tsp 蚁群算法 数学建模
第11卷#第6期杨文彬:基于ASP的网上商店的设计与实现2011年12月
程。实验结果说明,设计达到了预期的要求。
[参考文献]
[1](美)RonPatton.软件测试[M].北京:机械工业出版社,2006.
[2](美)哈特.ASP.NET2.0经典教程[M].北京:人民邮电
出版社,2007.
[3]吴洪江.基于BPS技术开发的高校教学档案管理系统的
设计和制作[J].中医药管理杂志,2010,(10):141-143.
[4]郑美芬.基于ASP的学生网络德育学分评分管理系统开
发[J].浙江国际海运职业技术学院学报,2010,(1):178-180.
(上接31页)
(3)根据tabuk中的记录计算Lk。
(4)对每条路径,根据式(8)计算Sij(t+h)。(5)判断进化是否达到规定的循环次数(nc<ncmax)或趋势是否明显,如果是,则转到(7)步,否则,继续进行下一步。
(6)记录到当前情况下完成一次配送任务后,所有蚂蚁走过的最短路径Jk=(0,1,,,n),并重新设定tabuk=ª(禁忌表为空),并跳转执行至第(2)步。
(7)输出最佳路径方案,终止程序执行。
客户点数
10203040506070
表2 模拟退火算法、混合遗传算法、
ACO算法运行时间的比较
混合遗传算法
988.261114.651245.661345.851420.1491495.201556.31
模拟退火算法1344.701577.131820.852179.622508.332971.183340.50
ACO算法578.15646.55725.26812.45907.741104.891287.06
由实验数据可以得出在配货客户点数目小于50的情况时,用该文提及的ACO算法求解车辆路径规划问题所用时间远小于模拟退火算法及混合遗传算法。因此,与混合遗传算法及模拟退火算法相比,ACO算法在解决中小规模的路径规划问题时,能快速地找到全局最优解。
3 实验与仿真
设有20个客户和一个物流配送中心,物流中配送中心位于正中央,各客户的需求量由计算机随机产生,车量载量为8t。基础数据如表1所示。
表1 实验初始数据
客户号横坐标xPkm纵坐标yPkm需求量gPt客户号横坐标xPkm纵坐标yPkm需求量gPt
1234567891012.818.415.418.915.53.910.68.612.513.88.50.1
3.416.615.211.610.67.60.41.21.50.81.31.7
8.42.15.20.61.20.4
4 结束语
本文将蚁群优化算法求解VRP问题,构造了适于求解该问题的蚁群优化算法,从以上实验结果比较可以看出,蚁群优化算法不仅具有很强的发现较优解能力,而且具有较高的计算效率,该方法能为中小规模物流车辆配送快速找到全局最优解。但如何改进算法以更好地求解大规模货物流车辆路径规划问题还有待进一步研究。
[参考文献]
[1]http:PPdoc.guandang.net.
[2]LaportG.Thevehicleroutingproblem:Anoverviewofex-actandapproximatealgorithms[J].EuropeanJofOpera-tionalResearch,1992,59(1):345-358.
[3]何小年,谢小良.带装载量约束的物流配送车辆路径优
化研究[J].计算机工程与应用,2009,45(34):236-238.[4]王晓博,李一军.电子商务中物流配送路径优化研究
[J].计算机工程,2007,33(10):202-205.
11121314156.714.81.817.17.416.92.68.711.01.00.91.31.31.91.7
16171819200.211.913.26.49.62.819.815.15.614.81.11.51.61.71.5
实验运行时参数为m=60,nc=50,Sij=10,A=1,B=1,Q1=0.5对上述具有20个客户点配送货物进行仿真实验,采用4辆车所得到的最优路径解为107.83km,分别对应的4条配送路径分别为路线1:0-20-11-17-3-4-0,路线2:0-5-14-2-12-9-10-7-1-0,路线3:0-6-13-16-15-19-8-0,路线4:0-18-0,10次求解的平均计算时间为:21.13s,用ACO算法含有客户点分别是10,20,30,50,60,70,80的配送任务进行实验,运行次数为1000,实验结果如表2所示。
如要投诉违规内容,请到百度文库投诉中心;如要提出功能问题或意见建议,请点击此处进行反馈。 加入会员!获取文档下载券 蚁群算法在物流配送路径优化中的研究 研究...
蚁群算法优化车辆路径问题的研究蚁群算法优化车辆路径问题的研究隐藏>> 第27卷...物流配送路线的优化问题,是评 定配送质量好坏的重要标准。因此,本文以目前研 ...
基于改进蚁群算法的物流配送路径优化问题研究_生产/经营管理_经管营销_专业资料...2.1 VRP在实际应用上的假设 (1)所有车辆路线均起始并终止于设施点; (2)...
基于改进蚁群算法的物流配送路径优化问题研究_文化/宗教_人文社科_专业资料。...2.1 VRP在实际应用上的假设 (1)所有车辆路线均起始并终止于设施点; (2)...
基于混合蚁群算法的物流配送路径优化研究_机械/仪表_工程科技_专业资料 暂无评价
: 车辆路径问题 (VRP) 是物流研究领域中一个具有重要理论和现实意义的问题。... 正反馈自催化机制以及潜在的 并行性等特点 , 蚁群优化算法越来越多的被应用到...
基于蚁群算法的物流车辆路径优化问题的研究_交通运输_工程科技_专业资料。介绍蚁群算法在TSP和VRP问题中的运用基于蚁群算法的物流车辆路径优化 问题的研究作者: 于芹...
利用蚁群算法对物流配送路径优化问题进行求 解, 是本文研究的核心问题。 1 ...次配 送的最大行驶距离 ;(4) 每个客户的需求必须满足且只能由一辆配送 车...
基于蚁群算法的城市物流配送路径优化问题的研究_理学_高等教育_教育专区。蚁群...由于该问题被公认为属于车辆路径问题(VehicleRouting Problem,VRP)的应用,因此本文...
热门文档