基于蚁群算法配送路径规划研究.docVIP

基于蚁群算法配送路径规划研究 　　摘 要：物流配送路径规划一直是物流领域研究的热点和难点问题，文章提出了一种基于蚁群算法的物流配送路径选择方法，从最优路线选择的角度，阐述了各种最优参数的选取，基于精英蚂蚁系统模拟的方法，找出算法约束参数最优解，并且应用到实例中进行验证，可为物流配送中心路径选择提供评估模型。 　　关键词：精英策略；蚁群算法；配送中心；信息素；路径 　　中图分类号：F252.14 文献标识码：A 　　关于物流配送路径规划一直是物流领域研究的热点和难点问题，从国外研究情况来看，1993年Ronald 等人提出物流系统设计的四个核心战略规划区域模型（Four major strategic planning areas in logistics system design），他认为四个核心区域为客户服务水平、选址决策、库存决策和运输决策（Customer service levels，Location decisions，Inventory decisions，Transport decisions），对于配送中心选址方法可简单分为定性和定量两大类，定性方法主要是层次分析法和模糊综合评价相结合对各个方案进行指标评价，找出最优地址。定量方法包括重心法、运输规划法、Cluste法、CFLP法、Baumol-Wolfe模型、混合0—1整数规划法、双层规划法、遗传算法等。蚁群算法是一种新型的优化方法，该算法不依赖于具体问题的数学描述，具有全局优化能力。 　　本文提出了一种基于改进蚁群算法的物流配送路径规划方法，将物流配送中心看成一个聚类过程，再利用蚁群系统中蚂蚁通过信息素留存寻找最优路径的机制，结合蚂蚁使物体聚堆的行为模式，合理设计转移概率、禁忌列表及信息素更新方式，使系统配送中心的配送路径最短，从而确定配送中心的配送路径。 　　1 蚁群算法 　　仿生学家经过大量细致观察研究发现，蚂蚁个体之间通过一种称为外激素的物质进行信息传递，蚂蚁在运动过程中，能够在它所经过的路径上留下信息素，而且蚂蚁在运动过程中能够感知这种物质，并且以此指导自己的运动方向。受此启发，它由意大利学者Marco Dorigo于1991年在他的博士论文中引入，提出了一种基于蚂蚁种群的新型优化算法——蚁群算法。 　　蚁群算法（ant colony optimization， ACO），又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型技术。其灵感来源于蚂蚁在寻找食物过程中发现路径的行为，蚂蚁总能找到巢穴与食物源之间得最短路径。经研究发现，蚂蚁的这种群体协作功能是通过一种遗留在其来往路径上叫做信息素（Pheromone）的挥发性化学物质来进行通信和协调的。化学通信是蚂蚁采取得基本信息交流方式之一，在蚂蚁的生活习性中起着重要的作用。通过对蚂蚁觅食行为的研究发现，整个蚁群就是通过这种信息素进行相互协作，形成正反馈，从而使多个路径上的蚂蚁都逐渐聚集到最短的那条路径上。 　　1.1 研究目的 　　本研究拟通过学习蚂蚁觅食回巢的生物本能，对物流配送进行仿真模拟，找出优化的配送路径，提高物流配送的效率和效益。 　　1.2 研究的对象 　　先对6个同配送点的配送方案进行研究，然后延伸到100个配送点，并找出最佳路径。以上步骤均通过计算机编程进行演化分析。把研究的成果进行实际应用的演算和验证。 　　1.3 研究方法 　　本文使用蚁群算法，进行人工模拟配送路线，并用计算机编程进行模拟，就如同一只人工蚂蚁，背着背包，到若干个结点，搬运食物回蚁巢。 　　规则1 环境：人工蚂蚁所在的环境是一个虚拟的世界，有确定的路线桥，且两点间路线桥不相交；有信息素，信息素都同质（不区分，找到食物时分泌的信息素和回巢时分泌的信息素），环境以一定的速率让信息素消失。 　　规则2 移动：人工蚂蚁只会沿着路线桥觅食，当走到结点（觅食点），人工蚂蚁会判断是否有信息素及其浓度，优先选择信息素浓度大的路线桥为路径；同时会有一定的概率，随机选择别的路线桥；如路线桥上均无信息素则随机选择路线桥。 　　规则3 觅食：人工蚂蚁沿路线桥到各个结点觅食，当到达该觅食点后，为防止人工蚂蚁原地转圈，它会记住最近刚走过哪些点（禁忌表），如发现下一个结点是已觅食过的结点，则会避开该点。 　　规则4 信息素：每只人工蚂蚁在遍历完各点后，系统会利用蚁周算法更新信息素，对总路径最短的路线进行精英激励，会大量增加该路线信息素；如果总路径较长则少量增加信息素；信息素在人工蚂蚁遍历完后，将会按一定速率自动挥发所有路线桥上的信息素。 　　2 研究步骤 　　2.1 初始化结点 　　各个结点进行坐标化，数据存入zuobiao（序号：X，Y）表中，见表1，然后构造成路线桥距离矩阵存入jiedian（序列：1，