題-1_100_100.jpg)
基本信息
- 項目名稱：
- “旅行商問題的研究與應(yīng)用”
- 小類：
- 管理
- 簡介：
- 在旅游業(yè)和物流業(yè)快速發(fā)展的今天，旅行商問題（TSP）成為當(dāng)代倍受社會關(guān)注的問題，如何有效地節(jié)省出行費用和時間一直都是游客、旅行社、物流企業(yè)探索和研究的內(nèi)容。在方案的研究中，運用蟻群算法進行求解，最終得出路程最短、用時最短、花費最少等等出行方案，為有各種不同需求的人群提供全面、有效、合理的參考，并被大眾所接受。因此，本文的研究結(jié)果對出行費用的節(jié)省、時間的有效利用、物流企業(yè)利潤的提高有著顯著的意義。
- 詳細介紹：
- 隨著旅游業(yè)的快速發(fā)展，大量的旅客在旅途中浪費了不必要的時間和金錢，而這些不必要的浪費完全可以通過對旅行路線的合理規(guī)劃來避免。而在互聯(lián)網(wǎng)繼續(xù)擴大普及的時代，電子商務(wù)也迎來了期待已久的春天，同時物流產(chǎn)業(yè)也隨之水漲船高。毫無疑問，高效、低成本、低能耗成了各個物流企業(yè)追求的目標(biāo)，更加合理的配送路線能明顯地為物流公司增大利潤。因此，旅行商問題（TSP）有著廣泛的應(yīng)用領(lǐng)域和巨大的發(fā)展空間。 本文從旅行商問題的重要意義出發(fā)，分析了當(dāng)前國內(nèi)外旅游業(yè)的發(fā)展現(xiàn)狀，繼而就對最短路線、最省時路線、最省錢路線等問題進行研究，為有不同需要的人群提供了較豐富的出行方案。在求解這些旅行方案的過程中，本文應(yīng)用蟻群算法這一先進的方法，合理且高效的求解出各種旅行路線。這些方案基本符合實際情況，能被大眾所接受，為游客出行和物流配送提供了有價值的參考。 在旅行商問題的研究領(lǐng)域，仍有大量其他的算法在被有效地應(yīng)用，例如神經(jīng)網(wǎng)絡(luò)，遺傳算法、量子競爭決策算法等等。各種算法都有其優(yōu)缺點，本文并未一一歸納。但是單一機制的優(yōu)化算法很難實現(xiàn)全局優(yōu)化，且效率較低，如果能使多種優(yōu)化機制相混合，就可以提高全局優(yōu)化度和魯棒性，并可一定程度上放松對單一算法參數(shù)選擇的苛刻性，所以混合優(yōu)化策略會是一種解決旅行商問題的趨勢。
作品專業(yè)信息
撰寫目的和基本思路
- 在當(dāng)代社會，旅游業(yè)和物流業(yè)迅速發(fā)展，而大部分的游客和物流企業(yè)并沒有合理、有效地規(guī)劃他們的出行路線，也就造成了大量時間和金錢的浪費。本文通過對旅行商問題的研究，建立組合優(yōu)化模型求解出最短路程、最省時間、最省金錢等等最優(yōu)路線，為各種人群提供全面的參考。
科學(xué)性、先進性及獨特之處
- 本文建立了組合優(yōu)化模型，并采用蟻群算法這一先進算法對模型進行求解，合理的標(biāo)準(zhǔn)化了時間和金錢的數(shù)值，使得人們可以根據(jù)自己的情況隨意設(shè)定權(quán)重，進而制定出最適合自己的出行方案。較高的準(zhǔn)確性和靈活性使得該方法容易被大眾所接受。
應(yīng)用價值和現(xiàn)實意義
- 大部分家庭一般是根據(jù)自己的經(jīng)驗來規(guī)劃旅行路線，由于缺乏精確的計算，這些不合理的路線造成了許多不必要的浪費。而本文建立的模型能方便地被每個家庭使用，特別能根據(jù)不同的需求制定出不同的旅行方案。同時，在電子商務(wù)繁榮的刺激下，物流產(chǎn)業(yè)呈幾何倍數(shù)增長。業(yè)務(wù)量的激增導(dǎo)致該產(chǎn)業(yè)中有許多規(guī)劃不合理，若能制定出更加快捷的物流配送路線，大量的交通費用、時間、能耗將被節(jié)省下來。 由此可見，旅行商問題有很大的研究意義。
作品摘要
