论文研究基于改进神经网络的非满载车辆路线优化模型.pdf

货物流通过程中，目前流行的车辆调度方式——基于简单的神经网络模型设计，造成运输成本的浪费。提出了一种基于改进神经网络的非满载车辆路线优化挖掘模型，来解决运输过程中的非满载车辆调度优化问题。改进的模型通过对非满载车辆时域长度和空域概率的加权、对神经网络稳定状态进行约束、建立非满载车辆起点和终点函数方程生成改进算法配送模型，并通过对新模型进行时间窗加权，合成了改进神经网络非满载车辆挖掘模式。仿真结果表明，该挖掘模型与传统的神经网络计算方法相比，能够提高非满载车辆路线选择效率和正确性，取得了较好的效果。