基于集成協(xié)同PSO算法的車輛路徑優(yōu)化仿真初探

李彬彬 黨珠月

摘 要：應(yīng)用集成協(xié)同PSO算法能夠提升物流車輛的速度，優(yōu)化運(yùn)輸成本?；诖?，本文闡述了車輛物流配送路徑的優(yōu)化原則，同時(shí)將集成協(xié)同PSO算法中的標(biāo)準(zhǔn)算法、優(yōu)化算法的內(nèi)容，應(yīng)用到基于集成協(xié)同PSO算法的車輛路徑優(yōu)化仿真設(shè)計(jì)，來(lái)提升路徑搜索的準(zhǔn)確性。通過(guò)論述以上內(nèi)容，來(lái)為技術(shù)人員提供一些參考。

關(guān)鍵詞：集成協(xié)同PSO算法；車輛路徑；仿真模型

引言：市場(chǎng)經(jīng)濟(jì)的發(fā)展，促使物流運(yùn)輸技術(shù)進(jìn)步，物流配送業(yè)迎來(lái)了黃金時(shí)期。物流車輛在配送貨物的過(guò)程中，存在著一些可以提升配送速度的內(nèi)容，比如選擇最佳配送路線，能夠?qū)崿F(xiàn)提升速度和經(jīng)濟(jì)效益的目標(biāo)。為了幫助物流車輛選擇出最佳路線，要使用集成協(xié)同PSO算法，來(lái)不斷提升車輛的配送速度和質(zhì)量，進(jìn)而降低物流的配送成本。

1關(guān)于車輛物流配送路徑的優(yōu)化原則

從物流中心出發(fā)，每個(gè)車輛都有多個(gè)配送貨物的點(diǎn)，這些點(diǎn)的位置固定，車輛的載重量固定，需要選取最佳路線，使車輛的運(yùn)輸距離最合理，進(jìn)而實(shí)現(xiàn)以下目標(biāo)：第一，一條線路上的所有點(diǎn)需求量之和要小于車輛總承載量；第二，一條線路的長(zhǎng)度要小于車輛的最大行駛距離；第三，一條線路上擁有一輛車送貨。

根據(jù)以上與要求，本文建立的車輛優(yōu)化路徑的數(shù)學(xué)模型：

配送中心有M輛車，承重量為（1.2.3.4....M），其中，一次最大配送路程為L(zhǎng)，需求點(diǎn)的貨物需求量為（i=1.2.3.3...L），配送中心距每個(gè)中心點(diǎn)的路段長(zhǎng)度用J代表，J（1.2.3.4....L）。設(shè)定M輛車的配送距離為m，m=0代表車輛未被使用。所有的車輛行駛的路徑長(zhǎng)度使用集合來(lái)表示，需求點(diǎn)在路徑K中，依次排列的順序?yàn)閕集合，當(dāng)k=0的時(shí)候，用來(lái)表示物流中心，可以建立以下模型：

（A）

這個(gè)模型中，可以使用不同的算法來(lái)指代車輛配送路線的各項(xiàng)內(nèi)容，比如，A代表最短的目標(biāo)路線，B代表路徑需求點(diǎn)的集合，C代表第M輛車的貨物需求。當(dāng)M大于1的時(shí)候，汽車需要參加配送；當(dāng)M的貨物量小于1的時(shí)候，代表未使用輛車。

2集成協(xié)同PSO算法的內(nèi)容

集成系統(tǒng)PSO算法是將群體中的所有個(gè)體當(dāng)做空間中的一個(gè)點(diǎn)，這些點(diǎn)在可以在空間中進(jìn)行運(yùn)動(dòng)，并按照移動(dòng)速度，來(lái)做出相應(yīng)的調(diào)整。PSO算法就是按照不同對(duì)空間的適應(yīng)程度，實(shí)現(xiàn)個(gè)體位移到環(huán)境最優(yōu)處，來(lái)解決點(diǎn)的空間移動(dòng)問(wèn)題[1]。

在POS算法中，使用點(diǎn)來(lái)確定空間運(yùn)動(dòng)問(wèn)題，使得每一個(gè)點(diǎn)的狀態(tài)處于目標(biāo)函數(shù)最優(yōu)值，可以用“D”維度代表一個(gè)目標(biāo)搜索空間，在這個(gè)空間中，由N個(gè)點(diǎn)組成一個(gè)集合，這個(gè)集合中，第t個(gè)點(diǎn)的位置與移動(dòng)速度可以使用公式表示：

在進(jìn)行POS的算法過(guò)程中，首先要計(jì)算出某個(gè)點(diǎn)的位置及移動(dòng)速度，然后根據(jù)迭代關(guān)系計(jì)算出最優(yōu)解，在每一次迭代中，點(diǎn)都可通過(guò)跟蹤空間的兩個(gè)極值來(lái)不斷提升自己的速度和位置。在這個(gè)過(guò)程中，擁有一個(gè)極值是點(diǎn)的本身所具有的最優(yōu)解，也稱之為個(gè)體極值。通過(guò)集合來(lái)表示：Pi（t）=（pi1（t），pi2（t），pid（t））；另一個(gè)極值是整個(gè)粒子群到目前為止找到的最優(yōu)解，稱為全局極值，表示為：Pg（t）=（pg1（t），pg2（t），pgd（t））。當(dāng)計(jì)算出第t+1次迭代的速度時(shí)，粒子i根據(jù)以上規(guī)則來(lái)不斷更新速度和位置。

