基于改進(jìn)混合蟻群算法的物流配送路徑優(yōu)化研究

王海?李雪芹?孫玲玲

隨著社會(huì)經(jīng)濟(jì)的不斷發(fā)展，國家之間綜合國力的較量，以及企業(yè)之間競爭力的較量，逐漸成為時(shí)代發(fā)展下的必然趨勢，而在大到國家之間小到企業(yè)之間的較量，都與物流行業(yè)的發(fā)展，物流水平的高低有著直接得密切地聯(lián)系。現(xiàn)代物流企業(yè)的營運(yùn)發(fā)展不僅僅是應(yīng)召了時(shí)代發(fā)展下的需求，同時(shí)也是維系著人們?nèi)粘Ｉ畹挠行нM(jìn)展以及相關(guān)企業(yè)的經(jīng)營活動(dòng)的正常開展。如何有效提高物流水平，優(yōu)化物流配送路徑，找出更加利于企業(yè)經(jīng)營發(fā)展的道路成為了更多企業(yè)所需要思考的問題，故，本文主要就基于改進(jìn)混合蟻群算法的物流配送路徑進(jìn)行優(yōu)化性研究。

就我國目前經(jīng)濟(jì)穩(wěn)步提升的發(fā)展?fàn)顩r來看，在其中占據(jù)半壁江山的物流行業(yè)對經(jīng)濟(jì)的發(fā)展有著舉足輕重的作用，現(xiàn)代物流行業(yè)在整個(gè)國民經(jīng)濟(jì)中起著支柱性作用，且所跨領(lǐng)域范圍寬廣。以此，現(xiàn)代物流經(jīng)濟(jì)不再只是單純的增值性經(jīng)濟(jì)活動(dòng)，同時(shí)也是與社會(huì)生態(tài)環(huán)境緊密聯(lián)系的經(jīng)濟(jì)活動(dòng)，就物流行業(yè)下物流經(jīng)濟(jì)的重要性來看，如何節(jié)約物流成本，找到最優(yōu)物流配送方案是時(shí)代發(fā)展下的新課題，而蟻群算法原型本身就是一個(gè)尋找最短路徑的模型，固本文主要就改進(jìn)混合蟻群算法來對物流配送的路徑進(jìn)行優(yōu)化。

一、蟻群算法在物流配送模型上的應(yīng)用

明確螞蟻算法在物流配送中的運(yùn)用以及對應(yīng)關(guān)系，對其在實(shí)際配送路徑的選擇上有著積極的影響作用。將螞蟻群算法中的各個(gè)元素同物流配送模型下各要素對應(yīng)起來是實(shí)現(xiàn)路徑優(yōu)化選擇的前提準(zhǔn)備。首先需要明確螞蟻在物流配送模型中代表的是負(fù)責(zé)配送的車輛，而目的地表示的就是模流配送的終點(diǎn)，路徑的對應(yīng)關(guān)系，所體現(xiàn)的是客戶同物流配送之間的實(shí)際距離。

二、改進(jìn)混合蟻群算法優(yōu)化對物流配送路徑方案

（一）促進(jìn)蟻群算法同遺傳算法的互補(bǔ)性

蟻群算法在物流行業(yè)中的運(yùn)用，來源于對蟻群從窩巢出發(fā)尋找食物在沿途過程中通過留下的信息素的濃度，以及其路徑上的分布情況進(jìn)行分析，最終找出最優(yōu)路徑以供后來者的參考，再不斷地重新對路徑的選擇中根據(jù)遺留下來的信息素的判斷，不斷加強(qiáng)該路徑上螞蟻信息素的濃度，以較快的速度構(gòu)成最優(yōu)解。遺傳算法相較螞蟻算法在局域中的計(jì)算來說，隨機(jī)性更強(qiáng)，交叉性搜索更加復(fù)雜，不能夠保證在較短的時(shí)間內(nèi)搜索出路徑最優(yōu)解。

螞蟻群算法根據(jù)路徑上遺留下來信息素對最優(yōu)路徑的判斷，可能由于一開始選擇的錯(cuò)誤導(dǎo)致后來的螞蟻對其正確性的堅(jiān)信導(dǎo)致該錯(cuò)誤路徑上的信息素越來越多，致使最優(yōu)路徑的選擇整個(gè)偏離航道。而遺傳算法的全局性，通過交叉以及變異操作，雖然能夠有效照顧到整體路徑選擇的可能性，避免局域搜索過程中可能出現(xiàn)的停滯不前的現(xiàn)象，但是由于其操作全局的復(fù)雜性在整個(gè)最優(yōu)路徑的選擇中仍然存在缺陷。

