贪婪和AStar算法在物流配送中应用及仿真.docVIP

贪婪和AStar算法在物流配送中应用及仿真 　　摘 要：在物流的各项成本中，配送成本占了相当高的比例。因此，物流配送中最优路径选择对物流企业增加利润起着关键作用。采用科学、合理的方法来进行物流配送路径的优化，是物流配送领域的重要研究内容。本文深入研究A-Star算法，结合贪婪算法的思想，在QT Creator平台上，采用Visual C++编程对物流配送中路径的选择问题进行模拟仿真。通过再现交通运输环境，模拟物流运输中的突发事件，优化物流配送的路线。根据需求，设计出最短路径和最少时间的配送方式，并在地图上显示其对应的路径。通过本软件模拟解决物流配送中各种情况，从而降低运输成本。这对于提高物流配送决策效率以及降低物流配送成本具有重要的意义。 　　关键字：最优路径选择；A-Star算法；贪婪算法；模拟仿真 　　中图分类号：TP301.6 文献标识码：A DOI：10.3969/j.issn.1003-6970.2013.06.012 　　0 前言 　　物流与国民经济及生活的诸多领域密切相关，越来越多得到重视，甚至被看作是企业“第三利润的源泉”，而在物流成本方面，运输费用占大约50% ，比重最大[1]。因此，物流配送中最优路径选择的研究具有巨大的经济意义。物流配送中的最优路径选择问题的研究和应用都相当广泛，近几十年，国内外均有大量企业机构、学者对该问题进行了大量而深入的研究，取得丰硕的学术成果。如1953年，Bodin，Golden 等人便撰文综述了该问题的有关研究进展情况，列举了几百余篇相关文献，这些文献成为了早期车辆路径问题研究资料，随后随着该问题不断研究深入，约束模型及条件不断变化，车辆路径问题研究的最新进展可见Alt- inkerner 和 Oavish，Laporte，Salhi 等人的综述性文章[2]。围绕该问题的解决也极大推动了计算机学科的发展，不断有新的模型和算法推出。针对物流配送车辆路径优化问题的求解方法很多，根据算法原理的不同大致可分为两大类：精确算法和智能式启发算法。精确算法是指可以车辆路径问题的数学模型可求出其最优解算法，但由于算法存在诸多缺陷，所以在实际中应用并不广泛。目前，启发式算法是解决物流配送中最优路径选择的主要方法和主向[3]。近年来，随着科学的???展，一些新的启发式方法被用在求解物流路径选择及优化问题上，可以通过使用启发式方法获得较快的收敛速度和较高质量的全局解，常用的算法有模拟退火算法、GA 算法等[4]。A*算法是人工智能中一种典型的启发式搜索算法，被广泛应用于最优路径求解和一些策略设计的问题中[5、6]。本文结合贪婪算法的思想，深入研究A-Star（A*）算法，在QT Creator平台上，采用Visual C++编程对物流配送问题进行模拟仿真，同时考虑最短时间和最短路径两个方面，以此来解决物流配送中最优路径选择的问题，达到物流配送最优线路规划的目的。 　　1 需求分析 　　1.1 总体框架 　　在物流配送时，物流车装载当日需要配送的货品从仓库出发，按照事先规划好的最优配送路径为每一个客户进行配送，最后返回仓库。这就涉及在配送时配送路线的选择问题，而在配送之前，IT系统需要根据客户的配送地址间线路间距和经验路况分析计算出一条最优配送路径。并且在配送过程中，如果某路段发生堵车状况，需要动态调整配送路线，以达到最优配送的目的。为此，在QT Creator平台上，以面向对象的设计方式来开发最优物流配送的功能软件。通过再现交通运输环境，模拟物流运输中的突发事件，优化物流配送的路线，分别根据需求，设计出最短路径和最少时间两种配送方式，并通过二维动画的效果显示出来。通过此软件呆模拟解决物流配送中各种情况，从而降低运输成本。设计本软件的总体思路如图1所示。 　　1.2 功能设计 　　设计的软件从功能上来说，主要包括以下几点： 　　（1）载入一张已有地图（*.map的文件）或生成一张空白地图。用户可以在这张空白地图上操作，通过障碍物的增删来设置城市的道路。 　　（2）道路突发事件设置。 　　a.用户可以根据实际情况或主观意愿对地图进行规划。在地图中添加障碍物，设置道路前方的暂时封闭或者道路施工等未知路况。 　　b.也可以模拟城市人流量大的地方，通过在地图上，设置易堵车而导致前行速度下降的未知路况。 　　（3）设置仓库及客户点。 　　a.随机生成仓库及客户点。在地图中，用户可随机生成若干个客户点和仓库点。 　　b.指定生成仓库及客户点。在已生成或者模拟的地图上，根据用户的不同需求，可在地图上任意位置生成客户点和仓库点。 　　c.可以对仓库及客户点进行增删。 　　（4）计算路径及优化。 　　a.根据用户之前模拟的各种情况，计算其最短路径。根据用户载入或者自己规划的地图