一、基于蚁群算法的新能源车路径规划研究
目前，能源和环境问题日益严重，大力发展节能与新能源汽车是解决能源环境问题的有效途径。但由于充电基础设施结构性供给不足，整体规模仍显滞后，充电设施的布局不够合理，因此需要对其行驶路径进行规划。国内外很多企业、学者及专家采用过许多优化算法以便解决新能源车的路径规划问题。蚁群算法是其中较为突出的一种：该算法采用正反馈机制，使得搜索过程不断收敛，最终逼近最优秀路线，其中的每个个体可以通过释放信息素来改变周围的环境，且每个个体能够感知周围环境的实时变化，个体间通过环境进行间接地通讯。而搜索过程采用分布式计算方式，多个个体同时进行并行计算，大大提高了算法的计算能力和运行效率。同时，该算法采用的启发式的概率搜索方式不容易陷入局部最优，易于寻找到全局最优秀线路。为了满足对蚁群算法解决该问题的新需求,本文进行了问题建模且实现了求解算法，并尝试与其他流行智能优化算法进行比较。
2.国内外研究现状
国内外学者对于车辆路径问题（vrp）的研究经历了下列过程
1959年Dantzig和Ramse首次对闭合式VRP进行了研究，描述的是将汽油送往各个加油站的实际问题，并首次提出了相应的数学规划模型以及求解算法。
1964年，Clark和Wright[2]一种对Dantzig-Ramse方法改进的有效的启发式算法Clark-Wright节约算法。
正是由于以上两篇开创性论文的发表，使得VRP成为运筹学以及组合优化领域的前沿和研究热点课题。
1976年，Christofides和Eilon应用2-opt[3]和3-opt[4]处理车辆路径问题。
1981年，Fisher和Jaikumar提出以数学规划为主的最优化方法来处理包含大约50个顾客点的问题,同样其运算效率是一个亟待解决的问题。同年，Gullen，Jarvis和Ratliff建立了人机互动的启发式方法。
1981年，Bodin and Golden将众多的VRP求解方法进行了归纳。分为以下七种：数学解析法（Exact Procedure）；人机互动法（Interactive Optimization）；先分群再排路线（Cluster First–Route Second）；先排路线再分群（Route First–Cluster Second）；节省法或插入法（Saving or Insertion）；改善或交换法（Improvement or Exchanges）；数学规划近似法（Mathematical programming）。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