由于螞蟻算法及遺傳算法的優(yōu)劣勢的存在，需要在物流配送的路徑的選擇上，積極采用最合理有效的方法，通過促進(jìn)蟻群算法同遺傳算法的互補(bǔ)性，吸取二者中的優(yōu)點(diǎn)彌補(bǔ)兩者中存在的缺陷從而來完善混合螞蟻群算法，來促進(jìn)對物流配送路徑的最優(yōu)化選擇。

（二）積極改進(jìn)混合蟻群算法

積極改進(jìn)混合蟻群算法，對物流配送中的最優(yōu)路徑的選取有著直接得促進(jìn)作用。故對傳統(tǒng)的物流配送方案下車輛輪班出發(fā)進(jìn)行改革，實(shí)現(xiàn)同時(shí)從物流配送中心一起出發(fā)，強(qiáng)調(diào)并行機(jī)制的運(yùn)用，并且，在傳統(tǒng)蟻群算法中取得一組路徑最優(yōu)解之上，引進(jìn)分組變異機(jī)制，對循環(huán)次數(shù)首先進(jìn)行分組操作，在組內(nèi)實(shí)現(xiàn)對路徑的最優(yōu)解的搜索以及復(fù)制操作，在組外，運(yùn)用遺傳算法的核心要素對數(shù)據(jù)進(jìn)行變異、比較操作，從而選出最優(yōu)解更新路徑上的信息素的分布，以此來提高物流配送中最優(yōu)路徑選擇的準(zhǔn)確性，以及選擇的效率。

1.編碼

編碼的思想來源于遺傳算法中，每個(gè)遺傳算子都基于所對應(yīng)的基因編碼進(jìn)行操作，故，根據(jù)該思想，要對物流配送方案提出改善，需要在螞蟻群算法中融入該思想，對于相應(yīng)的物流配送模型也要基于編碼進(jìn)行操作。

2.復(fù)制

根據(jù)傳統(tǒng)遺傳算法的操作中對父代中更加優(yōu)秀的基因進(jìn)行選擇、保留、遺傳的操作，在物流配送中的應(yīng)用中可具體表現(xiàn)為，對已查詢到的路徑進(jìn)行比較，留下最優(yōu)配送路徑。而在改進(jìn)混合蟻群算法的實(shí)際應(yīng)用中，要求進(jìn)行分組，按照循環(huán)次數(shù)為8次，group=count/4將其具體分為兩組，方便對組內(nèi)最優(yōu)配送路徑的查詢、保留、復(fù)制，以及后續(xù)對其的變異操作。

3.變異

在螞蟻群算法中引入遺傳算法中的重要思想變異算子的應(yīng)用，可有效滿足對物流配送路徑搜索的效率要求。在上述分組后在組內(nèi)進(jìn)行最優(yōu)路徑的選擇以及復(fù)制保留操作，在組外，對路徑選擇子代進(jìn)行變異操作，更新信息素的有效值，從而提高接下來對最優(yōu)路徑搜索的速度以及質(zhì)量。

三、結(jié)語

物流配送行業(yè)的發(fā)展在社會(huì)快速發(fā)展的大背景下贏來了新的生機(jī)，而對于物流配送中最優(yōu)路徑的選擇，成為了更多物流企業(yè)共同思考的問題。固本文主要就混合蟻群算法的角度進(jìn)行深入探究，通過積極促進(jìn)蟻群算法同遺傳算法的互補(bǔ)性，將二者有效融合，從而對物流配送下的最優(yōu)路徑的選擇提出建設(shè)性意見。（作者單位：南通航運(yùn)職業(yè)技術(shù)學(xué)院）

項(xiàng)目名稱：2018年江蘇省大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練項(xiàng)目—基于蟻群算法的物流配送車輛路徑優(yōu)化研究。項(xiàng)目編號：201812703022X。2018年南通航運(yùn)職業(yè)技術(shù)學(xué)院科技類課題——基于智能優(yōu)化的物流配送路徑規(guī)劃算法研究。項(xiàng)目編號：HYKY/2018B04。