基于蟻群算法的倉(cāng)庫(kù)車輛調(diào)度優(yōu)化技術(shù)的研究

葉迎亮 嚴(yán) 毅

（安徽理工大學(xué)，安徽淮南232001）

軍隊(duì)倉(cāng)庫(kù)裝卸搬運(yùn)系統(tǒng)中運(yùn)輸效率和運(yùn)輸順序直接的關(guān)系到整個(gè)軍用倉(cāng)庫(kù)的出入倉(cāng)庫(kù)效率，在這個(gè)過程中，對(duì)它的搬運(yùn)軍用車輛進(jìn)行的合理調(diào)度，縮短它們的過程行駛路程，減少它們的過程等待時(shí)間，對(duì)于提高整個(gè)系統(tǒng)裝卸軍用搬運(yùn)系統(tǒng)的效率具有非常重要的意義[1]。 本文在利用蟻群算法求解軍用車輛調(diào)度問題的基礎(chǔ)上， 利用Sweep 算法對(duì)初始種群進(jìn)行優(yōu)化[2]，提出了一種改進(jìn)的過程局部搜索算法，解決了過程高效鄰域結(jié)構(gòu)的設(shè)置的技術(shù)難題，并且利用實(shí)際例子進(jìn)行了驗(yàn)證。

1 庫(kù)裝卸搬運(yùn)流程

軍用倉(cāng)庫(kù)貨物的裝卸搬運(yùn)過程主要包括入軍用庫(kù)和出軍用庫(kù)兩個(gè)環(huán)節(jié)。 入軍用庫(kù)環(huán)節(jié)使用軍用龍門起重機(jī)從軍用卡車、軍列等運(yùn)輸工具上將軍用貨物卸至卸貨區(qū)，然后使用軍用搬運(yùn)車輛（叉車）將軍用貨物分送至各軍用倉(cāng)庫(kù)[3-5]。出軍用庫(kù)環(huán)節(jié)搬運(yùn)軍用車輛將軍用貨物從各軍用倉(cāng)庫(kù)運(yùn)至軍用裝貨區(qū)，后使用龍門起重機(jī)將軍用貨物搬運(yùn)上各軍用運(yùn)輸工具[6-7]。

本文主要研究同時(shí)面對(duì)多個(gè)軍用搬運(yùn)任務(wù)，如何合理調(diào)度停放在各軍事場(chǎng)所的多輛軍用搬運(yùn)車輛，使它們能以最短時(shí)間、最少行駛路程完成軍用搬運(yùn)任務(wù)，從而節(jié)約搬運(yùn)軍事車輛使用費(fèi)用，提高軍用倉(cāng)庫(kù)裝卸搬運(yùn)效率。

2 數(shù)學(xué)模型

根據(jù)上面的分析，我們將研究過程限定為：對(duì)給定任意軍事搬運(yùn)任務(wù)，多輛軍用搬運(yùn)車分別從各自軍事區(qū)域初始停放點(diǎn)出發(fā)，行至軍事裝貨點(diǎn)裝貨，再行至軍事卸貨點(diǎn)卸貨三點(diǎn)之間的過程運(yùn)行距離之和最短（其中時(shí)間最短，費(fèi)用最低）。 如軍用車輛停放點(diǎn)正好是軍用裝貨點(diǎn)，其中兩點(diǎn)距離設(shè)為0；軍用初始停放點(diǎn)為任意一處軍事倉(cāng)庫(kù)或軍事起重機(jī)處；任意軍事倉(cāng)庫(kù)或軍事起重機(jī)兩點(diǎn)間距離為已知。 根據(jù)問題描述，軍用倉(cāng)庫(kù)搬運(yùn)車輛的調(diào)度問題的數(shù)學(xué)模型可以設(shè)為：

2.1 變量定義

m：設(shè)為軍用起重機(jī)的數(shù)量；n：設(shè)為軍用倉(cāng)庫(kù)的數(shù)量；q：軍用搬運(yùn)叉車數(shù)量；S1=（1，2，…n，n+l，…n+m）軍用倉(cāng)庫(kù)和軍用起重機(jī)的編號(hào)集合；S2=（1，…q）軍用搬運(yùn)車輛編號(hào)的集合；Lijg（i，j，g∈S1）軍用倉(cāng)庫(kù)或軍用起重機(jī)任意三點(diǎn)間距離（即軍事停放點(diǎn)、軍事裝貨點(diǎn)、軍事卸貨點(diǎn)三點(diǎn)距離之和）。

