用计算 九、运输时间估计 十、最终运输决策 一、起运地 起运点：湘潭 二、目的地 目的地：北京 三、运输对象和运输量 ◆运输对象 胖哥槟榔青果 ◆运输量 100吨 四、运输方式 要求：由于各种槟榔属于食品类，要求在最快的时间运达各区所中转仓库，然后再配送至各大专卖店。 （1）由于水路运输方式时间过长，故不被考虑在运输方式范围之内。（2）若用航空运输，运价较高，航空运输适合于体积小、价值高的物品，故不被考虑在运输方式范围之内。 (3)若用公路运输比较方便，并且快捷灵活，公路运输主要经过几条国道和高速公路到达沈阳，所以公路运输方式在考虑范围之内。（4）若用铁路运输，铁路运输速度较快且持续性较强，也有直达线路，所以铁路运输方式在考虑范围之内。 综合以上分析，故铁路运输和公路运输方式都在考虑范围之内，接着对两种运输方式进行成本分析比较，选择最佳运输方式。 五、运输路线 公路运输 全程约1889.9公里，具体的运输路线如下： 1. 驾车方案 1) 从起点向北方向出发，行驶20米，左转进入沿江大道 2) 沿沿江大道行驶2.1公里，左前方转弯进入环岛 3) 沿环岛行驶110米，在第2个出口，右前方转弯进入黄浦大街 4) 沿黄浦大街行驶380米，直行进入环岛 5) 沿环岛行驶50米，在第2个出口，稍向右转进入黄浦大街 6) 沿黄浦大街行驶200米，右前方转弯进入环岛 7) 沿环岛行驶90米，在第2个出口，右前方转弯进入黄浦大街 8) 沿黄浦大街行驶2.4公里，右前方转弯进入环岛 9) 沿环岛行驶60米，在第2个出口，稍向右转进入G318 10) 沿G318行驶4.6公里，直行进入岱黄高速公路 2. 沿岱黄高速公路行驶10.6公里，朝孝感方向，稍向左转进入汉十高速公路 （全路段收费） 3. 沿汉十高速公路行驶3 4.6公里，朝北京方向，稍向右转进入京珠高速公路 （全路段收费） 4. 沿京珠高速公路行驶838.5公里，朝衡水方向，稍向右转进入石黄高速公路 （全路段收费） 5. 沿石黄高速公路行驶203.3公里，朝北京方向，稍向右转进入京沪高速公路 (全路段收费) 6. 沿京沪高速公路行驶51.9公里，朝津沧高速方向，稍向右转进入津沧高速公路 (全路段收费) 物流配送中的最优路径规划模拟 软件说明书 学校：武汉轻工大学 院系：数学与计算机学院 专业：信息与计算科学 指导教师：王防修 小组名称：一苹微歌 小组成员：胡鹏程新强彭肖飞日期：_____年______月_____日 目录 1引言-----------------------------------------------------1 2算法思路-------------------------------------------------2 3总体设计------------------------------------------------15 4系统出错处理设计----------------------------------------17 5客户数据生成模块设计说明--------------------------------18 6行车路径最短模块设计说明--------------------------------18 7行车时间最短模块设计说明--------------------------------19 8解决堵车问题模块设计说明--------------------------------20 9未解决的问题--------------------------------------------21 10参考资料-----------------------------------------------21 1引言 1.1编写目的 在B2C农产品电子商务物流配送时，物流车装载当日需要配送的货品从仓库出发，按照事先规划好的最优配送路径为每一个客户进行配送，最后返回仓库。物流配送模拟系统就是在配送之前需要根据客户的配送地址间线路间距、经验路况做分析计算出一条最优配送路径。在配送过程中，如果某路段堵车，物流配送模拟系统需要动态调整配送路线。 1.2背景说明 设计一个物流配送中的最优路径规划模拟软件，解决物流配送过程中路程最短，时间最短以及堵车后重新规划等问题，并在软件的界面上模拟车辆的运行。随着市场经济的发展和物流技术专业化水平的提高，物流配送业得到了迅猛发展。配送路径的选择是否合理，对加快配送速度、提高服务质量、降低配送成本及增加经济效益都有较大影响。配送路径的优化问题是物流配送系统的一个主要问题，物流配送路径的优化就是以最低的运营成本，最快捷的响应速度、最短的配送运输时间，把货物运至用户手中，而后两个指标与第一个指标之间存在着一定的制约关系，无法达到全体的最优，因此严格地讲，这是一个多目标的优化问题。 