1、Logistics SciTech No7，20 1 3 物流科技2013年第7期 基金项目 文章编号：10023100(2013)07004503 基于蚁群算法的配送路径规划研究 Analysis on the Distribution Path Planning Based on the Ant Colony Algorithm 陈 文，郑少锋(福建船政交通职业学院，福建福州350007) CHEN Wen，ZHENG Shaofeng(Fujian Chuanzheng CommunicatioItS College，Fuzhou 35000 7China) 摘要：物流配送路径规划一直是
2、物流领域研究的热点和难点问题，文章提出了一种基于蚁群算法的物流配送路径选择方 法，从最优路线选择的角度，阐述了各种最优参数的选取，基于精英蚂蚁系统模拟的方法，找出算法约束参数最优解，并且应 用到实例中进行验证，可为物流配送中心路径选择提供评估模型。 关键词：精英策略；蚁群算法；配送中心；信息素；路径 中图分类号：F25214 文献标识码：A Abstract：The path planning of logistics distribution has always been ho and difficult。in the research of logistics fieldThis pa-
3、 per proposes a selection method of distribution paths based the ant colony algorithmIt describes how to select every optimal parameter from the perspective of the optimal route selectionBased on the method of simulating elite ant system,it finds the best algorithm to constraint parameter and applie
4、s itto instances to validate，then to provide assessment models of path selection for distribution center Key words：elitist strategy；ant colony algorithm：distribution center；pheromone；path 关于物流配送路径规划一直是物流领域研究的热点和难点问题，从国外研究情况来看，1993年Ronald等人提出物流系统 设计的四个核心战略规划区域模型(Four major strategic planning areas in
5、 logistics system design)，他认为四个核心区域为客 户服务水平、选址决策、库存决策和运输决策(Customer service levels，Location decisions，Inventory decisions，Transport deci sions)，对于配送中心选址方法可简单分为定性和定量两大类，定性方法主要是层次分析法和模糊综合评价相结合对各个方案 进行指标评价，找出最优地址。定量方法包括重心法、运输规划法、Cluste法、CFLP法、BaumolWolfe模型、混合Ol整数 规划法、双层规划法、遗传算法等。蚁群算法是一种新型的优化方法，该算法不依赖于具
6、体问题的数学描述，具有全局优化能 力。 本文提出了一种基于改进蚁群算法的物流配送路径规划方法，将物流配送中心看成一个聚类过程，再利用蚁群系统中蚂蚁 通过信息素留存寻找最优路径的机制，结合蚂蚁使物体聚堆的行为模式，合理设计转移概率、禁忌列表及信息素更新方式，使 系统配送中心的配送路径最短，从而确定配送中心的配送路径。 1蚁群算法 仿生学家经过大量细致观察研究发现，蚂蚁个体之间通过一种称为外激素的物质进行信息传递，蚂蚁在运动过程中，能够 在它所经过的路径上留下信息素，而且蚂蚁在运动过程中能够感知这种物质，并且以此指导自己的运动方向。受此启发，它由 意大利学者Marco Dorigo于1991年在他
7、的博士论文中引入，提出了一种基于蚂蚁种群的新型优化算法蚁群算法。 蚁群算法(ant coIony optimizatmn，ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型技术。其灵感来源于 蚂蚁在寻找食物过程中发现路径的行为，蚂蚁总能找到巢穴与食物源之间得最短路径。经研究发现，蚂蚁的这种群体协作功能 是通过一种遗留在其来往路径上叫做信息素(Pheromone)的挥发性化学物质来进行通信和协调的。化学通信是蚂蚁采取得基 本信息交流方式之一，在蚂蚁的生活习性中起着重要的作用。通过对蚂蚁觅食行为的研究发现，整个蚁群就是通过这种信息素 进行相互协作，形成正反馈，从而使多个路径上的蚂蚁都逐渐
