现代物流配送运输路径优化考虑混合禁忌搜索算法

文摘

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。

1。介绍

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(1- - - - - -3]。因此,当前物流配送车辆运输路径优化是整个物流行业的重要工作。物流配送车辆运输路径优化问题是相关的物流运输成本、效率、速度和分布。因此,它是一个重要的物流研究行业选择工作路径优化快速发货给用户。运输路径的优化分配车辆,OTPDV,可以使用最少的车辆,车辆的最小的数完成分配的工作,并能实现最低的目标成本和最短的时间(4- - - - - -6]。

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。

2。混合禁忌搜索算法

混合禁忌搜索算法由零组成的三元数组 ;其隶属函数

如果混合禁忌搜索 , 。据加法和乘法的扩展原理的混合禁忌搜索的数字,有两个方面:

即混合禁忌搜索的总和仍然是混合禁忌搜索,也有区别, 而且,从 ,获得

如果 , ,是一种混合禁忌搜索,我们获得的非负线性组合和混合禁忌搜索基于模糊逻辑的编程 仍然是混合禁忌搜索,然后呢

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(7- - - - - -9]。在混合禁忌搜索环境中,混合禁忌搜索约束编程是理解以机会为约束的可能性。随机混合禁忌搜索和混合禁忌搜索控制计划提供一个强大的工具来解决优化问题的随机参数和混合禁忌搜索参数。这个模型一般形式:

其中,x是决策向量,是一个随机向量参数,是一个混合禁忌搜索向量参数, 是目标函数, 是一个约束函数,由于混合禁忌搜索参数的外观吗和随机参数 。因此,符号在模型(1)和约束缺乏明确的意义。为了解决这个问题,混合禁忌搜索和随机模型中的元素被认为是共存的混合禁忌搜索和随机的机会。

3所示。设计混合禁忌搜索算法对配送车辆路径优化

3.1。测定混合禁忌搜索的数量

让n是客户,然后蚂蚁的数量混合禁忌搜索米;然后,有 在哪里b_我(t)是蚂蚁在客户的数量我。

3.2。混合禁忌搜索路径传输规则

OTPDV解决问题的过程中,蚂蚁的转移概率K从客户我到客户J需要考虑运输路径的长度和下面的客户信息素浓度点10- - - - - -12]。J访问客户;O是现代物流配送中心。选择蚂蚁的概率的计算公式K从客户端转移我到客户端J如下:

的公式,一个和b权重因素,t_ij是时候从客户端吗我到客户端j .α指出了信息传播的因素。β表示期待离职的因素。η_ij(t)确定启动信息价值与运输路径(我,j)如下定义。 在哪里d_ij客户之间的距离吗我和客户j。

3.3。信息素更新规则

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,ρ信息素波动系数,[0,1]之间的一个随机数。1−ρ表示信息素的残留因素。Δτ_ij(t在这一周期)代表的传输路径。的增量信息元素(我,j):它的初始值 。这意味着k蚂蚁呆在这个循环的运输路径。(我,j上面的信息素的总量:

在这里,问信息元素的浓度,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。

4所示。汽车分销和运输路径的实现算法

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13- - - - - -15]。一个周期后,根据每只蚂蚁的质量周期,计算信息素的增加,同时更新信息素。多次循环之后,一些蚂蚁选择相同的运输路径或找到最好的运输路径。具体步骤如下:(1)初始化参数,读取客户端数据服务,并生成全局初始解。(2)请只把米蚂蚁在现代物流配送中心。最初的时间t数控= 0 = 0和重复的数量被用来建立混合禁忌搜索禁忌列表。(3)对每只蚂蚁我,它搜索的节点不走从节点列表并选择下一个客户机节点j从这些节点根据传输概率公式。(4)计算交通路线(我,j),货物总额问,如果问=t>问。在这里,问车辆的最大容量,所以转到步骤5。否则,节点j将加入可执行点组和前进步骤6。(5)客户需求点的等待时间j计算,从节点路径长度和成本我到节点j被添加到禁忌列表当请求的时间窗口是满意。同时,跳到第3步。否则,节点j加入新的可执行点组并提出下一步6。(6)计算车辆的数量和判断执行点组a。如果为空,跳转到步骤7。否则,节点不会将获得从一个检索,最短的节点开始时间将被选为起点,和下一个节点将步骤3中找到。(7)更新信息素和信息素增量的运输路径的一部分,每个蚂蚁经过。(8)寻找最短运输路径长度和最短运输路径K的蚂蚁。在周期的开始,毕竟蚂蚁的巡演,边缘搜索K蚂蚁的信息素更新。否则,我们将会更新这个周期的最佳运输路线。(9)与全局最优的解决方案,如果在这个迭代最优解比全局最优的解决方案,它将取代全局最优解和更新全局最优运输路由表。(10)如果迭代次数达到最大或找到全局最优解,程序结束。否则,清晰的禁忌列表和跳过步骤2。

算法的具体流程如图1。

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米,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2。

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(2)和计算最佳路径 。

的公式, 曼哈顿是用来描述两个点之间的距离,这是一个重组的K路径点的顺序。

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(2)。TSP和OPTPDV势能场蚁群算法只能获得最佳访问的全局路径点。相反的路径,它不能满足移动轮式物流车辆体积选择路径的需求计划。有必要获得精确的3 d重建全球规划路径。

