蟻群算法在物流系統(tǒng)中的應(yīng)用研究.pdf

1、人們生活的現(xiàn)代社會(huì)是由計(jì)算機(jī)信息網(wǎng)絡(luò)、電話通信網(wǎng)絡(luò)、物流分派網(wǎng)絡(luò)、運(yùn)輸服務(wù)網(wǎng)絡(luò)等等各種網(wǎng)絡(luò)組成的一個(gè)復(fù)雜的網(wǎng)絡(luò)系統(tǒng)。 隨著研究對(duì)象的日益復(fù)雜化，一些傳統(tǒng)的基于精確模型的確定性優(yōu)化算法在解決具體問題時(shí)都遇到了極大的困難，一些學(xué)者從生物的生活習(xí)性中受到啟發(fā)，提出了許多仿生類啟發(fā)式智能優(yōu)化算法。蟻群優(yōu)化算法ACO(Ant ColonyOptimization)則是其中一種，特別適合于解決一些組合優(yōu)化問題。該算法由Dorigo等人于20

2、世紀(jì)90年代初提出以來，至今已引起越來越多人們的注意而發(fā)展出許多后續(xù)對(duì)其改進(jìn)的算法，并且在很多領(lǐng)域得到了廣泛的應(yīng)用。 由于蟻群優(yōu)化算法是模擬螞蟻覓食的習(xí)性，采用的是分布式并行計(jì)算機(jī)制，具有較強(qiáng)的魯棒性并易與其他方法結(jié)合的特點(diǎn)，但也和其他進(jìn)化算法一樣存在計(jì)算量大、搜索時(shí)間長、易陷入局部最優(yōu)的突出缺陷，針對(duì)算法的固有缺陷，后續(xù)很多學(xué)者對(duì)蟻群算法進(jìn)行了改進(jìn)。本文對(duì)蟻群算法及其在物流系統(tǒng)優(yōu)化中的應(yīng)用進(jìn)行了研究，其主要研究內(nèi)容如下：

3、 在物流系統(tǒng)優(yōu)化兩類難題中，提出用蟻群算法來求解配送中心選址的實(shí)際問題，針對(duì)該類組合優(yōu)化問題，設(shè)計(jì)了一個(gè)改進(jìn)算法，充分利用蟻群算法的并行機(jī)制和正反饋機(jī)制，引入局部更新規(guī)則增強(qiáng)正反饋?zhàn)饔?，加快搜索速度，在全局更新中增加本輪最?yōu)路徑上信息濃度，并在迭代后期引入動(dòng)態(tài)平滑信息素軌跡機(jī)制，增大那些低信息軌跡被選擇的概率，增強(qiáng)算法的搜索能力，通過對(duì)實(shí)例問題的求解，驗(yàn)證了改進(jìn)算法的有效性，找到了最優(yōu)解組合。針對(duì)第二類問題的TSP模型實(shí)質(zhì)和蟻群算法在

4、解決該類問題中的固有不足，本文提出了一種具有獎(jiǎng)罰機(jī)制的分組蟻群算法。即對(duì)螞蟻進(jìn)行分組，利用螞蟻組之間合作和組內(nèi)螞蟻相遇合作思想，采用全局與局部更新規(guī)則和改進(jìn)MMAS策略，并引入獎(jiǎng)罰機(jī)制對(duì)信息素進(jìn)行更新。仿真實(shí)驗(yàn)數(shù)據(jù)表明改進(jìn)后的算法避免了算法停滯而陷入局部最優(yōu)的現(xiàn)象，加快了搜索速度，找到的解也較優(yōu)，取得了算法時(shí)間和優(yōu)化性能之間的平衡，提高了算法的性能。 在物流系統(tǒng)供應(yīng)鏈網(wǎng)絡(luò)優(yōu)化中出現(xiàn)的需尋求最優(yōu)斯點(diǎn)或其組合來構(gòu)造斯坦納最短樹的問題