改进粒子群算法在物流配送问题中的应用.pdf

维普资讯
关键词
.引言
物流配送是指按客户的订货要求和时间计划,将货物从点的单位时间所得到的罚金成本;若车辆在之前到达
物流结点送达收货人的过程。物流配送问题的核心为车辆路点,则增加机会成本,若车辆在之后到达
径优化问题,它是物流配送优化中关键的一环,配送车辆运行点,则增加罚金成本。
的路线和时间是否合理,对降低库存成本、降低配送成本等都则可得到车辆优化调度数学模型如下:
有较大的影响。因此采用科学合理的方法对车辆路径进行调】
度在物流配送中是一项非常重要的工作。∑∑∑∑。,

近年来从生物进化机理中受到启发而发展起来的一些智—,
能优化方法,如遗传算法、粒子群算法等,常用于解决一些复
约束条件:
杂优化问题。粒子群优化算法—
,是一类基于群智能的随∑;∑,⋯,;

机优化算法,已广泛应用于函数优化,神经网络训练,模糊系
一,⋯,; ;
统控制等领域。近几年的研究和实践表明,在多维空间函∑⋯一,,⋯,;;
数寻优、动态目标寻优等方面有着收敛速度快、解质量高、鲁
棒性好等优点,特别适合工程应用。, , ⋯, ;
∑⋯,,⋯,;

本文提出了一种改进的粒子群算法来对带时间窗的物流
’∈:
配送车辆路径问题举行优化。
或,,,⋯,; ;
.问题的描述及模型
或,,,⋯,;
带时间窗的物流配送车辆路径优化调度问题可描述为:
.改进的粒子群算法
有一个中心仓库,拥有汽车辆,容量分别为,,⋯,
:现有个发货点运输任务需要完成,以,,⋯⋯,表示。与遗传算法类似,粒子群优化算法同样基于群体与
第个发货点的货运量为,,⋯⋯,,完成客户任务适应度,它将每个个体视为无体积的粒子,在搜索空间以变速
需要的时间装贷或卸货表示为,且任务且必须在时间飞行,其飞行速度根据该粒子本身的历史经验以及同伴的历
窗口,完成,其中为任务的允许最早开始时间, 史经验进行动态调整。可用下面个元素形式描述:
为任务的允许最迟开始时间。如果车辆到达客户的时,,,,
间早于,则车辆需在处等待;如果车辆到达时间晚于其中,为群体规模, 为进化代数,和分别表示所
,任务将被延迟进行。每辆汽车载重量一定,每条路线不有粒子的速度空间和位置空间,为适应度,从位置空问映
超过汽车载重量。每个需求点的需求必须且只能由一量汽车射到实数空间。在每一次迭代中,粒子通过跟踪个体极值
来提供,目标是最小化总的汽车行驶路程。与全局极值来更新自己的位置和速度,公式如下:
定义变量: ‘,×
客户的货物由车辆完成:
【否则’:
车辆从客户行驶到客户; 其中,是粒子的当前速度,是粒子的当前位置,
/ 否则是,之间的随机数,和。是学习因子,通常都取值
为从客户到的距离;表示车辆到达客户的时为,‘,是加权系数,用来控制历史速度对当前速度的影响程
作者简介:肖力,男,湖北鄂州人。工学硕士。副教授。研究方向:智能优化计算。
一—
维普资讯
度,一般在.,.之间取值。但若‘能随算法迭代的进行规粒子群优化算法的基本框架中,增加了随机变异因子,通过
而线性减小,将显著改善算法的收敛性能。令为最大加权对的随机变异来提高算法跳出局部收敛的能