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: 在哪里f(年代)是评价函数的初始点。h(年代)是用于描述估计初始节点和端点之间的时间间隔。

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:(1)选择小的节点f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f值的相邻节点的初始点问,那么初始点是父节点。(2)计算当前点的所有相邻节点p,假设相邻节点用于说明,然后计算 , ,和 ;这里,为了解释选择之间的间隔点和对象节点,使以下决定:(1)如果这是终点站,可以跳过。以终点为起点和跟踪回到初始点的父节点获得的最短路线选择一批物流车辆(2)如果是一个访问点,跳过点吗(3)如果在关闭表,跳过点(4)如果不开放的表或表,它将被添加到表的父节点开放(5)如果在打开的表,找到了吗新路径和价值判断它是最小的。如果是这样,P的父节点 ,F和更新,h,和在同一时间。相反,没有变化。(3)保存搜索记录和父节点是用来跟踪回到起始点。

5。仿真研究

5.1。数据集

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1。

5.2。仿真平台和参数设置

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20α= 1,β= 1.5,一个= 0.3,b1000 = 0.7,最大迭代次数,ρ= 0.6。

5.3。实验结果和分析

(1)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3。可以看出,本文算法是一种有效的配送车辆的优化方法。(2)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2。在这里,它是发现,最优传输路径的运输工具基于混合禁忌搜索算法是最短的。不要使用太多的车辆和空的车辆。因此,降低成本。同时,寻找最优解的速度是最快的,而且是最成功的数量,从而提高运输效率和经济效益的现代物流企业在某种程度上。结果表明,运输路径优化算法基于混合禁忌搜索算法符合现代物流企业实时和快速的特点,而且它是一个有效的现代物流配送车辆运输路径优化方法。

6。结论

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。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

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。

引用

1. y . k .盛和w·l .局域网”clarke-wright节约里程启发式算法应用于物流配送路线优化,“主要工程材料卷,474 - 476,1538 - 1542年,2011页。视图:出版商的网站|谷歌学术搜索
2. t . Wang和吴y”,研究基于混沌算法的物流配送路径优化,“计算机应用在工程教育卷,47号29日,第221 - 218页,2011年。视图:谷歌学术搜索
3. j . o . Royset和h .佐藤”路线优化多个搜索者”,海军研究物流卷,57号8,701 - 717年,2010页。视图:出版商的网站|谷歌学术搜索
4. m·施罗德和p·卡布拉尔”环保3 d-routing:一个基于GIS的3 d-routing-model估计分布传输,减少二氧化碳排放,”电脑、环境和城市系统卷。73年,40-55,2019页。视图:出版商的网站|谷歌学术搜索
5. x, w .建国,j .元,“一个新的物流配送路线优化算法对新鲜农产品基于遗传算法和蚁群算法的融合,“我们共同Chimica学报,42卷,不。6,2428 - 2432年,2017页。视图:谷歌学术搜索
6. h·张,”研究跨境电子商务物流优化平台基于大数据,”航空杂志上de la Facultad de Ingenieria,32卷,不。4、329 - 335年,2017页。视图:谷歌学术搜索
7. 硕士。江和m .应“危险化学品运输路线选择研究,”Procedia工程卷,71年,第138 - 130页,2014年。视图:出版商的网站|谷歌学术搜索
8. j . Wojtusiak t .狱长,o·赫尔佐格,“基于代理交付中的可学的进化模型优化”,迷因计算,4卷,不。3、165 - 181年,2012页。视图:出版商的网站|谷歌学术搜索
9. z Minjie、z健胃和z身子,“物流生态环境系统优化研究”Procedia工程15卷,第374 - 370页,2011年。视图:出版商的网站|谷歌学术搜索
10. s . Shahabi a . Unnikrishnan和s·d·伊尔,”鲁棒优化策略下的最短路径问题不确定联系旅游成本分配,”计算机辅助土木与基础设施工程》第六卷,硕士论文,2014页。视图:出版商的网站|谷歌学术搜索
11. Md。m .伊斯兰教,h·k·辛格,t·雷和a . Sinha”一个增强的迷因简略二层优化问题的算法,”进化计算,25卷,不。2、607 - 642年,2016页。视图:谷歌学术搜索
12. 问:周,x Xiong, h .方”配送中心物流设备风险管理研究”,课堂讲稿电气工程卷。286年,36-48,2015页。视图:出版商的网站|谷歌学术搜索
13. t . l . Wang侯,m .江“改进的多目标进化算法优化控制温室环境,”农业Gongcheng学报/中国农业工程学会的事务,30卷,不。5,131 - 137年,2014页。视图:谷歌学术搜索
14. k . Sathish Kumar k . Rajalakhsmi美国角色Karthikeyan, r·拉贾拉姆,“一个有效的入侵杂草优化配电馈线重构算法和损失最小化,“先进的智能系统和计算卷。324年,37-46,2015页。视图:出版商的网站|谷歌学术搜索
15. t . Niknam和大肠Azad Farsani”混合自适应粒子群优化和修改打乱青蛙跳跃配电馈线重构的算法,”人工智能技术的工程应用,23卷,不。8,1340 - 1349年,2010页。视图:出版商的网站|谷歌学术搜索

版权

版权©2021金近郭et al。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。