基于改進(jìn)蟻群算法的物流配送車(chē)輛路徑優(yōu)化研究

徐偉+于凱麗

摘 要：蟻群算法具有十分廣闊的應(yīng)用前景，但蟻群算法在求解路徑優(yōu)化問(wèn)題中存在收斂速度慢、易陷于局部最優(yōu)路徑等缺點(diǎn)。文章通過(guò)改進(jìn)傳統(tǒng)的蟻群算法，使蟻群算法求最優(yōu)解的性能顯著提升，大幅提高了物流配送的效率。

關(guān)鍵詞：VRP；蟻群算法；路徑優(yōu)化；算法改進(jìn)

自從Dorigo在2004年編寫(xiě)出版了第一本詳細(xì)介紹蟻群算法的著作之后，利用蟻群算法來(lái)解決物流配送車(chē)輛路徑優(yōu)化問(wèn)題引起了大量學(xué)者的注意。本文通過(guò)改進(jìn)傳統(tǒng)蟻群算法，彌補(bǔ)了傳統(tǒng)蟻群算法中容易陷于局部最優(yōu)、在求解過(guò)程中出現(xiàn)停滯現(xiàn)象等缺點(diǎn)，力求車(chē)輛路徑最優(yōu)。

1 模型建立

3 實(shí)例仿真

設(shè)各參數(shù)m=31，Nc=200，a=1，β=5，ρ=0.5，Q=100，q0=0.5，選取31個(gè)鄉(xiāng)鎮(zhèn)坐標(biāo)，利用本文改進(jìn)的蟻群算法，使用Matlab2014a仿真軟件進(jìn)行迭代計(jì)算，程序執(zhí)行結(jié)果如下。

仿真球的最短路徑為shortest path=30→27→28→26→25→24→20→21→22→18→3→17→19→16→5→6→7→2→4→8→9→10→23→11→13→12→14→15→1→31→29 Shortest length =1.581 8 e+04。圖像表明，改進(jìn)后的蟻群算法相較于傳統(tǒng)蟻群算法，在全局尋找最優(yōu)解的能力方面有明顯優(yōu)化，同時(shí)改善了算法的執(zhí)行效率，在求解物流配送中的車(chē)輛路徑問(wèn)題（Vehicle Routing Problem，VRP）問(wèn)題上，能較快地取得較優(yōu)結(jié)果。

4 結(jié)語(yǔ)

VRP問(wèn)題是物流配送的關(guān)鍵，針對(duì)這一問(wèn)題，筆者在大量閱讀調(diào)研的基礎(chǔ)上，通過(guò)調(diào)整狀態(tài)轉(zhuǎn)移規(guī)則及信息素更新策略，著重解決了傳統(tǒng)的蟻群算法陷入局部最優(yōu)解的這一缺陷，增強(qiáng)了蟻群算法的正反饋機(jī)制，明顯提升了算法解的收斂速度及全局搜索能力。通過(guò)分析利用MATLAB軟件進(jìn)行仿真計(jì)算所得到的數(shù)據(jù)，可以發(fā)現(xiàn)改進(jìn)后的蟻群算法對(duì)提高物流配送的效率是有效的。

基金項(xiàng)目：2017年中國(guó)物流學(xué)會(huì)、中國(guó)物流與采購(gòu)聯(lián)合會(huì)研究課題；項(xiàng)目名稱：基于禁忌搜索算法的車(chē)輛協(xié)作與路徑規(guī)劃研究；項(xiàng)目編號(hào)：2017CSLKT3-071。

作者簡(jiǎn)介：徐偉（1979— ），男，山東巨野，博士，碩士生導(dǎo)師；研究方向：物流系統(tǒng)規(guī)劃與設(shè)計(jì)。

[參考文獻(xiàn)]

[1]DORIGO M. Ant colonies for the traveling salesman problem[J].Biosystems，1997（2）：73-81.

[2]胡小兵，黃席樾.蟻群優(yōu)化算法及其應(yīng)用[ J].計(jì)算機(jī)仿真，2004（5）：81-85.

[3]唐連生，程文明，張則強(qiáng)，等.基于改進(jìn)蟻群算法的車(chē)輛路徑仿真研究[J].計(jì)算機(jī)仿真，2007（4）：262-264.

[4]陳迎欣.基于改進(jìn)蟻群算法的車(chē)輛路徑優(yōu)化問(wèn)題研究[J].計(jì)算機(jī)應(yīng)用研究，2012（6）：2031-2034.

Abstract： Ant colony algorithm has a very broad application prospects. However， the ant colony algorithm has some shortcomings such as slow convergence speed and easy to trap the local optimal path in solving the path optimization problem. In this paper， by improving the traditional ant colony algorithm， the ant colony algorithm is improved greatly in the performance of the optimal solution， which greatly improves the efficiency of logistics distribution.

Key words： Vehicle Routing Problem； ant colony algorithm； path optimization； algorithm improvement