文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 信息与通信 > 基于蚁群算法的物流配送路径优化
侵权投诉

基于蚁群算法的物流配送路径优化

在现代物流配送中,找到一种方法对具有很多影响因素制约的运输尤其是路径的选择进行优化是配送业务的重点。蚁群算法是一种新生算法,是最近几年才提出来的一种新型的模拟进化算法,具有很强的通用性,从提出到现在,仅短短十余年的时间,但其在离散型组合优化问题中。表现得很突出,所以引起人们的关注。

维普资讯 doc.guandang.net

科技信息

0问题与探讨0

S IN E IF MA I N CE C OR T O N

20年 06

第6期

基于蚁群算法的物流配送路径优化 尹训波 (尔滨运通汽车销售服务有限公司黑龙江哈尔滨 1 0 9 )哈 5 0 0 。 在现代物流配送中,到一种方法对具有很多影响因素制约的运量短等)同时满足以下条件及假设:找 输尤其是路径的选择进行优化是配送业务的重点。群算法是一种新蚁

生算法,是最近几年才提出来的一种新型的模拟进化算法,具有很强

() 1所有的配送车辆以配送中心为起点并最终回到配送中心。 ( )每条配送路径上各需求点的需求量之和不超过车辆的载重 2

的通用性 .提出到现在,短短十余年的时间,其在离散型组合优量。’从仅但 () 3每条配送路径的长度不超过车辆一次允许行驶的最大距离。 化问题中 .现得很突出,以引起人们的关注。表所

(每个需求点的需求由且仅由一辆车一次送货满足。 4) ., 1蚁群算法的发展概况 .我们用一赋权有向图 G= ( . . ) v A d来表示配 a送路径问题。 l1国外发展现状蚁群算法 (n oo yA gfh ) _ A tC ln lo tm是一种源于 i v v v v为一系列点的集合。v用来表示配送中 n 0 大自然中生物世界的新的仿生类进化算法,是求解适应性计算问题其中 V={ O,l, 2, 1也的一种算法。它是由意大利人 M.oi D r o等人首先提出的。 g该算法模仿心, i i。,…,表示各顾客, v (=1 2, n . ) A=lv。 j I i v E,≠ ( i v , V i )v j】为一系列弧的集合。 d与弧(, j相联系, . v v i )表示 v到 v的距离, i j对蚂蚁觅食时的行为,照启发式思想。按通过信息素( hr oe的诱导 j Pe m n) o i i其中 q= ), O o在前面的约束下。寻找最短作用 .步收敛到问题的全局最优解。其影响,群系统模型逐渐引于顾客 v给定了需求量 q (逐受蚁起了其它研究者的注意, Cs D.ot a和 AH r在 M.oio等人研究成的路径, .et z Dr g当然,使用车辆也应尽可能少。 我们用人工蚂蚁替代车辆来服务顾客点。当下

一个要服务的顾果的基础上 .出了一种求解分配类型问题 (sin n p rbe 提 as mety epolm) g t的一般模型,并用来研究图着色问题。GBlhv I .ame .i e、CPr e研究了求客点会使运载总量超出汽车载重量, e .或者使运距超过一次最大行驶距饵连续空间优化问题的蚁群系统模型。虽然这些成果仅是初步的,但离时。就返回到配送中心 V,示这辆车完成此次运输。辆车接着 O表该是这些研究已显示出蚁群算法的一些优点。一些学者还把蚁群算法与出发服务其余顾客, 直到所有顾客点都得到了一次服务。此时代表该其他的算法相结合。意大利学者 F b, b a i a a i A b ts等人受遗传算法的车的蚂蚁完成一次巡游。 o tt 当所有蚂蚁都巡游一次,记为一次循环。一次启发提出蚁群算法和遗传法相结合的思路。目前蚁群算法的研究学者循环后,据各蚂蚁巡游历程的好坏 (根目标函数值),计算信息素增更新相关路径上的信息索。由于人工蚂蚁具有记忆和判别的能力, 主要集中在比利时、大利、国等国家,国和日本在近几年也开始量,意德美蚂蚁在 i客点选择服务的下一个顾客点 i,主要考虑两个因素,顾时 了对蚁群算法的研究。 1 .内发展现状国内的研究始于 19 2国 9 8年末,主要在上海、北是 ii顾客点之间的关系的亲密程度;外考虑的是由迄今完。两另京、东北少数几个学校和研究所开展了此项工作。主要围绕 T P及相成的循环所得路径方案体现出来的由 i j S到的可行性,即信息素浓度关问题的实验仿真,数涉及通信网络的路由选择、载平衡、力系少负电易见,蚁群配送优化迭代中。在关键部分有三个: 统的故障检测以及蚁群算法在连续系统应用 .函数逼近等方面应用如 ( )客 i顾客 i转移概率 1顾到的 一

