配送车辆运输路径的优化,这是关于混合禁忌搜索方法,不仅可以降低成本,而且可以提高车辆运输路径的优化。该算法首先研究物流配送车辆运输路径的现状,然后使用混合禁忌搜索方法计算车辆运输路径。根据实际情况分析,可以证明了混合禁忌搜索的计算方法可以提高效率,提出了现代物流配送车辆运输路径也是最好的方法,和运输成本大大降低。
全球经济的不断发展推动了物流行业的快速发展。由于石油价格的增加,物流和运输的成本超出了预算,还有商品分布与服务之间的矛盾和缺陷和城际交通( 在本文中,我们研究物流配送车辆的运输路径,建立数字模型的配送车辆运输。数字模型使用混合禁忌搜索的计算方法来找到最好的运输配送车辆路径。以实际的案例分析,可以证明了混合禁忌搜索方法可以找到OTPDV方法最快的和是最好的计算方法。
混合禁忌搜索算法由零组成的三元数组<我nl我ne-formula>
如果混合禁忌搜索<我nl我ne-formula>
即混合禁忌搜索的总和仍然是混合禁忌搜索,也有区别,
如果<我nl我ne-formula>
混合禁忌搜索算法是一种随机规划,约束条件包括随机参数,和机会代表的概率约束条件(
其中,<我t一个l我c>
x我t一个l我c>是决策向量,<我nl我ne-formula>
让<我t一个l我c>
n我t一个l我c>是客户,然后蚂蚁的数量混合禁忌搜索<我t一个l我c>
米我t一个l我c>;然后,有
OTPDV解决问题的过程中,蚂蚁的转移概率K从客户我到客户<我t一个l我c>
J我t一个l我c>需要考虑运输路径的长度和下面的客户信息素浓度点
的公式,<我t一个l我c>
一个我t一个l我c>和<我t一个l我c>
b我t一个l我c>权重因素,<我t一个l我c>
t我t一个l我c>
混合禁忌搜索算法中,为了充分利用循环的最佳解决方案和最佳的解决方案发现到目前为止,每个周期将会更新每个蚂蚁的信息素。信息素更新规则如下:
几天后,<我t一个l我c>
ρ我t一个l我c>信息素波动系数,[0,1]之间的一个随机数。1−<我t一个l我c>
ρ我t一个l我c>表示信息素的残留因素。Δ<我t一个l我c>
τ我t一个l我c>
在这里,<我t一个l我c> 问我t一个l我c>信息元素的浓度,这是一个常数,影响算法的收敛速度。路运输路径的长度是k蚂蚁在这个周期。
如果混合禁忌搜索算法是用来解决车辆运输路径的优化问题,人工蚂蚁来提供服务,而不是汽车。为客人服务的关键是要超过汽车的装载量和最大距离。车辆将继续为其他客人服务。有一个在所有的客人服务。此时,代表汽车的人工蚂蚁完成了游行。记得一个周期毕竟蚂蚁有游行
初始化参数,读取客户端数据服务,并生成全局初始解。
算法的具体流程如图 在全球物流车辆路径规划之前,我们需要完成的建模物流存储环境改善物流存储物流车辆的状态。在这一节中,选择混合禁忌搜索算法对物流存储环境建模。混合禁忌搜索环境中物流车辆放置分为面积和体积划分成多个二维或三维网格具有相同的形状。物流环境中其他元素是抽象描述采用小网格单元,以建立一个物流环境,物流车辆很容易理解。物流系统描述的长度<我t一个l我c>
米我t一个l我c>,宽×N;以一定角度的物流为原点,设置左上角的坐标为(0,0)建立直角坐标系。假设货物边界,当块大小3 d重建技术被认为是一种细胞物流网格和网格环境改变了几个小网格;每个网格的数量可以描述如下:装天花板的数目(n / a)网格在不同的列所描述的细胞(m / a),在那里装天花板意味着向上排序。其中,装天花板意味着向上排序。
二维和一维空间结构中使用网格后的存储环境。
在路径规划的过程中,根据规划算法的要求,映射关系如下: 本地模拟物流环境的示意图将参照图描述 路线规划问题分为两部分根据物流车辆的初始点是否已经退出。其中之一是,物流车辆的初始点在出口的时候被认为是一个典型的TSP问题。另一种是,如果起始点不是在出口处,初始点的终点是一个不变的TSP问题,即OTPDV问题。典型的TSP问题的数学模型可以表示通过公式( 的公式,<我nl我ne-formula>
