王兵+劉佩+周亦鵬

摘 要：物流配送路徑問題已成為現(xiàn)在關(guān)注的熱點，尋找一種有效全局優(yōu)化的算法對研究該問題起著至關(guān)重要的作用。本文提出了一種改進的蟻群算法，通過適當調(diào)整相關(guān)參數(shù)和信息素規(guī)則，試圖提高算法的運算性能。并結(jié)合Matlab7.0編寫程序進行仿真，基于實驗結(jié)果驗證了改進后的蟻群算法的高效性，為研究物流配送路徑算法提供了一種新思路。

關(guān)鍵詞：配送路徑；蟻群算法；信息素

中圖分類號：TP301 文獻識別碼：A

蟻群算法是20世紀末意大利學者Dorigo提出的一種仿生計算方法。在解決路徑優(yōu)化問題上具有很好的適用性，特別是解決TSP問題和路徑分配問題。但如何能提高收斂速度和全局搜索能力原則，一直是研究的重點。本文提出一種改進的蟻群算法優(yōu)化方法，通過適當調(diào)整相關(guān)參數(shù)和信息素規(guī)則，以求在物流配送路徑選擇方面獲得更好的效果。

1.物流配送路徑數(shù)學模型

已知一個物流中心有k輛車，車載量是qk，要完成N個目客戶點的配送任務?？蛻酎c為i，該點需求量為gi，maxgi≤maxqk，求符合要求的車輛最短路徑。設(shè)客戶點i到j(luò)總運輸成本cij、車輛一次運送成本c0、車輛路程c1、其他成本c2，p1p2為行駛路程和額外成本費用系數(shù)。xxjk，yki取0或1分別代表k車從點i到點j，客戶i需求由k車完成，否則均為0配送中心等待。數(shù)學模型如下：

2.蟻群算法及其改進

2.1 蟻群算法

其中，Q表示信息素強度，即：某只螞蟻在走過所有的城市后，留在線路上的信息量的總和，該值通常取為正常數(shù)即可。Lk描述的是在該次迭代過程中，螞蟻k路過的線路的總距離。

2.2 基于參數(shù)動態(tài)調(diào)整策略的蟻群算法優(yōu)化

蟻群算法在求解配送問題時，需要提高收斂速度的同時也要保證全局搜索能力。本文提出一種算法參數(shù)的動態(tài)調(diào)整策略來實現(xiàn)算法的優(yōu)化。影響蟻群算法的計算效率和效果的參數(shù)包括：信息啟發(fā)因子α、期望值啟發(fā)因子β、信息素殘留系數(shù)ρ和信息素強度Q等。根據(jù)以上影響因素，因為α與β兩個因子具有相似的特性，本文的α，β值采用隨循環(huán)次數(shù)的增大而逐漸變小的策略來使算法的性能得到增強。將α值取大一點，隨后逐漸降低α值。方法如下：

根據(jù)實驗結(jié)果，平均最優(yōu)費用為6573，平均迭代次數(shù)為46。而文獻[2]中研究的最好結(jié)果是平均最優(yōu)費用為7258，平均迭代次數(shù)為56。因此，本文算法參數(shù)動態(tài)調(diào)整策略和信息素更新策略，能夠在物流配送路徑優(yōu)化問題上獲得更好的性能優(yōu)化效果。

結(jié)論

面向物流配送路徑問題，建立了配送路徑選擇的數(shù)學模型，并分析了影響蟻群算法計算效率的因素。針對蟻群算法的性能優(yōu)化問題，對蟻群算法進行改進，并引用物流實例數(shù)據(jù)進行仿真實驗，實驗表明本文提出的動態(tài)調(diào)整算法參數(shù)的策略和信息素更新策略較為明顯地提高了算法的性能，從而為蟻群算法，解決物流配送路徑問題提供幫助。

參考文獻

[1]林博.改進遺傳算法在物流配送中的應用研究[D].遼寧科技大學，2016.

[2]張欣鈺.半開放式多配送中心車輛路徑優(yōu)化問題研究[D].大連：大連海事大學，2014.

[3]石華瑀.改進的蟻群算法在實際VRP中的應用研究[D].山東大學，2012.

[4]王進.蟻群算法在物流系統(tǒng)中的應用研究[D].南昌大學，2008.

[5]沈彬.改進蟻群算法在物流配送中的應用研究[D].浙江大學，2004.