8、聚集到最短的那条路径j：。 11研究目的 本研究拟通过学习蚂蚁觅食回巢的生物本能，对物流配送进行仿真模拟，找出优化的配送路径，提高物流配送的效率和效 益。 12研究的对象 先对6个同配送点的配送方案进行研究，然后延伸到100个配送点，并找出最佳路径。以上步骤均通过计算机编程进行演 收稿日期 基金项目 作者简介 应链管理 20130313 2012年福建省教育厅社会科学研究项目，项目编号：JB12671S。 陈 文(1964一)，男，福建福州人，福建船政交通职业学院管理工程系副主任，副教授，硕士，研究方向：物流与供 郑少锋(1977一)，男，福建古田人，福建船政交通职业学院管理工程系，高级工程师
9、，研究方向：物流信息技术。 II 卜 th 2 7 45 基于蚁群算法的配送路径规划研究 化分析。把研究的成果进行实际应用的演算和验证。 13研究方法 本文使用蚁群算法，进行人工模拟配送路线，并用计算机编程进行模拟，就如同一只人T蚂蚁，背着背包，到若干个结 点，搬运食物回蚁巢。 规则1 环境：人工蚂蚁所在的环境是一个虚拟的世界，有确定的路线桥，且两点问路线桥不相交；有信息素，信息素都 同质(不区分，找到食物时分泌的信息素和回巢时分泌的信息素)，环境以一定的速率让信息素消失。 规则2移动：人工蚂蚁只会沿着路线桥觅食，当走到结点(觅食点)，人工蚂蚁会判断是否有信息素及其浓度，优先选择 信息素浓度大
10、的路线桥为路径；同时会有一定的概率，随机选择别的路线桥；如路线桥上均无信息素则随机选择路线桥。 规则3觅食：人 1 蚂蚁沿路线桥到各个结点觅食，当到达该觅食点后，为防止人T蚂蚁原地转圈，它会记住最近刚走过 哪些点(禁忌表)，如发现下一个结点是已觅食过的结点，则会避开该点。 规则4信息素：每只人_1 蚂蚁在遍历完各点后，系统会利用蚁周算法更新信息素，对总路径最短的路线进行精英激励， 会大量增加该路线信息素；如果总路径较长则少量增加信息素；信息素在人工蚂蚁遍历完后，将会按一定速率自动挥发所有路 线桥上的信息素。 2研究步骤 21初始化结点 各个结点进行坐标化，数据存入zuobiao(序号：x，Y)
11、表中，见表l，然后构造成路线桥距离矩阵存入 iedian(序列： 1，2,3，n)表中，见表2，此次研究拟选用zuobiao表中的结点和数据： 表1 zuobiao表 序号 y 序号 l， 序号 y l 128 85 3 154 166 5 155 116 2 184 34 4 189 152 6 39 106 表2 jiedian表 序号 1 2 3 4 5 6 序号 1 2 3 4 5 6 1 0 757 851 906 411 914 4 906 l180 377 0 495 1570 2 757 0 1350 l180 870 1620 5 411 87O 500 495 0 1160
12、 3 851 1 35O 0 377 5 130O 6 914 16I20 l30O 157O 1160 0 22信息素表示 所有的路线桥I：的信息素全部为0，并把信息素数据存人xinxisu(序号：1，2,3 ，13)表中，见表3，用0表示无信息素。 表3 xinxisu表 序号 1 2 3 4 5 6 序号 1 2 3 4 5 6 1 0 0 0 0 0 0 4 0 0 0 0 0 0 2 0 0 O 0 O 0 5 0 0 0 0 0 0 3 0 0 0 0 0 0 6 0 O 0 0 0 0 23初始化禁忌表 人工蚂蚁比较聪明，当到达该觅食点后，它会记住已找到的结点，并把结点信息存人j
13、inji(序号，禁忌，先后顺序)表 中，其中0表示未用，1表示已用，详见jinji表，见表4。 表4 jinji表 序号 禁忌 先后顺序 序号 禁忌 先后顺序 序号 禁忌 先后顺序 l 0 0 3 0 0 5 O 0 2 0 O 4 0 0 6 O 0 第1只人I 蚂蚁运行状态：人T蚂蚁从巢穴 发，判断与该结点连接的各个路线桥上的信息素的浓度，因信息素均为0， 则用随机函数进行选择路线一在jinji表中把起点设置为1(已用)，先后顺序为1，离开起点一沿着该路线桥到达下一觅食结 点，信息素为0，则用随机函数进行选择路线一同样在jinji表中把第1个觅食结点设置为1(已用)，先后顺序为2，离开第1
14、 个结点一沿着该路线桥到达下一觅食结点，判断信息素，随机函数选择路线桥一一当6个觅食结点全部走完后，人 亡蚂蚁 自动沿着路线桥回到巢穴结点，从而形成完整的闭合回路一计算总路线桥长度，用lJ1表示，同时更新xinxisu表，在路线桥闭 合回路全部洒j 强度为3的信息素。 第2只人I 蚂蚁运行状态：人上蚂蚁从巢穴出发，判断与该结点连接的各个路线桥上的信息素的浓度，原则上沿着信息素 46 l 、ll l n?fj 基于蚁群算法的配送路径规划研究 浓度大的路线桥通往下一觅食结点，但也会有“叛逆”的情况，用随机函数产生这种小概率事件，如人工蚂蚁遇到小概率事 件，则沿着小概率事件选择的路线桥爬行到下一觅食
