基于蚁群算法的农产品配送路径优化研究.PDFVIP

2010年2月第1期 基于蚁群算法的农产品配送路径优化研究 基于蚁群算法的农产品配送路径优化研究 钟晓燕 (福建师范大学协和学院，福建福州350007) [摘要]根据生鲜农产品保鲜期短的特点，考虑了农产品对配送时间和车辆载重量的限制，研究了非满载型 配送优化问题，建立了有时间窗的农产品配送路径优化模型，并结合实例，采用改进的最大最小蚁群算法求解模 型，运用Java编写相应的程序，提高配送决策的效率和精度。 [关键词]农产品；配送；模型；蚁群算法 [中图分类号】F253．4 文献标识码：A 文章编号：1008—4940(2010)01—0033—06 物流配送作为物流体系中最为重要的一环，对整 1．1基本假设 个物流系统的效率起着关键的作用，农产品具有保鲜 ①已知所有需求客户的地理位置和需求量； 期短、易腐烂变质的特点，合理的配送路径能够降低 ②配送中心的货物储备足以满足所有客户对商 配送成本，减少迂回运输、交叉运输、重复运输等现 品品种、数量的需求，且有足够的运力可供调配； 象，保证农产品的最佳品质和物流服务质量，配送路 ③各需求点的生鲜农产品必须一次送到，且完 径优化问题是中一个典型的NP—hard问题，其目标成此项任务的配送车辆唯一； 函数通常是车辆数和运输成本最小化，为寻找到一种 ④所有配送车辆的型号相同，且一次配送完成 高效、精确的算法，人们开始尝试利用仿生智能算法 的任务量不得超过其容量限制及载重量； 求解，蚁群算法(Ant ColonyAlgorithm)是一种新的⑤配送速率不变； 群体智能启发式优化方法，它具有分布式正反馈并行 ⑥不考虑生鲜农产品在配送过程中的腐坏损失， 计算机制，易于与其他方法结合，具有较强的鲁棒 仅以充分满足客户的时间窗约束来控制易腐农产品的 性【lqj，适合求解车辆路径等组合优化问题，由于基 腐坏损失； 本蚊群算法收敛速度慢且易陷于局部最优，很难在较 ⑦由于配送费用主要与运输重量有关，与农产 短时间内对大规模VRP求得满意最优解，且该算法 品的品种关系较小，因此本文仅考虑单源品种的 极易出现停滞现象。本文研究有时间窗限制的车辆路 配送。 径模型，应用改进蚁群算法求最优解，并进行初步实 1．2模型的构建与求解 际应用。 对于一个配送中心，拥有仓库和车辆，任务的执 1 生鲜农产品配送路径优化模型 行是从仓库装货开始的，然后把货物分别送到不同的 根据订单要求对配送任务进行分类，配送路线的 客户地点后返回．这样整个调度问题就简化为单车场 选择优化可分为满载型和非满载型两种情况H]。由于 多任务送货问题，所有的车辆都是从配送中心出发， 农产品属于小批量多批次的消费性产品，本文主要研 任务完成后，回到配送中心。 究非满载型的配送路径优化问题。 由于考虑生鲜农产品的配送是有时间约束的VRP ·收稿日期：2009—12—20 基金项目：福建省科技厅重点项目(2005D106)。 作者简介：钟晓燕(1982一)，女，福建师范大学协和学院教师，硕士研究生。研究方向：物流系统。 E—mail：frigle41@163．COrn 万方数据 福建商业高等专科学校学报 2010年2月第1期 问题。它要求农产品按规定的送达需求点，否则将产 装载量不能大于实际的车辆额定装载量；式(3)每 生等待或延迟损失，提高配送成本。所以非满载型配 个需求点仅仅被服务一次，每个车辆都从配送中心出 送的总费用为：