- 在旅游業(yè)和物流業(yè)快速發(fā)展的今天，旅行商問題（TSP）成為當(dāng)代倍受社會關(guān)注的問題，如何有效地節(jié)省出行費用和時間一直都是游客、旅行社、物流企業(yè)探索和研究的內(nèi)容。出行路線的選擇其實是旅行最優(yōu)商問題（TSP），是一個組合優(yōu)化問題。在方案的研究中，為求最短距離，通過建立了組合優(yōu)化模型，運用蟻群算法進行求解，最終得出路程最短、用時最短、花費最少等等出行方案，為有各種不同需求的人群提供全面、有效、合理的參考。該方法得出的旅行路線符合實際，被大眾所接受。因此，本文的研究結(jié)果對出行費用的節(jié)省、時間的有效利用、物流企業(yè)利潤的提高有著顯著的參考意義。
獲獎情況及評定結(jié)果
- 無
參考文獻
- [1]李臣,王露,基于層次分析和圖論模型的旅游線路設(shè)計及其評估,中南大學(xué)機電工程學(xué)院 [2]俞立平,潘云濤,武夷山,學(xué)術(shù)期刊綜合評價數(shù)據(jù)標(biāo)準(zhǔn)化方法研究 [3]李祚泳,鐘俊,彭荔紅,基于蟻群算法的兩地之間的最佳路徑選擇,系統(tǒng)工程,2004.7 [4]劉乃文,劉方愛,蟻群算法用于ＴＳＰ的并行策略及模型,計算機應(yīng)用研究,2007 [5]張旭梅，邱晗光,基于權(quán)重編碼的粒子群算法求解旅行商問題的速度范圍研究,重慶大學(xué)經(jīng)濟與工商管理學(xué)院, 重慶400044 [6]吳啟迪,汪鐳,智能蟻群算法及應(yīng)用[M],上海科技教育出版社,2004 [7]劉艷秋,張一蘭,B2C電子商務(wù)物流配送模式研究,沈陽工業(yè)大學(xué)
調(diào)查方式
- ■ 個別交談 ■ 圖片、照片 ■ 書報刊物 ■ 統(tǒng)計報表 ■ 集體組織
同類課題研究水平概述
- 旅行商問題(traveling salesman problem，TSP)的歷史很久，最早的描述是1759年歐拉研究的騎士周游問題，后來由美國RAND公司于1948年引入，該公司的聲譽以及線性規(guī)劃這一新方法的出現(xiàn)使得TSP成為一個知名且流行的問題。如果用窮舉的辦法解決該問題，現(xiàn)有的計算機可能無法在可接受的時間內(nèi)求解出該問題，因此很多高效的算法被用于嘗試求解TSP。 縱觀近幾年的研究成果，研究者主要使用了以下幾種方法對TSP進行了研究：(1)使用各種純數(shù)學(xué)的方法構(gòu)造時間復(fù)雜度為多項式的近似算法。(2)使用常規(guī)的啟發(fā)式算法：通常首先構(gòu)造一個所有頂點回路，然后使用2-opt、3-opt和其它局部優(yōu)化方法對回路進行優(yōu)化。(3)使用遺傳算法、蟻群算法、模擬退火算法、粒子群算法和神經(jīng)網(wǎng)絡(luò)等仿自然算法。由于遺傳算法、蟻群算法和粒子群算法具有較強的群體搜索能力，但同時又存在可能陷入局部最優(yōu)的問題，因而研究者通常將其它搜索算法和這些算法相結(jié)合以構(gòu)造更高效的混合算法。神經(jīng)網(wǎng)絡(luò)和自組織圖由于具有自學(xué)習(xí)、聯(lián)想存儲功能和高速尋找優(yōu)化解的能力，使用它們和其它方法相結(jié)合的研究得到了研究者的重視。 為了進一步提高算法的全局優(yōu)化能力，避免搜索過程陷入局部極小，現(xiàn)已提出的改進策略主要有：并行多鄰域搜索，平滑優(yōu)化曲面形狀，引進重升溫、熵抽樣等高級技術(shù)等。對于復(fù)雜優(yōu)化問題，單一機制的優(yōu)化算法很難實現(xiàn)全局優(yōu)化，且效率較低，多種優(yōu)化機制和鄰域搜索結(jié)構(gòu)相混合，是能較大程度提高全局優(yōu)化度和魯棒性的有力途徑，并可一定程度上放松對單一算法參數(shù)選擇的苛刻性，所以混合優(yōu)化策略會是一種趨勢。
