蚁群优化算法在物流车辆调度系统中的应用

计算机应用 ›› 2013, Vol. 33 ›› Issue (10): 2822-2826.

蚁群优化算法在物流车辆调度系统中的应用

李秀娟¹,杨玥²,蒋金叶¹,姜立明¹

1. 辽宁工程技术大学电子与信息工程学院，辽宁葫芦岛 125105
2. 北京邮电大学国际学院，北京 102209

收稿日期:2013-04-22 修回日期:2013-06-06 发布日期:2013-11-01 出版日期:2013-10-01
通讯作者: 李秀娟
作者简介:李秀娟(1988-),女(蒙古族),辽宁阜新人,硕士研究生,主要研究方向:数据信息处理;杨玥(1992-),女,辽宁阜新人,主要研究方向:无线通信与电信工程;蒋金叶(1989-),女(满族),辽宁鞍山人,硕士研究生,主要研究方向:耦合算法;姜立明(1987-),男,辽宁大连人,硕士研究生,主要研究方向:数据库。

Application of ant colony optimization to logistics vehicle dispatching system

LI Xiujuan¹,YANG Yue²,JIANG Jinye¹,JIANG Liming¹

1. School of Electronics and Information Engineering, Liaoning Technical University, Huludao Liaoning 125105, China;
2. International School, Beijing University of Posts and Telecommunications, Beijing 102209, China

Received:2013-04-22 Revised:2013-06-06 Online:2013-11-01 Published:2013-10-01
Contact: LI Xiujuan

摘要/Abstract

摘要： 根据对蚁群算法进行的深入研究，指出了蚁群算法在解决大型非线性系统优化问题时的优越性。通过仔细分析遗传算法和粒子群算法在解决物流车辆调度系统问题的不足之处，基于蚁群算法的优点，并根据物流车辆调度系统自身的特点，对基本蚁群算法进行适当的改进，给出算法框架。并且以线性规划理论为基础，建立物流车辆系统的数学模型，给出调度目标与约束条件，用改进后的蚁群算法求解物流车辆调度系统的问题，求得最优解，根据最优解和调度准则进行实时调度。使用Java语言编写模拟程序对比基于改进粒子群算法和改进蚁群算法的调度程序。通过对比证明了所提出的改进蚁群算法解决物流车辆调度优化问题的正确性和有效性

关键词: 物流, 蚁群优化算法, 车辆调度, 最佳路径, 仿真验证

Abstract: The thorough research on ant colony algorithm points out that the ant colony algorithm has superiority in solving large nonlinear optimization problem. Through careful analysis of the deficiencies that genetic algorithm and particle swarm algorithm solve the problem of vehicle dispatching system, based on the advantage of ant colony algorithm and the own characteristics of vehicle dispatching system, the basic ant colony algorithm was improved in the paper, and the algorithm framework was created. Based on the linear programming theory, the article established mathematical model and operation objectives and constraints for vehicle dispatching system, and got the optimal solution of vehicle dispatching system problem with the improved ant colony algorithm. According to the optimal solution and the dispatching criterion real-time scheduling was achieved. The article used Java language to write a simulation program for comparing the improved particle swarm optimization algorithm and ant colony algorithm. Through the comparison, it is found a result that the improved ant colony algorithm is correct and effective to solve the vehicle dispatching optimization problem.

Key words: logistics, Ant Colony Optimization (ACO) Algorithm, vehicle dispatching, optimal path, simulation verification

中图分类号:

TP315

李秀娟杨玥蒋金叶姜立明. 蚁群优化算法在物流车辆调度系统中的应用[J]. 计算机应用, 2013, 33(10): 2822-2826.

LI Xiujuan YANG Yue JIANG Jinye JIANG Liming. Application of ant colony optimization to logistics vehicle dispatching system[J]. Journal of Computer Applications, 2013, 33(10): 2822-2826.

[1]	冷琴, 毛政元. 考虑设施规模决策的两级选址-路径优化[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3513-3520.
[2]	葛丽娜, 徐婧雅, 王哲, 张桂芬, 颜亮, 胡政. 区块链在供应链应用中的研究现状与挑战[J]. 《计算机应用》唯一官方网站, 2023, 43(11): 3315-3326.
[3]	朱嘉豪, 郑巍, 杨丰玉, 樊鑫, 肖鹏. 基于蚁群算法优化反向传播神经网络的软件质量预测[J]. 《计算机应用》唯一官方网站, 2023, 43(11): 3568-3573.
[4]	肖智豪, 胡志华, 朱琳. 求解冷链物流时间依赖型车辆路径问题的混合自适应大邻域搜索算法[J]. 《计算机应用》唯一官方网站, 2022, 42(9): 2926-2935.
[5]	李由之, 胡志华, 陈春, 杨培蓓, 董雅静. 基于双长短期记忆网络组合的网络货运平台成交定价预测模型[J]. 《计算机应用》唯一官方网站, 2022, 42(5): 1616-1623.
[6]	刘志硕, 刘若思, 陈哲. 基于混合蚁群算法的冷链电动汽车车辆路径问题[J]. 《计算机应用》唯一官方网站, 2022, 42(10): 3244-3251.
[7]	李开荣, 刘爽, 胡倩倩, 唐亦媛. 基于转角约束的改进蚁群优化算法路径规划[J]. 计算机应用, 2021, 41(9): 2560-2568.
[8]	龚英, 何彦婷, 曹策俊. 面向重大公共卫生风险治理的应急物流协同演化仿真[J]. 计算机应用, 2021, 41(9): 2754-2760.
[9]	李蒙蒙, 秦伟, 刘艺, 刁兴春. 结合头脑风暴优化的混合蚁群优化算法[J]. 计算机应用, 2021, 41(8): 2412-2417.
[10]	马艳芳, 王珊, 黄岭玉, 程聪. 模糊需求下低碳取送货车辆调度问题与算法[J]. 计算机应用, 2021, 41(3): 851-859.
[11]	樊小毛, 熊红林, 赵淦森. 带约束的清洁排班问题模型及其求解[J]. 计算机应用, 2021, 41(2): 577-582.
[12]	汪虹余, 张彧, 杨恒, 穆楠. 基于蚁群优化算法的弱光图像显著性目标检测[J]. 计算机应用, 2021, 41(10): 2970-2978.
[13]	郝芃斐, 池瑞, 屈志坚, 涂宏斌, 池学鑫, 张地友. 求解铁路物流配送中心选址问题的改进灰狼优化算法[J]. 计算机应用, 2021, 41(10): 2905-2911.
[14]	高一鹭, 胡志华. 基于时空网络的自动化集装箱码头自动化导引车路径规划[J]. 计算机应用, 2020, 40(7): 2155-2163.
[15]	熊勇, 张加, 余嘉俊, 张本任, 梁萱卓, 朱奇舸. 船舶三维管路智能布局优化算法[J]. 计算机应用, 2020, 40(7): 2164-2170.