沈阳工业大学论文提纲

论文题目：基于蚁群算法的危险品回收路径优化

摘要：危险品回收路径优化问题本质上属于特殊的逆向物流问题,随着物流领域快速发展的影响以及全球逐渐增强的环保意识,逆向物流的研究得到了愈来愈多的关注,特别是在关于这种极具污染性与破坏性的危险品回收问题的研究上取得了丰硕成果。已有的危险品回收路径问题研究中,通常使用传统的车辆路径问题（Vehicle Routing Problem,VRP）模型进行求解,该模型的本质是一个后到先服务（Last Come First Served,LCFS）的服务策略。对于危险品运输问题,先到的需求节点通常距离处理中心较近,而在LCFS的策略下从该节点回收的危险品却需要在运输车辆中保存最长的时间,一定程度上增加了回收任务中的运输风险。因此本文做了如下研究工作:首先改变了传统的环形运输方式,采用完全第三方物流（3PL）外包的仓储集货运输方式进行危险品回收,这样可以使得距离回收中心越近的危险品在运输车辆中存放的时间越短,避免了先回收的危险品在运输过程中存放时间过长的问题。接着同时考虑回收路径长度与回收路径风险值这两个因素,建立起包括危险品与回收中心在内的多目标优化模型。由于传统的蚁群算法无法求解采用仓储集货运输方式的危险品回收路径模型,于是将其改进得到了适合求解该模型的逆选择操作蚁群算法（ACO-nso）,最后求出帕累托最优解集。通过算例结果对比分析,发现采用仓储集货的运输方式减少了回收成本,降低了回收风险,提高了回收的安全性。在算法方面,与用传统的遗传算法求解相比,逆选择操作蚁群算法提高了搜索成功率,降低了平均计算时间。同时帕累托最优解集也为回收路线的选取提供了新的参考方向。

关键词：危险品回收;第三方物流;逆选择操作蚁群算法;帕累托最优解

学科专业：应用数学

摘要

Abstract

第1章 绪论

1.1 论文的背景和意义

1.2 国内外研究动态

1.3 本文研究内容

1.4 章节安排

第2章 相关基础理论概述

2.1 车辆路径问题

2.2 逆向物流

2.3 第三方物流与开放式车辆路径问题

2.4 本章小结

第3章 危险品回收风险及路径优化模型

3.1 问题描述及条件假设

3.2 风险模型

3.3 车辆路径问题模型

3.4 危险品回收路径优化模型

3.5 本章小结

第4章 基于蚁群算法的危险品回收路径优化

4.1 车辆路径优化算法

4.1.1 精确算法

4.1.2 启发式算法

4.1.3 智能优化算法

4.2 逆选择操作蚁群算法

4.2.1 编码方式的改进

4.2.2 对下一节点的概率选择操作

4.2.3 算法描述

4.3 算例仿真与对比分析

4.4 本章小结

第5章 总结与展望

参考文献

在学研究成果

致谢