摘要21 世纪以来，随着电子信息的发展，物流业迅速发展起来。由于运输是物流系 统中最为重要的一部分，路径规划是运输的核心问题，因此对路径规划问题的研究 也越显重要。据不完全统计，运输费用约占总物流费用的 50%之多，因此，如何降 低运输成本成为提升企业收益的关键问题。路径规划问题能够有效的解决车辆运输 路线的选择问题，节约运输成本的同时还能有效的缓解交通压力。本文针对这类问 题，采用粒子群优化算法(PSO)进行研究，它是一种智能化的全局随机搜索法，能够 有效的解决路径规划问题。84866

本文从最短路径问题出发，介绍了车辆路径规划问题的一般描述和常用解决方 法。详细介绍了粒子群算法的基本概念、原理及应用。将粒子群算法应用于关于最 短路径的实际问题中，对于地图中给定的两个城市(或两个地点)，利用这种算法找 到这两座城市(或两个地点)的最短路线，并求出其长度。在认真分析国内外对 PSO 算法的研究基础上，对算法进行合理优化，选择采用惯性权重自适应的优化方法， 来提高算法的效率和准确性，利用 MATLAB 编程实现算法的运行，对求解结果进行 可视化。

毕业论文关键词：路径规划问题；最短路径问题；粒子群算法(PSO)；算法优化；惯性权重自适应

AbstractSince the 21st Century, with the development of electronic information，the logistics industry has developed rapidly。  Since  the transport logistics  system is the most important part, and path planning is the core issue of transport,therefore, the study of path planning is increasingly  important。  According  to incomplete   statistics,   transport  costs accounted  for about 50% of the total logistics costs。 Therefore, how to reduce the transportation cost has become the key problem to improve the enterprise income。 Path planning problem  can effectively solve the vehicle routing problem,it  not  only  can save the  transportation  cost but also can effectively  alleviate  the traffic  pressure。 This  article  is aimed  at this  kind of problem, the particle swarm optimization (PSO) is used to study the problem。 It is a kind of intelligent global random search method, which can effectively solve the problem of path planning。

Starting  from  the  shortest  path problem,  this  paper introduces  the  general  description of the vehicle routing problem and the common solutions。 The basic concept, principle and application of particle swarm optimization algorithm are introduced in detail。 The particle swarm optimization algorithm is applied to the practical problem of the shortest path。 For  a given two cities  (or two locations)  in  the map,using  this  algorithm  to find   the  shortest  route of the  two cities  (or two locations),and  finding  its  length。   On the  basis  of careful  analysis

of the domestic and foreign research on the PSO algorithm, the algorithm is optimized。  In order to improve the efficiency and accuracy of the algorithm, the inertia weight adaptive optimization method is chosen。 Using MATLAB programming algorithm to achieve the operation  and making  the solution  result  can be  considered。

Keywords: Path planning problem;Shortest path problem;Particle swarm optimization (PSO);Algorithm  optimization;Adaptive  inertia  weight

目 录

第一章 绪 论 1

1。1 研究背景及选题意义 1

1。2 国内外研究现状