3集成協(xié)同PSO算法的車輛路徑優(yōu)化設(shè)計(jì)

3.1原配送線路情況

某運(yùn)輸公司主要給批發(fā)市場(chǎng)供應(yīng)貨物，主要分為大客戶和小客戶。小客戶的需求具有時(shí)間和不確定性的特點(diǎn)，一般會(huì)采用共同配送運(yùn)輸?shù)姆椒?，?lái)運(yùn)輸貨物。而大客戶是批發(fā)市場(chǎng)，配送過(guò)程中，會(huì)經(jīng)過(guò)10個(gè)點(diǎn)，比如超市、商場(chǎng)等。該公司擁有3輛半噸的貨車和2輛1.5噸的小貨車，若車輛不夠，可以租借車輛。

該公司的大客戶貨物需求穩(wěn)定，但卻沒(méi)有固定的配送路線，一般由司機(jī)決定。這樣一來(lái)，配送路線缺乏合理性，運(yùn)送的距離較長(zhǎng)，車輛在作業(yè)的時(shí)候，消耗的時(shí)間過(guò)多，導(dǎo)致速度慢，再加上無(wú)法充分利用車輛配載容積，使得配送的過(guò)程中出現(xiàn)人力和物力的浪費(fèi)現(xiàn)象，影響了公司的經(jīng)濟(jì)效益。

3.2基于POS算法的物流配送路線的優(yōu)化方法

為了規(guī)劃出合理的路線，需考慮以下幾個(gè)內(nèi)容：

（1）配送中心、各服務(wù)點(diǎn)、運(yùn)輸線路的具體位置；

（2）運(yùn)輸車輛的路徑、貨物運(yùn)輸?shù)臅r(shí)間限制、道路順暢情況；

（3）每個(gè)客戶只能由一輛配送車輛送貨；每輛車配送總里程不超過(guò)其最大行駛距離；

根據(jù)以上內(nèi)容，設(shè)計(jì)出商品配送中心到所有的物流節(jié)點(diǎn)之前距離，并計(jì)算出不同路線的時(shí)間與成本，通過(guò)對(duì)比，選擇出最佳路線。

使用M=0來(lái)代表?yè)Q公司的配送中心，車輛的最大容量為Q=0.8，由于公司的所有輛車都在生產(chǎn)中，初始化群體的個(gè)數(shù)為n=30，學(xué)習(xí)因子為c1=2、c2=2。需求點(diǎn)和配送中心的最短距離數(shù)據(jù)為：第10個(gè)配送點(diǎn)最短距離是24.9km，第1個(gè)配送點(diǎn)（配送中心）距離為0km。

3.3算法實(shí)現(xiàn)

（1）初始化編碼。通過(guò)編碼，來(lái)求出車輛的最佳路徑，針對(duì)10個(gè)配送點(diǎn)與4輛車來(lái)進(jìn)行規(guī)劃，使用1-10來(lái)表示每個(gè)點(diǎn)的運(yùn)動(dòng)狀態(tài)X（x1、x2、x3.....xn），生成的整數(shù)使用車輛來(lái)實(shí)現(xiàn)配送，然后進(jìn)行貨物的運(yùn)輸，其中，編程的重點(diǎn)是每個(gè)點(diǎn)中，找出“M=0”代表配送中心?；赑OS計(jì)算，來(lái)選擇出最優(yōu)化的路線，并根據(jù)上文中的（A）算法，計(jì)算出車輛配送的目標(biāo)函數(shù)，最后計(jì)算出點(diǎn)的速度和位置。

（2）循環(huán)內(nèi)適應(yīng)法。和初始數(shù)據(jù)相比，（A）公式中的點(diǎn)速度代表著配送方案，即目標(biāo)函數(shù)；

（3）優(yōu)化循環(huán)內(nèi)部及全局。空間內(nèi)部的點(diǎn)適應(yīng)度需要按照已知的最優(yōu)適應(yīng)度來(lái)比較，進(jìn)而選出最佳的運(yùn)動(dòng)狀態(tài)；

（4）同時(shí)實(shí)驗(yàn)分析，確定10個(gè)節(jié)點(diǎn)的最優(yōu)解，得出的最佳路線是：車輛一，0-6-1-0；車輛二，0-1-0；車輛三，0-2-3-5-0。總體車輛的行程為201.3km。

結(jié)論：綜上所述，集成協(xié)同PSO算法能夠優(yōu)化車輛路徑。在此基礎(chǔ)上，基于POS計(jì)算，計(jì)算出車輛配送的目標(biāo)函數(shù)，選擇最佳的速度和位置；同時(shí)，通過(guò)結(jié)合物流運(yùn)輸企業(yè)的生產(chǎn)經(jīng)營(yíng)情況，明確商品配送距離，能夠規(guī)劃出合理路線。因此，物流車輛使用集成協(xié)同PSO算法，能夠減低配送成本。

參考文獻(xiàn)

[1]楚湘華.基于群集智能的最優(yōu)化算法研究及其應(yīng)用[D].哈爾濱工業(yè)大學(xué)，2014.

[2]韓國(guó)華.基于高清視頻處理技術(shù)的北京市快速路微觀交通流模型研究[D].山東建筑大學(xué)，2012.

（作者單位：大連工業(yè)大學(xué)管理學(xué)院）