基于Agent的物流配送最优路线决策系统研究 .pdf

g?Agent娜

究

【摘要】近年来随着电商平台与直播带货的火热发展，直接地带动了中物

流行业的快速发展以及促进行业资源的整合，提高了现在的物流速度。但是，现

在的物流配送路线是由各个公司根据自己的效益所决定的，并不是最优路线。为

了解决配送的最优路线问题，本文利用Agent的移动性、主动反应性以及实时

性等特点，构建了基于Agent的物流配送决策系统，在系统的最优路线决策模

型中利用Dijkstra算法来求解发货地与目的地之间的最优路线，从而实现物流配

送最优路线的决策问题。

【关键词】物流配送最优路线决策系统Agent建模Dijkstra算法

一、引言

物流配送是现代物流管理的一个重要环节，是实现电商、直播带货的关键一

环和基本保证。近年来，随着互联网的大力发展，电子商务得到了空前的发展。

在今年疫情下，直播带货又将电子商务推上了一个新的高度。因此，也直接的带

动了物流行业的迅猛发展。在今年一、二季度因疫情原因使得市场经济低迷的情

况下，物流行业的经济指标依然有很好的增长。

现在的各种物流配送系统中，需要采取一些配送的策略来降低货运费用和行

驶路程，提高物流配送速度和服务水平，物流配送策略其中车辆路线安排问题

(VRP)是物流领域中一个研究的热点问题。VRP属于多约束条件的组合优化

问题，是由Dantzig和Ramser于1959年首次提出，是运筹学、管理学、计算

机应用、组合数学、图论等学科的组合优化问题。当前的物流配送路线决策涉及

客户信息管理、订单信息管理、配送点管理、地理位置信息管理等许多方面，体

系复杂庞大。因此需要建立一个物流配送决策系统，管理物流系统中的各种数据

信息，选择配送的最优路线。

智能体（Agent）是人工智能领域中一个很重要的概念，出现于20世纪70

年代，80年代后发展起来。智能体具有自治性、反应性、交互性、主动性以及

社会性等特征o它自身拥有行为控制机制，可根据自身状态以及外部环境的感知,

做出决策和相应的行为;因为具有社会性，所以它可以与其他的智能体进行交流

合作;同时可以感知所处环境信息，可以实时的做出适当的反应。智能体的概念

和方法不仅是计算机领域和人工智能领域研究的热点，而且引起了军事、教育、

交通、物流等许多领域的关注和相关的应有研究。

本文利用Agent的移动性、主动反应性以及实时性等特点，构建了基于Agent

的物流配送决策系统。在系统的最优路线决策模型中采用Dijkstra算法选择最优

路线。

二、利用Dijkstra算法求解最优路线

（一）Dijkstra算法概述

在物流配送过程中最重要的一环是选择车辆最优配送路线问题即VRP问题,

在车辆配送过程中，耗费的油量、花费的时间以及高速路费等支出与两点之间的

路程是具有正相关性的。故而本文选择车辆配送最优路线以配送点与客户两点之

间的最短路径为标准，即最短路线为最优路线。决策系统利用图论知识中的

Dijkstra算法来求解两点之间的最短路线即为物流配送最优路线。

迪杰斯特拉算法（Dijkstra）是由荷兰计算机科学家狄克斯特拉于1959年提

出的，因此又叫狄克斯特拉算法。是从一个顶点到其余各顶点的最短路径算法,

解决的是有权图中最短路径问题。迪杰斯特拉算法主要特点是从起始点开始，采

用贪心算法的策略，每次遍历到始点距离最近且未访问过的顶点的邻接节点，直

到扩展到终点为止。

（二）Dijkstra算法应用原理

物流配送点根据服务端发来的订单数据，解析数据得到客户的地理位置信息,

利用地图可将配送点与客户看作地图上两点，其余点都是各个城市所设立的快递

中转站。将配送点作为起点、客户作为终点，所以有物流配送网络图模型表示为

G=,e,表示起点、终点以及各个中转站点，E表示每两个点之间的路线距

离。以图1物流配送模拟图为例：

G=VV,6

其中，V={1,2,3,4,5,6},E={dij|1i,j6）

Dijkstra算法求解流程包含以下方面：①初始时S只包含起点1;U包含除

1外的其他顶点，且U中顶点的距离为起点1到该顶点的距离;②从U中选出

距离最短的顶点k,并将顶点k加入到S中;同时，从U中移除顶点k;③更新U