1、ANYANG INSTITUTE OF TECHNOLOGY本 科 毕 业 论 文城区物流快递送货的路径选择研究The Research of path Choice for City Logistics Express 系(院)名称： 计算机科学与信息工程学院 专业班级： 11 届计算机科学与技术嵌入方向 学生姓名： 学生学号： 200703020038 指导教师姓名： XXX 指导教师职称： 副 教 授 2012 年 5 月毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以
2、标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得安阳工学院及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。作 者 签 名： 日 期： 指导教师签名： 日 期： 使用授权说明本人完全了解安阳工学院关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。作者签名：
3、日 期： 城区物流快递送货的路径选择研究专业班级：11 届计算机科学与技术嵌入方向 学生姓名：指导教师：侯贵法 职 称：副教授摘要：物流快递是现代电子商务的支撑基础。我们越来越依赖于物流的同时，也伴随着很多问题，比如能不能尽快送到目的地，怎样才能最快送到等。物流快递送货的路径选择即对于给定的一组订单，先送什么后送什么的路径规划。对于小规模的送货可用最短路径和动态规划等方法实现，但是随着问题规模的扩大，组合优化问题常常会呈现组合爆炸的特征，此类问题无法使用常规方法来求解，属于 NP-Hard 问题，车辆路径问题就是典型的组合优化问题。蚁群算法（ACO）是受自然界中蚂蚁搜索食物行为启发而提出的一种
4、智能优化算法。研究发现，蚁群算法可以较好地求解 VRP（Vehicle Routing Problem，车辆路径优化）等组合优化问题。蚁群算法发现较好解的能力很强，具有分布式计算、鲁棒性强、易于与其他方法结合等优点，具有十分广阔的应用前景。然而，蚁群算法存在求解速度慢，在规模扩大后带来收敛慢等问题。对车辆路径问题解决上，现有的蚁群算法存在难以回归原点等问题。这些问题也是我们面临的巨大挑战。本文采用的是面向对象的 VC 语言，依据蚁群算法解决配送路线的优化问题，文章从以下几个方面展开：首先充分概括了当前的蚁群算法在车辆路径问题上的研究。详细分析了基本蚁群算法的原理，然后详细阐述了 VRP 问题并
5、引用了其数学模型，并介绍了蚁群算法解决 VRP 问题的方法以及现状面临的挑战。并将遗传算法的复制、交叉、变异等遗传算子引入蚁群算法，同时改进信息素的更新方式、客户点选择策略，以提高算法的收敛速度和全局搜索能力。关键词： 物流配送 车辆路径问题 蚁群算法 The Research of path Choice for City Logistics ExpressAbstract: Logistics express is the basis of modern e-business. we are increasingly dependent on logistics. We are incre
6、asingly dependent on the logistics with many problems associating with it at the same time. For example ,if it is sent to the destination as soon as possible ,how can it be the fastest . The delivery route choice of logistics express is a path planning of what should be put foreword and what afterwa
7、rd for a group of given orders .It is can be realized by using the method of the shortest path and dynamic programming for the small-scale delivery.But with the expansion of the scale , combinatorial optimization problem often feature a combination of the explosion ; such problems can not use conven
8、tional methods to solve . The problem belongs to NP-Hard . Ant colony algorithm (ACO) is created by the natural world which is to imitate the process of ants searching for food . The study found that ant colony algorithm finds better solutions of strong , distributed computing , robust, easy-to comb
