一种改进粒子群算法在物流配送路径问题中的应用.pdfVIP

第２７卷 第２期 湖南科技大学学报（自然科学版） Ｖｏｌ．２７Ｎｏ．２ 　　 　 ２０１２年　 ６月 ＪｏｕｒｎａｌｏｆＨｕｎａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） Ｊｕｎ．　２０１２ 一种改进粒子群算法在物流配送 ① 路径问题中的应用 肖丽，包骏杰 （重庆教育学院计算机科学系，重庆４０００６７） 摘　要：针对物流配送车辆路径优化的研究热点问题，在标准粒子群算法基础上，设计了一种自适应的变异粒子群算法， 算法中的变异算子可随群体适应度方差自适应改变，从而打散聚焦于局部收敛点的粒子群．并针对多个车场多个车辆的配送 路径问题设计一种新编码模式，减少了迭代次数．在ＭａｔＬａｂ２０１１ｂ平台下进行了仿真实验，证明了该算法在最优值、正确率和 误差均值上都有较大改进． 关键词：粒子群算法；多车场车辆路径问题；变异算子；编码方法 中图分类号：ＴＰ３０１．６　　　文献标识码：Ａ　　　文章编号：１６７２－９１０２（２０１２）０２－００８８－０５ 　　对于各种物流系统，其中一个关键环节为配送 力．另外，针对配送路径中多个车场多个车辆的问 过程．在配送过程中，必须要求物流人员在客户要 题设计了新的编码模式，使算法迭代次数减少，迭代 求的时间内采用合理的交通方式、合理的路径将货 效率提高．并在 ＭａｔＬａｂ２０１１ｂ上进行仿真实验，证 物送到目的地．物流配送路径问题的主要研究内容 明了改进后的ＰＳＯ算法提高了全局搜索能力，在最 即为研究物流运输路径优化，即让货物运输成本最 优值、正确率和误差率上均有较好表现． 小．计算机理论、运筹学理论都在这个问题中得到 １　物流配送路径问题数学建模 了应用，最近几年取得了较丰硕的成果． 物流配送路径问题求解一个重要方向为启发式 多个车场与多台车辆的物流配送路径问题可以 算法．粒子群算法（ＰＳＯ）是一种新的进化优化计算 用以下数学描述：在物流中心车场的个数为Ｍ，每个 方法，由Ｋｅｎｎｅｄｙ和Ｅｂｅｒｈａｎ提出，源于对鸟群捕食 车场有Ｋ（Ｋ，Ｋ，．．．，Ｋ）台配送车辆，每辆车的 ｉ １ ２ Ｍ 群体行为的研究（Ｊ．ＫｅｎｎｅｄｙａｎｄＲ．Ｃ．Ｅｂｅｒｈａｒｔ， 最大承重量都为ｑ，向Ｎ个客户送货，用户ｉ的货物 １９９５）．ＰＳＯ算法的优点是原理简单易懂、易于实 需求为ｇ（ｉ＝１，２，．．．Ｎ）．要求合理安排车辆配送 ｉ 现、效率高、正解率高，因此在众多领域得到应 方案，使车辆总运输成本最低，并满足以下条件：１） 用［１－４］ 每辆车运送完后必须返回原车场； ．但将标准 ＰＳＯ算法应用于物流配送问题