毕业论文：基于蚁群算法的物流软件的实现.docVIP

2 - 目 录 TOC \* MERGEFORMAT 1引言 PAGEREF _Toc320099979 \h - 1 - 2算法部分 PAGEREF _Toc320099980 \h - 2 - 2．1　简介 PAGEREF _Toc320099981 \h - 2 - 2．2 模型 PAGEREF _Toc320099982 \h - 3 - 2．3 算法的实现设计 PAGEREF _Toc320099983 \h - 5 - 2．4 蚂蚁算法的优点与不足 PAGEREF _Toc320099984 \h - 6 - 2．4．1 优势 PAGEREF _Toc320099985 \h - 6 - 2．4．2 不足 PAGEREF _Toc320099986 \h - 6 - 2．4．3 改进的方法：优选各种参数 PAGEREF _Toc320099987 \h - 6 - 2．4．4 优选参数 PAGEREF _Toc320099988 \h - 7 - 3系统部分 PAGEREF _Toc320099989 \h - 7 - 3．1 软件结构： PAGEREF _Toc320099990 \h - 7 - 3．2 软件的实现 PAGEREF _Toc320099991 \h - 9 - 3．2．1 工具与原理 PAGEREF _Toc320099992 \h - 9 - 3．2．2 特点与实现原理 PAGEREF _Toc320099993 \h - 10 - 3．2．2．1 核心算法使用了MatLab生成的动态链接库 PAGEREF _Toc320099994 \h - 10 - 3．2．2．2 显示坐标系相对于用户透明 PAGEREF _Toc320099995 \h - 12 - 3．2．2．3 消除闪烁 PAGEREF _Toc320099996 \h - 14 - 3．2．2．4 自定义代价表达式 PAGEREF _Toc320099997 \h - 15 - 3．2．2．5 可设定界面和默认参数 PAGEREF _Toc320099998 \h - 16 - 3．2．2．6 可保存地图 PAGEREF _Toc320099999 \h - 16 - 4小结 PAGEREF _Toc320100000 \h - 17 - 参考文献 PAGEREF _Toc320100001 \h - 18 - 附录(主要代码) PAGEREF _Toc320100002 \h - 20 - 1 - 基于蚁群算法的物流软件的实现 【摘 要】随着经济的发展，交流的加强，物流受到越来越多人的关注，物流技术也日新月异。如何使用一种物流技术来减小物流的代价，并且使这种技术能被大多数不熟悉计算机技术的物流工作者所使用成为人们关注的焦点。由于人们过多的关注蚁群算法的模型，基于蚁群算法的物流软件市面上见到的并不多，在实际应用中这类软件不仅要解决好利用蚁群算法计算最小代价的问题，还要解决好对于计算前后数据的可视化的处理，因为我们不能期望用户对于一大堆浮点数有什么样好的感觉。本文就从算法和系统两个方面介绍了以蚁群算法为核心的物流优化软件的开发过程。在计算模型的选择上，由于物流配送最终要返回发货的城市，从而在路径上形成一个回环，故选用的是比较流行的蚁群算法解决TSP问题的模型。用户坐标系选用的是用户比较熟悉的经纬度坐标系。通过整个软件系统的运作，用户可以很容易的得到他所期望代价的最优路径而不必关心繁杂的计算过程。 【关键字】蚁群算法 物流配送 最优路径 可视化数据 1引言 开发一套优秀的物流软件，可以加快对客户需求的响应速度, 提高服务质量, 增强客户对物流系统的满意度, 降低服务商的运营成本。近年来一些新的启发式方法在求解此类问题上可以获得较快的收敛速度和较高质量的全局解。蚁群算法正是这样的一种算法，它是由意大利学者MarcoDorigo等提出的一种仿生寻优算法，通过信息素的积累和更新来寻求最优解。蚁群算法主要特点是: 正反馈、分布式计算、与某种启发式算法相结合。正反馈过程使得该方法能很快发现较好解； 分布式计算使得该方法易于并行实现；与启发式算法相结合, 使得该方法易于发现较好解。 2算法部分 2．1　简介 较为简单的主体的聚集相互作用, 必然会涌现出复杂的大尺度行为。遗传算法之父霍兰德称这种现象为突现聚集特性。生物群体的复杂适应性行为就是从组成群体的适应性个体行为中涌现出来的一种全局性质。 蚂蚁是一类行为简单的昆虫, 只有十分有限的记忆能力。在个体水平上, 蚂蚁的行为带有随机性。但在群体水平上, 蚁群的集体行为却高度有序。蚂蚁依靠集