9、ination, etc. These performances make it have very broad application prospects. However ,the ant colony algorithm has disadvantages like slow convergence in the expansion nodes and so on .Whats more , the an colony algorithm in the vehicle routing problem cannot make traveler return to repository ce
10、nter properly. These problems are also huge challenges that we are facing.In this paper ,the system is based on VC technology ,full analyses of the current ant colony algorithm are listed on the issue .Then we analyze the basic ant colony algorithm in detail ,and then elaborated on the issue VRP and
11、 its mathematical model .The increasing scale nodes of the combinatorial optimization problems lead to deal with problem more difficult . Several genetic operators such as crossover and mutation are inducted into the ant colony algorithm , and pheromone updating strategy is ameliorated to improve th
12、e efficiency . Key words: logistic distribution Vehicle Routing Problem ant colony algorithm (ACA)I目录引言 .1第 1 章 绪 论 .21.1 课题研究的背景和意义 .21.1.1 课题研究的背景 .21.1.2 课题研究的意义 .21.2 研究现状 .21.3 课题的研究内容 .31.3.1 基本蚁群算法研究 .31.3.2 蚁群算法解决车辆路径问题 .3第 2 章 VRP 问题的蚁群优化算法分析 .42.1 蚁群算法应用于 VRP 问题 .42.1.2 物流配送问题的描述 .52.1.3 利
13、用蚁群算法解决车辆路径问题 .52.1.4 实际应用 .62.1.5 确定可行解采用策略 .72.2 传统算法存在的问题 .82.3 相关理论简介 .92.3.1 蚁群算法基本原理 .92.3.2 车辆路径问题 .92.3.3 遗传算法 .102.3.4 蚁群算法信息素 .11第 3 章 基于改进的蚁群算法解决车辆路径问题 .133.1 蚁群算法的改进 .133.1.1 改进算法提出的背景 .133.1.2 处理策略 .133.2 可行解问题 .16II3.3 程序的设计 .193.3.1 Ant 模块 .193.3.2 Common 模块 .213.3.3 蚁群和遗传算法相结合 .24第 4
14、 章 系统测试分析 .264.1 单元测试 .264.1.1 测试 1 .264.1.2 测试 2 .27第 5 章 结论 .295.1 总结 .295.2 展望 .29致谢 .30参考文献 .311引言物流是以物品从供应地向接收地实体流动的过程。它是一个全新的系统概念，和金融结算一起构成了现代电子商务的两大支撑基础。随着经济的发展和经济体制改革的进一步深化，物流业正成为我国市场经济中竞争最为激烈的行业之一，其在现代经济发展中的地位和作用，比任何时期都更加重要。现阶段，物流业已贯穿于我国生产、分配、流通、和消费的各个领域，社会对物流需求的数量、质量正在不断提高。物流配送作为物流体系中最为重要的
15、一环，对整个物流体系的效率起着关键的作用。先进高效的物流配送系统能为企业创造出更高的经济效益，是企业增强自身竞争力的重要手段。当今物流配送的一个重要的研究领域就是系统优化。车辆调度是物流配送管理最重要的部门。随着社会的发展以及消费者对服务质量要求的不断提高，高效的车辆调度，以提高物流效率、降低物流成本、提高服务质量对于促进经济健康稳定的发展具有重要意义。所谓的车辆路径问题，就是车辆和路径的恰当选取，运输规划的合理制定问题。解决此问题，可用加快对客户需求的响应速度，提高服务质量，增强客户对物流环节的满意度，降低服务商运作成本。车辆调度问题（vehicle route problem , VRP）
16、是物流的一个重要研究方向，是一个典型的车辆调度问题，也是一个比较重要的组合优化问题。优化技术原本是近代数学的一个分支，优化是指寻求数学上的最优解，而优化技术则是以数学为基础寻求最优解的技术。在管理科学中，优化是指在给定条件下如何做出最佳的决策去完成给定的任务，最好地达到预期的目标。对于车辆路径这种组合优化问题，通常随着问题规模的扩大，问题空间呈现组合爆炸特征，因此，无法用常规方法求解，属于 NP-Hard 问题。研究声明：蚁群算法发现较好解的能力很强，具有分布式计算、鲁棒性强、易于与其他方法结合等优点，具有十分广阔的应用前景，也具有很重要的研究价值。通过研究车辆路径问题，确定最佳的运输路线，在
17、提高车辆满载率的同时，使车辆运输距离达到最小化，完善配送系统，使配送环节的总成本降低，提高配送的效率。2第 1 章 绪 论1.1 课题研究的背景和意义1.1.1 课题研究的背景物流业正在成为我国市场经济中竞争最为激烈的行业之一，在我国国民经济和社会发展“十一五”计划中，已将“物流配送”作为重点支持和发展的服务产业。智能物流配送管理系统是完成货物配送的功能性系统，也是车辆配送中心系统中一个非常重要的组成部分。 而高效的车辆调度，可以提高物流的效率、降低物流成本、提高物流服务质量、加快对客户需求的响应速度，增强客户对物流的满意度。1.1.2 课题研究的意义物流配送路径优化和蚁群算法原型所解决的问题
