一种基于改进蚁群算法的解决车辆路径问题方法技术

本发明专利技术公开了一种基于改进蚁群算法的解决车辆路径问题方法，该方法运用于车辆路径问题的设计和优化，主要涉及物流车辆调度和群智优化两个领域。发明专利技术的方法优化过程包括：首先使用改进的K‑means算法对配送点进行分区域，然后对每一个区域使用蚁群算法进行初始解的构建，紧接着使用遗传算法里面的最佳路径交叉策略进行全局优化和使用经典的2‑Opt算法进行局部优化，最后进行信息素更新操作。本发明专利技术方法对公开的数据集进行了测试，证明了该方法对车辆路径问题的设计与优化是真实有效的。

【技术实现步骤摘要】
一种基于改进蚁群算法的解决车辆路径问题方法
：本专利技术属于车辆调度和群智计算领域，涉及一种基于改进蚁群算法的解决车辆路径问题方法。
技术介绍
：随着我国社会经济的不断发展，全社会的物流支出也越来越大。根据调查报告显示，我国的物流成本占GDP的比重约为20％，而英国，美国，日本，新加坡物流成本占GDP比例大约为10.1％，10.5％,11.4％,13.9％,这说明我国的物流成本很高，有很大的改善空间。而合理的车辆路径规划，可以大大降低物流成本，提升企业运营效率。解决车辆路径问题的算法主要分为精确算法、传统启发式算法和现代启发式算法。精确算法分为：直接树搜索算法、动态规划算法和整数线性规划法三类。由于随着客户节点规模增加，精确算法运行时间会急剧增加，不适合于中大规模的问题。传统启发式算法包括：节约算法、扫描算法、两阶段算法、最近邻算法等。现代启发式算法包括：神经网络、模拟退火算法、遗传算法、蚁群算法、禁忌搜索等。虽然启发式算法不能求出精确解，但是由于它可以快速高效地找出最优解，十分适合车辆路径问题的设计与优化。蚁群算法(ACO)是本文档来自技高网...

【技术保护点】
1.一种基于改进蚁群算法的解决车辆路径问题方法，其特征在于具体步骤包括：/n步骤(1)使用改进的K-means聚类算法，将客户节点进行区域划分；/n步骤(2)初始化蚁群算法基本参数，放置蚁群在车场处并设置车场为初始节点；/n步骤(3)每只蚂蚁代表一辆车并从初始节点出发，按照转移概率来选择即将访问的下一个客户节点，蚂蚁已经访问过的客户节点加入禁忌表；等蚂蚁访问完所有的客户节点回到初始节点，计算所选路径的长度；/n步骤(4)所有蚂蚁完成搜索后，选出长度最短的两条路径，进行最优路径交叉操作，得到多条优化路径；/n步骤(5)从多条优化路径里面找出最优路径Ⅰ，使用改进的2-Opt算法进行局部优化，得到此...

【技术特征摘要】
1.一种基于改进蚁群算法的解决车辆路径问题方法，其特征在于具体步骤包括：
步骤(1)使用改进的K-means聚类算法，将客户节点进行区域划分；
步骤(2)初始化蚁群算法基本参数，放置蚁群在车场处并设置车场为初始节点；
步骤(3)每只蚂蚁代表一辆车并从初始节点出发，按照转移概率来选择即将访问的下一个客户节点，蚂蚁已经访问过的客户节点加入禁忌表；等蚂蚁访问完所有的客户节点回到初始节点，计算所选路径的长度；
步骤(4)所有蚂蚁完成搜索后，选出长度最短的两条路径，进行最优路径交叉操作，得到多条优化路径；
步骤(5)从多条优化路径里面找出最优路径Ⅰ，使用改进的2-Opt算法进行局部优化，得到此次迭代的最佳路径并记录下来；
步骤(6)完成一次迭代之后，更新每条路径的信息素浓度；
步骤(7)重复步骤(2)-步骤(6),直到达到设定的迭代次数，找出每次迭代的最优路径，得到全局最优路径。


2.根据权利要求1所述的一种基于改进蚁群算法的解决车辆路径问题方法，其特征在于步骤(1)所述的改进的K-means聚类算法具体步骤包括：
1-1.使用公式(1)确定K-means中k值：



其中：F表示长度函数，与k值相关，当F的最小值确定时，k值也随之确定；mi表示聚类中心的平均值，m是所有数据点的平均值，Xi是一些列聚类中心；
1-2.使用公式(2)划分不同点的所属区域：





3.根据权利要求2所述的一种基于改进蚁群算法的解决车辆路径问题方法，其特征在于步骤(4)中选出长度最短的两条路径进行最优路径交叉操作具体为：
4-1.在一次迭代结束，选择最好的两条路径R1和R2，从R1和R2分别随机选择两点c1和c2并删掉；设置初始阈...

【专利技术属性】
技术研发人员：徐海涛，浦攀，段凤，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33