蟻群算法及其在物流中的應(yīng)用研究.pdf

1、物流系統(tǒng)是一個網(wǎng)絡(luò)系統(tǒng)，既包括由物流線路與物流結(jié)點組成的實體網(wǎng)絡(luò)，又包括由計算機和通信系統(tǒng)組成的虛擬網(wǎng)絡(luò)。網(wǎng)絡(luò)在各種實際背景問題中以各種各樣的形式存在，網(wǎng)絡(luò)的優(yōu)化廣泛用于解決不同領(lǐng)域中的各種問題，如生產(chǎn)、分配、項目計劃、資源管理等。 隨著優(yōu)化對象的日益復(fù)雜化及不確定性，傳統(tǒng)的基于確定性的優(yōu)化算法遇到了極大的困難。于是人們從生物進化及仿生學(xué)中受到啟發(fā)，提出許多啟發(fā)式的智能優(yōu)化方法，如模擬退火算法、遺傳算法、禁忌搜索算法、神經(jīng)網(wǎng)絡(luò)算

2、法以及蟻群算法等，它們?yōu)榻鉀Q許多復(fù)雜優(yōu)化問題(NP-困難問題)提供了嶄新的途徑。 蟻群算法作為一種新興仿生優(yōu)化算法，因其具有分布式計算、自組織、正反饋等特性而得到了廣泛應(yīng)用。但搜索時間長、易陷入局部最優(yōu)解是蟻群算法突出的缺點。針對該問題，提出將信息素初始值設(shè)為零，以增強算法初始搜索的隨機性，擴大算法的搜索空間，從而提高算法的全局尋優(yōu)能力。對于搜索時間長以及停滯在次優(yōu)解的問題，通過與2-opt法相融合，從而縮短搜索時間，加快對最優(yōu)

3、解的收斂速度。通過對大量TSP Benchmark問題的仿真實驗，驗證了信息素初值為零的蟻群算法與2-opt法相融合的有效性，對于中小規(guī)模的TSP很容易得到最優(yōu)解，特別是Ei151和Tsp225問題均找到了比TSPLIB提供的參考解更優(yōu)的解。 物流系統(tǒng)中的運輸及貨物配送問題是目前蟻群算法應(yīng)用研究的熱點，運輸問題是一類特殊的線性規(guī)劃問題，通過將該類問題轉(zhuǎn)化為蟻群網(wǎng)絡(luò)，利用自適應(yīng)蟻群算法求解，可得到多種最優(yōu)方案，與傳統(tǒng)的最小元素法和

4、伏格爾相比，具有更好的尋優(yōu)能力，特別當(dāng)規(guī)模較大時，用自適應(yīng)蟻群算法解決運輸問題更為有效。貨物配送問題也稱之為車輛路徑問題(VRP)，在求解VRP時，有可能得不到一個可行解。針對該問題，借鑒K-TSP的求解方法，優(yōu)先構(gòu)造可行解，在所有螞蟻完成各自可行解之后，對較優(yōu)解路徑上的信息素進行加強，最終得到問題的最優(yōu)解或較優(yōu)解，通過對有關(guān)算例的仿真實驗，結(jié)果表明：可行解優(yōu)先的蟻群算法在求解VRP時，縮短了搜索時間，簡化了求解過程，解決了無可行解的問