【技术实现步骤摘要】
一种基于蚁群算法的货物优化配送方法及系统
本专利技术涉及目标优化的
,尤其涉及一种基于蚁群算法的货物优化配送方法及系统。
技术介绍
伴随着国内电子商务、快递行业的快速发展,网络购物以及异地采购等需求飞速增长,快递企业业务量与日俱增,人们对于物流配送各方面的要求也更高。目前我国现阶段物流运输成本较高,而且现在对运输货物的时效性要求也较高,如何更好的提高货物的配送效率,降低物流运输成本是现在急切要处理的问题。启发式算法可用来求解最优可行解,相较于精确算法,可以更为合适地处理大范围的车辆配送路径问题。蚁群算法是一种传统的启发式算法,是经由蚂蚁找寻食物进程中发觉路径的行动抽象出来的,找寻更优路径且具有一定随机性的算法,但传统蚁群算法存在具有较长时间搜索、容易落进部分最优解以及迭代冗余的缺点。鉴于此,如何对传统蚁群算法进行改进,更为高效地实现货物配送,成为本领域技术人员亟待解决的问题。
技术实现思路
本专利技术提供一种基于蚁群算法的货物优化配送方法,通过对货物配送问题进行编码表示,并建立货物配送的多目标函数;改进传统蚁群算法挥发因子、启发因子以及信息素的更新方式,从而利用改进的蚁群算法实现更为优化的货物配送。为实现上述目的,本专利技术提供的一种基于蚁群算法的货物优化配送方法,包括:获取货物配送信息,并将货物配送信息进行编码表示,得到货物配送信息编码结果;建立货物配送的多目标函数,并初始化蚁群算法参数;将若干只蚂蚁放置在货物配送信息编码结果中的路径节点位置 ...
【技术保护点】
1.一种基于蚁群算法的货物优化配送方法,其特征在于,所述方法包括:/n获取货物配送信息,并将货物配送信息进行编码表示,得到货物配送信息编码结果;/n建立货物配送的多目标函数,并初始化蚁群算法参数;/n将若干只蚂蚁放置在货物配送信息编码结果中的路径节点位置,蚂蚁根据挥发因子和启发因子选择下一步要走的节点位置,直到遍历完所有节点,并结束本轮算法;/n在每轮算法迭代后更新算法的信息素,直到达到最大迭代次数,从所有路径中选取多目标函数值最小的路径作为多目标函数的货物配送最优解,并输出货物配送的最优配送路径结果。/n
【技术特征摘要】
1.一种基于蚁群算法的货物优化配送方法,其特征在于,所述方法包括:
获取货物配送信息,并将货物配送信息进行编码表示,得到货物配送信息编码结果;
建立货物配送的多目标函数,并初始化蚁群算法参数;
将若干只蚂蚁放置在货物配送信息编码结果中的路径节点位置,蚂蚁根据挥发因子和启发因子选择下一步要走的节点位置,直到遍历完所有节点,并结束本轮算法;
在每轮算法迭代后更新算法的信息素,直到达到最大迭代次数,从所有路径中选取多目标函数值最小的路径作为多目标函数的货物配送最优解,并输出货物配送的最优配送路径结果。
2.如权利要求1所述的一种基于蚁群算法的货物优化配送方法,其特征在于,所述将货物配送信息进行编码表示,包括:
对货物配送信息进行二重编码表示,在第一重编码表示中,第一维数字表示批次的索引,表示对应维度的货物被分到当前批次,第二维数字表示配送区域索引,根据货物配送目的地的分布情况,将配送区域划分为K个区域,第一重编码表示结果为8位数字,前四位表示批次索引,后四位表示配送区域索引;
在第二重编码表示中,第一维数字表示货物进入配送中心的时间,第二维数字表示预定的货物配送到达时间,第三维数字用0/1表示是否在当前时刻开始配送,若为1则表示在当前时刻进行货物配送,否则不进行配送。
3.如权利要求2所述的一种基于蚁群算法的货物优化配送方法,其特征在于,所述货物配送的多目标函数为:
其中:
cs,ij表示在第s个配送区域内,由节点i到节点j的单位距离运输成本;
ds,ij表示在第s个配送区域内,由节点i到节点j的距离;
xs,ij表示在第s个配送区域内,货物配送车辆从节点i行驶到节点j进行配送;
ps,ij表示在第s个配送区域内,从节点i行驶到节点j之间道路的拥堵系数,0≤p≤2,其值越高表示拥堵程度越高;
v表示货物配送车辆的平均行驶速度。
4.如权利要求3所述的一种基于蚁群算法的货物优化配送方法,其特征在于,所述蚂蚁根据挥发因子和启发因子选择下一步要走的节点位置,包括:
将确定好的m只蚂蚁放置在货物配送信息编码结果中的路径节点位置,每只蚂蚁随机的选择要走的路径,并且在路径上留下信息素,其中在t时刻蚂蚁转移方向概率的计算公式为:
其中:
表示蚂蚁k在t时刻从节点i到节点j移动的概率;
βij(t)表示t时刻(i,j)路径上的信息素浓度;
δij(t)表示t时刻(i,j)路径上的启发因子;
2表示信息素重要因子;
3表示启发函数重要程度...
【专利技术属性】
技术研发人员:潘红斌,
申请(专利权)人:江苏佳利达国际物流股份有限公司,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。