蟻群算法在物流系統(tǒng)中的應(yīng)用研究.pdf

1、人們生活的現(xiàn)代社會是由計算機信息網(wǎng)絡(luò)、電話通信網(wǎng)絡(luò)、物流分派網(wǎng)絡(luò)、運輸服務(wù)網(wǎng)絡(luò)等等各種網(wǎng)絡(luò)組成的一個復(fù)雜的網(wǎng)絡(luò)系統(tǒng)。 隨著研究對象的日益復(fù)雜化，一些傳統(tǒng)的基于精確模型的確定性優(yōu)化算法在解決具體問題時都遇到了極大的困難，一些學者從生物的生活習性中受到啟發(fā)，提出了許多仿生類啟發(fā)式智能優(yōu)化算法。蟻群優(yōu)化算法ACO(Ant ColonyOptimization)則是其中一種，特別適合于解決一些組合優(yōu)化問題。該算法由Dorigo等人于20

2、世紀90年代初提出以來，至今已引起越來越多人們的注意而發(fā)展出許多后續(xù)對其改進的算法，并且在很多領(lǐng)域得到了廣泛的應(yīng)用。 由于蟻群優(yōu)化算法是模擬螞蟻覓食的習性，采用的是分布式并行計算機制，具有較強的魯棒性并易與其他方法結(jié)合的特點，但也和其他進化算法一樣存在計算量大、搜索時間長、易陷入局部最優(yōu)的突出缺陷，針對算法的固有缺陷，后續(xù)很多學者對蟻群算法進行了改進。本文對蟻群算法及其在物流系統(tǒng)優(yōu)化中的應(yīng)用進行了研究，其主要研究內(nèi)容如下：

3、 在物流系統(tǒng)優(yōu)化兩類難題中，提出用蟻群算法來求解配送中心選址的實際問題，針對該類組合優(yōu)化問題，設(shè)計了一個改進算法，充分利用蟻群算法的并行機制和正反饋機制，引入局部更新規(guī)則增強正反饋作用，加快搜索速度，在全局更新中增加本輪最優(yōu)路徑上信息濃度，并在迭代后期引入動態(tài)平滑信息素軌跡機制，增大那些低信息軌跡被選擇的概率，增強算法的搜索能力，通過對實例問題的求解，驗證了改進算法的有效性，找到了最優(yōu)解組合。針對第二類問題的TSP模型實質(zhì)和蟻群算法在

4、解決該類問題中的固有不足，本文提出了一種具有獎罰機制的分組蟻群算法。即對螞蟻進行分組，利用螞蟻組之間合作和組內(nèi)螞蟻相遇合作思想，采用全局與局部更新規(guī)則和改進MMAS策略，并引入獎罰機制對信息素進行更新。仿真實驗數(shù)據(jù)表明改進后的算法避免了算法停滯而陷入局部最優(yōu)的現(xiàn)象，加快了搜索速度，找到的解也較優(yōu)，取得了算法時間和優(yōu)化性能之間的平衡，提高了算法的性能。 在物流系統(tǒng)供應(yīng)鏈網(wǎng)絡(luò)優(yōu)化中出現(xiàn)的需尋求最優(yōu)斯點或其組合來構(gòu)造斯坦納最短樹的問題