15、结点一在 inji表中把起点设置为1(已用)，先后顺序为1，离开起点一沿 着该路线桥到达下一觅食结点，判断连接该觅食结点各个方向上的信息素浓度，正常是沿着信息素浓度大的方向移动，同时考 虑小概率事件是否发生，如发生则沿着小概率选择的优先路线前进。一同样在iinji表中把第1个觅食结点设置为1(已用)， 先后顺序为2，离开第1个结点一沿着该路线桥到达下一觅食结点，判断信息素浓度，并优先考虑小概率事件一一当6个 觅食结点全部走完后，人工蚂蚁自动沿着路线桥回到巢穴结点，从而形成完整的闭合回路一计算总路线桥长度，用 2表示， 更新xinxisu表，判断该轮路线桥总长度是否是最短，如最短则在第2只蚂蚁走
16、过的路线桥上全部洒上激励的信息素，其值为 3，同时，在全部路线桥上按1个信息素每轮的速率，挥发信息素。 24总路线长度最优的判定 判断路线桥该轮路线桥总长度是否是最短，可分为如下 种情况。 LIL2 增加 2闭合回路上的信息素+3 把 2设为最短路径，用Lmin表示，后续人工蚂蚁的 n均与Lmin比较 后续n只人工蚂蚁和第2只蚂蚁一样觅食(n=80)，最终沿着信息素最浓的路线桥爬行各个觅食点，其路径桥为最短路线。 25参数选取 (1)随机小概率为005，结点6个，信息素对精英蚂蚁奖励+3，对一般蚂蚁+1，信息素挥发速率为1轮。 (2)人_T蚂蚁选取80只(迭代80轮)。 (3)觅食结点的状态。
17、其中第1只人工蚂蚁比较特殊，路线桥选择不是按信息素的浓度进行选择，而是人工赋予随机选 择函数。在离开原点时选择概率为16，到第一个结点后选择概率为15，到第二个结点后选择概率为14，l1回到巢穴。 26进行演算 觅食结点的状态选取3种状态：离散型、聚合型、平均型；随机小概率事件按分形理论选取20个不同的参数，如下值： 05、15、25、35、45、55、65、75、85、95、5、15、25、35、45、55、65、75、85、95；每轮蚂蚁选择8O只；为了剔 除异常收敛，每轮均进行10次演算求出平均值，作为该轮稳定的最短路径。综合考虑状态的聚合度、觅食结点个数、随机小 概率事件，通过编程和建
18、立数据库，模拟最优路线结果如下： 135_42 61其中Lmin=452 3实例分析 为了验证本算法的正确性，在Matlab平台上对其进行了仿真实验。建立如下数学模型，选取福州市某配送中心10个点进 行配送，并且要求路径最短，如表5所示，10个点经过坐标化后是接近平均型分布，小概率事件选取05，人工蚂蚁选取80 只，每轮进行10次迭代并取平均值。结合迭代运算，得出最优路径如下： 23 4 56810912 表5 10个配送点坐标 、 序号 配送点 经度 纬度 序号 配送点 经度 纬度 1 高盖山 119。l6 36 26。0l 16 6 西湖公园 1 19。17 O7， 26，05，36 2
19、首山路80号 l19。18，29 26。01，51 7 左海公园 1 19。16 56， 26。06 13 3 师大旧校区 119。18 18 26。02，28 8 镇海楼 1 19。2919 26。10 80， 4 福大旧校区 l19。16，0l 26。04，51 9 于山公园 l 19。30，53 26。07，63 5 金牛山公园 1 19。15 23， 26。04“45 10 温泉公园 1 19。31，26 26。09 67 蚁群算法可以比较完美地解决配送路径问题，但也存在不足之处，特别是在信息不完全的情况下，比如两点之间有捷径， 模拟最优线路与实际线路会有偏差，同时算法可能会陷入局部最
20、优，可以通过控制收敛速度和加快趋向最优路径对蚁群算法进 行优化。 参考文献： 【1李云清物流系统规划M】上海：同济大学出版社，2004 【2秦固基于蚁群优化的多物流配送中心选址算法【J1系统工程理论与实践，2006)：120124 31魏娜关于物流配送中心选址优化问题研究D大连：东北财经大学(硕士学位论文)，2006 【4高雷阜，等基于最大最小蚂蚁系统的物流配送中心选址算法的研究【JJ运筹与管理，2007(12)：4246 【5】许慧，王正友，杨欢庆蚁群算法及其聚类应用J1矿山机械，2007(1)：1 15117 6】Dorigo M，Maniezzo V，Colomi AAnt system：Optimization by acolony of cooperating agentsJIEEE Trans on Systems，Man and Cybernatics，1996，26(1)：2841 【7】王勇，何宇基于改进蚁群算法的多物流配送中心选址J经济论从，2012)：281298 IJl1 I r- 、 l-ll 20l37 47
