蟻群算法在物流配送路徑優(yōu)化問題上的應(yīng)用研究.pdf

1、在全球經(jīng)濟(jì)一體化的大背景下，伴隨著我國經(jīng)濟(jì)的飛速發(fā)展，物流作為”第三利潤源泉”在我國得到了長足的發(fā)展。物流配送是物流活動(dòng)中直接與消費(fèi)者相關(guān)聯(lián)的環(huán)節(jié)，在物流的各項(xiàng)成本中，配送的成本占了相當(dāng)高的比例，因此，配送線路安排得是否合理直接影響著企業(yè)的成本支出[1]。在滿足多樣化用戶需求的前提下，如何有效地利用現(xiàn)有資源進(jìn)行車輛調(diào)度以減少企業(yè)的運(yùn)行成本，給企業(yè)帶來更大的利潤，是物流行業(yè)發(fā)展的目標(biāo)，也是研究者關(guān)注的重點(diǎn)問題。
　　 物流配送問題

2、實(shí)質(zhì)是車輛路徑問題(Vehicle Routing Problem，VRP)，車輛路徑問題具有很高的計(jì)算復(fù)雜性，屬于NP-hard問題[2][3][4]。隨著問題規(guī)模的擴(kuò)大，傳統(tǒng)的基于確定性的優(yōu)化算法在求解組合優(yōu)化問題時(shí)遇到了困難。于是人們在仿生學(xué)中受到啟發(fā)，提出了許多啟發(fā)式智能優(yōu)化算法，為解決復(fù)雜的組合優(yōu)化問題(如NP-hard問題等)提供了嶄新的思路。
　　 蟻群算法便是人類在觀察自然界真實(shí)螞蟻覓食的過程中總結(jié)出來的仿生優(yōu)化

3、算法，它在短短的十余年的發(fā)展歷程中展現(xiàn)出頑強(qiáng)的生命力，成功地應(yīng)用于解決旅行商問題(Traveling Salesman Problem，TSP)，車間作業(yè)調(diào)度問題(Job-shopScheduling Problem，JSP)，車輛路徑問題等組合優(yōu)化問題。蟻群算法作為新興的仿生優(yōu)化算法，因其具有分布式計(jì)算，自組織性和正反饋性質(zhì)而得到廣泛應(yīng)用。但搜索時(shí)間長，易陷入局部最優(yōu)解等也是基本蟻群算法的致命的缺點(diǎn)，針對此問題，本文在研究了遺傳算法基

4、礎(chǔ)上提出了一種改進(jìn)的蟻群算法-G-蟻群算法。通過對解決TSP問題的實(shí)驗(yàn)表明，G-蟻群算法在收斂速度和解的全局性上有更優(yōu)的性能。
　　 為了驗(yàn)證算法的性能，我們在VC6.0下進(jìn)行編程實(shí)驗(yàn)，并開發(fā)出針對對TSP問題和VRP問題的應(yīng)用軟件，實(shí)驗(yàn)結(jié)果表明，利用改進(jìn)的蟻群算法進(jìn)行VRP和TSP問題的求解，能夠得到令人滿意的效果。
　　 最后，針對快速發(fā)展的物流配送行業(yè)的發(fā)展，提出了對開發(fā)物流配送車輛計(jì)算機(jī)調(diào)度管理系統(tǒng)的設(shè)想并分析了