1.3定义 T S P（Traveling Salesman Problem）:旅行商问题 Backtrack：回溯 本科生毕业设计（论文）题目：线性表的设计和实现 学生姓名：张三 学号： 1153 院系：基础科学学院信息技术系 专业年级：2012级信息与计算科学专业 指导教师：李四 年月日 摘要 随着现代物流业的发展，如何优化和配置物流的运输路径成为了一个热点的问题。其中，最具代表性的问题就是如何在一个道路网络中选择两点之间的合适路径，使其距离最短。为了解决这个问题，本文介绍了两种最常用的最短路径求解方法——DIJKSTRA算法与FLOYD算法，分析了它们的适用范围以及时间复杂度。最后，对一个具体的航空公司物流配送问题进行了求解，得到了理论最优路径。 关键词：最短路径问题；DIJKSTRA算法；物流运输 ABSTRACT With the development of modern logistics industry, how to optimize and configure the transport path of logistics has become a hot issue. Among them, the most representative problem is how to select the appropriate path between two points in a road network to minimize the distance. In order to solve this problem, this paper introduces two most common shortest path solutions ——Dijkstra algorithm and Floyd algorithm, and analyzes their application range and time complexity. Finally, a specific airline logistics distribution problem is solved, and the theoretical optimal path is obtained. Keywords：Minimum path problem；Dijkstra algorithm；Logistics transportation 第二章物流配送车辆路径问题 2.1 问题的描述及各组成部分特点 2.2 车辆路径问题的分类 2.3 车辆路径问题的研究现状和发展趋势 * 2.1 问题的描述及各组成部分特点 配送活动中的配送车辆行驶线路优化确定问题，是近二十多年来国际运筹学界的研究热点之一。 运筹学界将此类问题统称之为车辆路径问题（Vehicle Routing Problem, VRP），或车辆调度问题（Vehicle Scheduling Problem, VSP）。 一般描述是：对一系列给定的客户点，确定配送车辆行驶路线，使其从配送中心出发，有序地对它们进行服务，并在满足一定的约束条件下（如车辆载重量、客户需求量、服务时间限制等），使总运输成本达到最小（如使用车辆数最少、车辆行驶总距离最短等）。 一般把最小化车辆使用数作为第一优化目标，而最小化车辆行驶距离作为第二优化目标。* 车辆路径问题的特点 1. 道路网（road network） 弧表示路段，点表示道路交叉点、配送中心和客户。 弧的权cij表示其距离或行驶时间。 * 2. 客户（customer） 用图上的小圆点表示； 需运送或收取的货物量（需求量）di (或di和pi )； 要求提供服务的时间段，即时间窗（time window） 在客户点所花费的服务时间si； 能用于服务该客户的车辆集合。 3. 配送中心（车场）（distribution center，depot） 用图上的小方点表示； 车辆行驶路线开始并终止于配送中心或某一个客户点； 其特征由所配备的车辆种类和数量、以及所能处理的货物总量来描述。 * 4. 车辆（vehicle） 车辆是自备还是外租，完成任务后是否返回； 车辆的装载能力; 车辆使用费; 可用于进行货物装卸的设备. 5. 驾驶员（driver） 给驾驶员安排取送货任务时，必须符合工作时间方面的有关规定。 6. 路径编排中的限制条件 车辆的当前负载不能超过车辆的装载量； 客户只要求送货、取货、或取送货兼有； 在客户所要求的时间窗和驾驶员的工作时间内提供服务； 访问客户的顺序要求。 *物流配送最优路径规划
整车物流运输规划方案
物流运输系统规划
最短路径规划实验报告
物流系统规划与设计
蚁群算法在外卖配送路径规划中的应用
物流配送最优路径规划
最新物流配送中的最优路径规划模拟软件课件
整车物流运输规划方案
如何进行企业物流规划
基于A星算法的最优路径规划系统
最优路径规划算法设计报告
基于某中国的邮递员问的题目地物流配送线路优化
物流运输方案设计
物流配送中最优路径规划模拟软件
最短路径算法在物流运输中的应用
第二章 物流配送车辆路径问题