2.2 數(shù)學(xué)模型

軍用車輛調(diào)度問題要求各項(xiàng)軍事搬運(yùn)任務(wù)須在多個(gè)約束條件之下完成，如果不滿足其約束條件那么其解為不可行之解。 它的目標(biāo)函數(shù)和約束關(guān)系如下所示：

3 蟻群優(yōu)化步驟

本文所提出的螞蟻優(yōu)化的算法具體流程可分以下個(gè)步驟進(jìn)行。

3.1 首先初始化m、n 和q，再初始化螞蟻算法所需數(shù)據(jù)（迭代次數(shù)，螞蟻群體規(guī)模，螞蟻個(gè)數(shù)，算法中信息素的殘留系數(shù)，初始信息素，所用橫向?yàn)V波器的權(quán)值系數(shù)矩陣等等都要被初始化）；

3.2 利用0～1 均勻分布隨機(jī)數(shù)生成初始螞蟻群體；

3.3 然后計(jì)算螞蟻個(gè)體的目標(biāo)函數(shù)值， 將過程目標(biāo)函數(shù)值映射為個(gè)體評(píng)價(jià)值，記錄整個(gè)過程具有最好評(píng)價(jià)值的精英螞蟻，其具體映射公式為F（x）＝Cmax－f（x），Cmax為相對(duì)于所有個(gè)體目標(biāo)函數(shù)值適當(dāng)較大的數(shù)；其中f（x）為螞蟻個(gè)體目標(biāo)函數(shù)值；F（x）為螞蟻個(gè)體評(píng)價(jià)值；

3.5 進(jìn)入螞蟻優(yōu)化搜索，通過過程轉(zhuǎn)移搜索、鄰域搜索和交叉運(yùn)算得整個(gè)過程出新一代螞蟻群體；

3.7 最后當(dāng)?shù)螖?shù)小于設(shè)定次數(shù)，就重復(fù)進(jìn)行步驟（3）至步驟（6）；在當(dāng)?shù)螖?shù)到設(shè)定次數(shù)，跳出循環(huán)，將迭代過程中得到的具有過程最優(yōu)評(píng)價(jià)值的螞蟻個(gè)體作為過程最優(yōu)解輸出，終止計(jì)算。

4 總結(jié)

本文在針對(duì)軍用倉(cāng)庫(kù)搬運(yùn)軍用車輛調(diào)度問題。建立了相應(yīng)的數(shù)學(xué)模型。 在標(biāo)準(zhǔn)蟻群算法基礎(chǔ)上設(shè)計(jì)了種群優(yōu)化和局部搜索方案。 實(shí)驗(yàn)結(jié)果表明該采用算法是求解軍用車輛調(diào)度問題的一個(gè)很好方案。

［1］盧軍.淮安綜合交通運(yùn)輸：經(jīng)濟(jì)復(fù)合系統(tǒng)協(xié)同發(fā)展評(píng)價(jià)[J].物流科技，2012（203）：21-24.

［2］胡貴強(qiáng).多目標(biāo)優(yōu)化的遺傳算法及其實(shí)現(xiàn)[J].重慶文理學(xué)院學(xué)報(bào)，2008（10）：12-15.

［3］劉國(guó)紅.第三方物流企業(yè)倉(cāng)單質(zhì)押融資模式與風(fēng)險(xiǎn)分析[J].物流科技，2012（202）：35-39.

［4］劉揚(yáng)，胡仕成.面向物流企業(yè)車輛調(diào)度模型研究及應(yīng)用[J].計(jì)算機(jī)應(yīng)用與軟件，2009（8）：86-89.

［5］余家祥，王紹華，程文鑫.基于改進(jìn)局部搜索遺傳算法的目標(biāo)分配決策[J].系統(tǒng)工程與電子技術(shù)，2008（6）：56-60.

［6］關(guān)淞元，劉大有，金弟，王新華.基于局部搜索遺傳算法求解自動(dòng)組卷問題[J].吉林大學(xué)學(xué)報(bào)，2009（9）：67-72.

［7］姜昌華，戴樹貴，胡幼華.求解車輛路徑問題的混合遺傳算法田[J].計(jì)算機(jī)集成制造系統(tǒng)，2007，13（10）：2047-2052.