如果势场典型使用蚁群算法解决TSP问题,所有的路径点视为组织个人和可以自适应函数选择公式( 在网格环境中,在全球物流车辆路径规划的过程中通过三维重建技术,设置打开表和关闭表;在初始化过程中,初始点是附加到开放的表。当前近表是空的,初始点: 打开表是空的,没有目标位置时停止搜索,没有有效的路径。相反,当打开的表是空的,获得目标节点前重复以下步骤: 选择小的节点<我t一个l我c>
f我t一个l我c>打开表添加到关闭的价值表和删除打开表的相应价值。假设节点最小的<我t一个l我c>
f我t一个l我c>值的相邻节点的初始点<我t一个l我c>
问我t一个l我c>,那么初始点是父节点。
如果这是终点站,可以跳过。以终点为起点<我nl我ne-formula>
如果<我nl我ne-formula>
如果<我nl我ne-formula>
如果<我nl我ne-formula>
如果<我nl我ne-formula>
保存搜索记录和父节点是用来跟踪回到起始点。
现代物流移动车辆可以代替人们沉重和复杂的工作,在某种程度上提高人们的工作效率,降低劳动成本。此外,它可以不断增加不同行业的经济效益。在现代物流移动车辆的实际应用,如何选择一个合理的和科学的路径逐渐成为该领域的关键技术。目前,在大多数情况下,物流移动车辆的路径规划是基于传统的方法,但物流移动车辆的路径规划包括自然语言和物流移动车辆的路径规划基于人工工厂方法。
有20个运载工具在现代物流公司的配送中心。每辆车的最大负载是10吨。与此同时,他们需要25个客户服务。客人的基本信息如表所示 客户的基本信息。
客户编号
协调
货物运输数量(吨)
0
(13)
- - - - - -
1
(12日9)
1.7
2
(18.1,3.4)
1.5
3
(15.5,16.6)
2.1
4
(192年,15)
2.2
5
(15.2,11.4)
1
6
(9.6,7.3)
2.5
…
…
…
25
(7.1)
2.6
仿真平台如下:2.8 gmhz CPU,内存2 GB,操作系统是Windows 2000, VB6.0编程语言环境。混合禁忌搜索算法的参数:蚂蚁的数量是20<我t一个l我c> α我t一个l我c>= 1,<我t一个l我c> β我t一个l我c>= 1.5,<我t一个l我c> 一个我t一个l我c>= 0.3,<我t一个l我c> b我t一个l我c>1000 = 0.7,最大迭代次数,<我t一个l我c> ρ我t一个l我c>= 0.6。
在这篇文章中,最优分配车辆运输路径的算法。
当混合禁忌搜索算法是用来解决传输路径的最优分配车辆,如果该算法重复280次,找到问题的最优解,最优传输路径的长度是164。结果如图所示 结果与其它优化算法相比。
为了进一步验证优化算法的优越性,使用遗传算法和模拟退火算法的比较实验。每个算法执行10倍,计算结果的平均值与算法相比,结果如表所示 分布的最优运输路径的车辆。
各种算法的性能比较。
算法
成功率(%)
优化时间(年代)
最优运输路径长度(厘米)
遗传算法
64年
50
180.13
模拟退火算法
77年
45
170.51
混合禁忌搜索算法
97年
20.
165年
改进目前的物流经济效益的关键是合理规划运输路径的车辆在当前物流运输系统。本文研究了在当前物流运输配送车辆路径问题。面对现有的情况,更合理的使用混合禁忌搜索方法,效率高的优点。这种计算方法不仅提高了优化效率,效率也快,这是应用于当前物流配送车辆运输路径优化。
使用的数据来支持本研究的发现可以从相应的作者。
作者宣称没有利益冲突。
这个研究是由重庆交通职业学院。本文发表的结论项目研究电动汽车能量补给设施布局优化,项目没有。CJSK201916。本文作者感谢项目支持。