路徑優(yōu)化研究中以目標(biāo)節(jié)點(diǎn)的線性距離之和最短作為最優(yōu)路徑的求解結(jié)果難以運(yùn)用于實(shí)際.文中提出了結(jié)合電子地圖API的改進(jìn)蟻群算法,首先得到各個(gè)節(jié)點(diǎn)之間的實(shí)際道路導(dǎo)航距離,然后對(duì)基本蟻群算法進(jìn)行改進(jìn).在節(jié)點(diǎn)選擇策略上采用了輪盤選擇策略;在算法的不同時(shí)期對(duì)信息素?fù)]發(fā)系數(shù)ρ進(jìn)行調(diào)整;計(jì)算目標(biāo)節(jié)點(diǎn)距離時(shí)去掉節(jié)點(diǎn)間直線距離,而采用從電子地圖獲取的實(shí)際導(dǎo)航距離;最后獲取電子地圖數(shù)據(jù),用于改進(jìn)后的蟻群算法,進(jìn)行最優(yōu)路徑求解.實(shí)驗(yàn)結(jié)果分析表明,算法改進(jìn)前后求得的直線最短路程分別為64.526、62.598 km,驗(yàn)證了改進(jìn)后算法的有效性,實(shí)際道路導(dǎo)航最短路程為89.378 km,說明文中提出的最優(yōu)路徑求解方式更切合實(shí)際,實(shí)用性更高. 

【文章來源】：江蘇科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020年01期

【文章頁數(shù)】：7 頁

【部分圖文】：

螞蟻簡(jiǎn)略尋跡

物流配送的具體流程如下:首先,確定車輛數(shù)以及客戶點(diǎn)信息;隨后,計(jì)算車輛下一時(shí)刻對(duì)每條路徑的選擇概率,從而確定下一個(gè)即將訪問的客戶點(diǎn),并根據(jù)規(guī)則對(duì)前文中的ρ值進(jìn)行改進(jìn),滿足條件后返回,依次遍歷每輛車;最后,根據(jù)每輛車的最優(yōu)選擇結(jié)果得出最合適的配送方案.流程圖如圖3.4 實(shí)驗(yàn)結(jié)果與分析

在算法收斂性方面,文中的最優(yōu)解在迭代40次以上基本上已經(jīng)趨于穩(wěn)定,迭代過程中平均路徑長(zhǎng)度和最短路徑長(zhǎng)度如圖4.最后,在實(shí)驗(yàn)中根據(jù)傳統(tǒng)蟻群算法和文中改進(jìn)的蟻群算法,同樣在迭代200次的基礎(chǔ)上,以及在相同約束條件下,對(duì)比直線最短路程、平均路程和最大路程,如表4.可知文中改進(jìn)算法相比于未改進(jìn)之前增強(qiáng)了算法的正反饋機(jī)制,避免了算法停滯現(xiàn)象,對(duì)路徑規(guī)劃問題具有較好的適應(yīng)性和實(shí)用性.

【參考文獻(xiàn)】：
期刊論文
[1]考慮供應(yīng)不足的應(yīng)急物流車輛路徑優(yōu)化模型及算法[J]. 程碧榮,趙曉波,秦進(jìn).  計(jì)算機(jī)應(yīng)用研究. 2016(06)
[2]基于改進(jìn)蟻群算法物流配送路徑優(yōu)化的研究[J]. 張勇.  控制工程. 2015(02)
[3]基于改進(jìn)蟻群算法的物流網(wǎng)絡(luò)[J]. 楊平樂,崔曉燕,劉樹森.  江蘇科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(02)
[4]基于揮發(fā)系數(shù)的自適應(yīng)蟻群算法[J]. 吳小菁.  福建金融管理干部學(xué)院學(xué)報(bào). 2010(01)
[5]餐飲物流配送路線的優(yōu)化研究[J]. 屠一琳,霍佳震.  重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版). 2009(05)
[6]基于改進(jìn)蟻群算法的物流配送路徑優(yōu)化[J]. 張維澤,林劍波,吳洪森,童若鋒,董金祥.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2008(04)
[7]蟻群算法理論及應(yīng)用研究的進(jìn)展[J]. 段海濱,王道波,朱家強(qiáng),黃向華.  控制與決策. 2004(12)

碩士論文
[1]基于蟻群算法的智慧旅游路線規(guī)劃研究[D]. 牛悅誠.南京郵電大學(xué) 2017
[2]基于改進(jìn)混合蟻群算法的物流配送路徑優(yōu)化研究[D]. 李茹.山西大學(xué) 2017
[3]基于螞蟻算法在管理優(yōu)化方面的研究[D]. 趙勝敏.天津大學(xué) 2006



本文編號(hào)：2946189