的尝试。19年。 99吴庆洪等提出了具有变异特征的蚁群算法。其核心 思想是为了克服蚁群算法收敛较慢的问题,用逆转变异方式。随机采

址 P ()∑[mt j t={ T ( i ) o

i幽 f v。 式( 1 1)— oh r ie t ew s

地进行变异,以增大进化时所需的信息最。 2配送中车辆路{ .茔问题车辆路径问题

最早是在上世纪 5 0年代晚期 D nz atg和 R m e在 i a sr 一

个学术论文中提出的。当时的车辆路径问题主要是静态的车辆路径

AI eb l w d为与 i向邻接的、且第 k辆车可以访问的顾客的节点 o点 集合。

问题 .述的是一个运筹学中的优化问题,一个配送中心 (调度中描有或 心 )车辆的数日确定。务对象数目一定,服务时问没有要求的情,服对形下 .目标是用最少的车辆 .总的行程最短,总使目前车辆路径问题主要集中以货车运货的形式。 同简单的车辆路径问题一样。时间窗的车辆路径问题的求解也带主要是基于精确算法和启发式方法两大类。K ln D sohr、ihr oe、 erc esFse、

( )见度 T.表示 2可 1的 式 (- ) 12 () 3信息隶浓度更新规则" t ) + r卜n pT△ i i (= 式 (- ) 13此种蚁群算法可以求解配送路径问题。但存在计算量大 .易出现收敛过早或停滞等缺点。 33蚁群算法的改进 . 331可见度的改进由于在配送问题中,配送中心是车辆的起 ..始点及终点。 (—2式作为局部启发量,没有考虑到中心点的作但 5 )用。使得最优解不易很快被发现。鉴于此,人新值 N W,引 E用此改造可见度。记 N W.+d d。由 i j所能节约的路径长度。改造 E Fd q即到 后: =

T=/目 1 1d

K h等人将各种精确算法如分支定界算法等应用于 V P w。由于 ol Rr VRq ̄是 NP难题 .这意味着所有能精确求解这类问题的算法在最 t3 坏的情况下需要指数级的时间。采用精确算法虽然可以得到最优解。 但需要耗费犬盘计算量和计算时间。只能用于解决有限规模的问题。 不适用于现实中的大规模运输问题 .过去的研究结果也证明了这一

点。而蚁群算法,作为一种比较新的启发式仿生算法,也被应用到 V P W上。显示了该算法的良好性能。 RT 3配送路径优化问题的蚁群算法 .

NE ̄d. W/.

3l、蚁群算法的原理蚂蚁寻找食物的主要奥妙在于信息素。信增加全局最优解的影响力。每次循环后。只对全局较优的 k个解所在息素主要

有两方面的作用。一是蚂蚁之问通过信息素互相通信。使得线路上的信息素浓度进行更新。规则如下: 蚂蚁能够利用以前的搜索结果;二是信息素的挥发作用。这使得搜索 初期的距离较长的旅行路线对蚂蚁的影响逐渐减小。另外。蚁的搜蚂

332信息素浓度更新规则的改进为了加速收敛。们有限度 ..我

索过程是一种正反馈。可以迅速搜索到从蚁穴到食物之间的最佳路 径。这对迅速找到问题的解决方案是非常有利的。

f +∑ A k

L

式中 lp———挥发度( P即为信息素挥发后所剩的浓度); K—取较优解的个数;— L 一 —

32配送路径优化问题的蚁群算法从一般意义上讲,物流配送、是指按顾客的要求 .多个车辆从配送中心对顾客进行配给。各顾客用

点的位置和需求量为已知。车辆的载重量已知,各力求寻找一个优秀 的配送方案。得系统运作费用最小 (用车辆尽量少,车总距离尽使所行

第最优的目标值; 更新系数。用以控制信息素浓度增加的幅度。 333参数的改进为了加快收敛速度,时又 (转第 1 0页 ),,同下 8 —

l5 9

基于蚁群算法的物流配送路径优化

第1页

你可能喜欢

  • 毕业设计开题报告范文
  • 蚁群优化算法
  • 蚁群算法 matlab
  • 开题报告
  • 物流配送优化问题

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email