18、相比有共同点都是寻找遍历所有客户点的最短路径的问题，也有其特性有更多更复杂的约束条件和优化目标。本文针对这种特点，研究一种基于蚁群算法的优化路径算法，通过引入遗传算子，在局部搜索过程中能够避免算法早熟、停滞，同时改进信息素的更新方式、客户点选择策略，增强蚁群算法的正反馈作用，从而提高收敛速度和全局搜索能力，使得其在物流配送路径优化问题中有较好的实际效果。1.2 研究现状蚁群算法是由 M.Dorigo 和他的同事首先提出来，很好地解决了一些复杂的组合优化问题，如旅行商问题（TSP）和背包问题等等。目前已经有很多种基于蚁群算法或其改进算法，应用于各种不同的离散优化问题，这些研究涉及到了车辆路径问题
19、（VRP） 、网络中路由通信问题，等等。蚂蚁们跟踪信息素路径的行为确实导致了最短路径的发现，即当食物源和巢穴之间存在多条路径时，一群蚂蚁通过跟踪由个体留下的信息的确找到了优化的路径，这具有实际研究意义。初步的研究结果表明，蚁群算法在求解复杂优化问题方面有着很大的优越性。虽然目前对蚁群算法的研究刚刚起步，一些思想还处于萌芽时期，其严格的理论基础尚未确立，收敛性的证明也不够成熟，国内外的相关研究仍停留在实验探索阶段，但是从当前的应用效果来看，这种模仿自然生物的新型寻优算法无疑具有非常光明的前景。31991 年，意大利学者 M.Dorigo 等提出了第一个蚁群算法-蚂蚁系统并成功应用于求解 TSP
20、问题。实验结果证明蚁群算法具有较强的鲁棒性和发现较好的解的能力但与此同时也存在着一些缺陷，如收敛速度慢、易出现停滞现象等。该算法的问世引起了学者们的普遍关注，针对算法的缺点提出了一些改进的蚁群算法。最近国内外对蚁群算法的研究日趋火热，相信随着更深入的研究，蚁群算法必定会得到更好的发展。1.3 课题的研究内容物流配送管理系统是完成货物配送的功能性系统，也是车辆配送中心系统中一个非常重要的组成部分。正是通过配送管理系统，配送中心才得以最终完成货物从生产商到用户的转移，实现商品的使用效用。另外，配送中心配送系统还通过对货物的集中、合理配送有效的节约了运力，降低了整个社会的物流总成本。物流配送管理系统
21、，主要是配送车辆优化调度，包括集货线路优化、货物配装及配送车辆路径优化。其中的配送车辆路径优化，是物流系统优化中关键的一环。对配送车辆路线进行优化，可以提高经济效益、实现物流科学化。为解决配送车辆路径优化问题，做了如下工作：1.3.1 基本蚁群算法研究首先介绍基本蚁群算法的原理以及相应模型的创立，给出了基本蚁群算法的实现步骤，着重介绍了如何利用蚁群算法解决车辆路径问题。蚁群算法具有采用分布式并行计算机制、易于与其他方法结合、具有较强的鲁棒性等优点，但也存在搜索时间长、容易陷入局部最优是其最突出的缺点。蚁群算法并不完美，为此本文做出改进措施，通过这种改进，加速了蚁群算法的收敛效果，改进的算法易于
22、实现。1.3.2 蚁群算法解决车辆路径问题通过对相关文献的分析和总结，从物流配送中车辆路径问题（VRP）的基本理论出发，阐述了 VRP 问题，深入分析了 VRP 问题的数学模型。通过利用已有的蚁群算法解决 VRP问题，随后分析了基本蚁群算法解决 VRP 问题的不足。结合遗传算法的优点，将复制、交叉、变异这些遗传因子引入蚁群算法中，以提高算法收敛速度和全局搜索能力。4第 2 章 VRP 问题的蚁群优化算法分析2.1 蚁群算法应用于 VRP 问题2.1.1 蚁群算法介绍蚁群算法是一种由于受自然界生物的行为启发而产生的“自然”算法。它是从对蚁群行为的研究中产生的。蚁群的觅食行为实际上是一种分布式的协
23、同优化机制。蚁群中的蚂蚁以“信息素” （pheromone）为媒介的间接的异步的联系方式是蚁群算法的最大的特点。单只蚂蚁虽然能够找到从蚁穴到食物源的一条路径，但是找到最短路径的可能性极小，只有当多只蚂蚁组成蚁群时，其集体行为才凸显出蚂蚁的智能发展最短路径的能力，这也是蚁群算法的基础思想：通过蚂蚁间的相互合作来搜寻最短路径。在寻找最短路径的过程中，蚁群会在它们经过的地方留下一些化学物质（我们称之为“信息” ） 。这些物质能被同一蚁群中后来的蚂蚁感受到，并作为一种信号影响后到者的行动（具体表现在后到的蚂蚁选择这些物质的路径的可能性，比选择没有这些物质的路径的可能性大得多） ，而后到者留下的信息会对
24、原有的信息素进行加强，并且如此循环下去。这样，被越多的蚂蚁选择的路径，在后到蚂蚁的选择中被选择的可能性就越大（因为残留的信息浓度较大的缘故） 。由于在一定的时间内，越短的路径会被越多的蚂蚁访问，因而积累的信息量也就越多，在下一个时间内被其他的蚂蚁选中的可能性也就越大。这个过程会一直持续到所有的蚂蚁都走最短的哪一条路径为止。因此，蚁群算法中另一个重要的机制是自催化机制，也就是正反馈机制，这种正反馈机制将指引蚁群找到高质量的问题解。除了正反馈机制外，蚁群算法还有信息素挥发机制：路径上的信息素随着时间不断挥发将驱使蚂蚁探索解空间中新的路径从而避免求解过程中过早的收敛于局部最优解。蚁群算法大概可以概括为：1） 蚂蚁通过的路线会留下信息素，经常通过的路径会造成信息素正反馈。反馈机制能够扩大解的质量对个体选择路径的影响，使得算法能够快速发现较好的解或最优解。2） 在分岔口，信息素浓度大的路线有更大概率被蚂蚁选择，也即蚂蚁仅仅通过信息素相互交流。3） 路径越短的路线，选择的概率越大，这属于人工干涉的人工蚁群算法，在实际中可以加速找到最短路径。
