物流配送路径优化问题分析与算法解读（一） - allon6318 - 博客园
posts - 14, comments - 51, trackbacks - 0, articles - 0
物流配送路径优化问题分析与算法解读（一）
& & & 去年五一跳蚤以后，一直在一家公司参与物流配送软件开发的相关工作，负责的工作内容包括物流配送路径优化这一块。关于物流配送这一专业领域，自己以前也是门外汉，对这一领域也没有接触过，更谈不上理解。所以，一直在学习，一直在探索。在这个过程中因为工作需要学习了很多大牛的博客（太多了，记不住，所以大家别指望了，还是踏实看我的帖子吧），也研究了在开发过程中客户提出的物流配送路径优化领域的相关需求（因为客户来头较权威，需求比较专业，所以问题很具有代表性），有所收获。好东西当然要拿出来与大家分享。我会把这段时间的学习和研究所得整理成一个系列（好吧，真心有点装，不过思考了一下，发现要写的确实不少），欢迎大家批评指正。另外，在这个过程中，我还使用了大量的谷歌地图API技术，也有所积累，如果大家有需求，发帖顶起啊，我也可以找个时间整理出来与大家分享！如果遇上同行，还请不吝赐教。
& & &&在这个系列里，我会按照从易到难，从简单到复杂的顺序，向大家分类，分级逐步介绍物流配送路径优化过程中的问题。
& & & 今天先起一个头，这也是一切物流配送路径优化问题的起点，那就是旅行商问题。相信阅读这篇文章的同学应该对旅行商问题有所了解，我就不赘述了。
& & & 我将物流配送领域中的旅行商问题归纳如下：
& & & 物流企业A在B市有一个配送中心，有M个固定的配送客户。企业A每天需要为这M个客户配送一定量的货物。现在，有这样一个问题，要求企业A派出一辆车配送所有客户，不考虑车辆载重与结点需求，且该辆车不管如何行驶，均能够一次性配送完所有客户，现在只需考虑一个问题，那就是如何行车才能保证所有点均已配送且只配送一次，且总的行车路径最短。这是典型的TSP问题，也是物流配送路径优化问题中最基本和最简单的问题。
& & & 目前针对该问题，有很多的解决方法，包括有名的蚁群算法，包括遗传算法等等，这些都能够有效的获取相对最优解。我只捡我实践过且目前运行良好的几种算法来说：
（1）原理介绍：
& & & 如上图所示，P0为起始点，其它点为配送需求点。采用极坐标来表示各点的相对位置，然后以P0点为坐标原点，以P1为起始点，定其角度为零度，以顺时钟或逆时钟方向开始扫描各个点，获得各点与原点连线P0Pn相对于P0P1的角度大小。根据角度大小确定其顺序，直至扫描完毕。扫描结束后获得的点的序列就是各点的配送顺序。
（2）结果分析：& & & 简单扫描法并不能保证获取最短路径。但是其算法原理简单，执行效率高，而且所获取的结果与最优路径之间的偏差较小。
2、分支界定法
（1）原理介绍：
& & & 分支限界法又称为剪枝限界法或分支定界法，它类似于回溯法，也是一种在问题的解空间树T上搜索问题解的算法。它与回溯法有两点不同：
①回溯法只通过约束条件剪去非可行解，而分支限界法不仅通过约束条件，而且通过目标函数的限界来减少无效搜索，也就是剪掉了某些不包含最优解的可行解。
②在解空间树上的搜索方式也不相同。回溯法以深度优先的方式搜索解空间树，而分支限界法则以广度优先或以最小耗费优先的方式搜索解空间树。& & & 分支限界法的搜索策略是：在扩展结点处，先生成其所有的子结点（分支），然后再从当前的活结点表中选择下一个扩展结点。为了有效地选择下一扩展结点，以加速搜索的进程，在每一活结点处，计算一个函数值（限界），并根据这些已计算出的函数值，从当前活结点表中选择一个最有利的结点作为扩展结点，使搜索朝着解空间树上有最优解的分支推进，以便尽快地找出一个最优解。从活结点表中选择下一扩展结点的不同方式导致不同的分支限界法。最常见的有以下两种方式：
①队列式(FIFO)分支限界法：队列式分支限界法将活结点表组织成一个队列，并按队列的先进先出原则选取下一个结点为当前扩展结点。
②优先队列式分支限界法：优先队列式分支限界法将活结点表按照某个估值函数C(x)的值组织成一个优先队列，并按优先队列中规定的结点优先级选取优先级最高的下一个结点成为当前扩展结点。
（2）结果分析：& & & 分支界定法能获取最短路径。& & & 分支限界法常以广度优先或以最小耗费（最大效益）优先的方式搜索问题的解空间树。在分支限界法中，每一个活结点只有一次机会成为扩展结点。活结点一旦成为扩展结点，就一次性产生其所有儿子结点。在这些儿子结点中，导致不可行解或导致非最优解的儿子结点被舍弃，其余儿子结点被加入活结点表中。& & & 此后，从活结点表中取下一结点成为当前扩展结点，并重复上述结点扩展过程。这个过程一直持续到找到所需的解或活结点表为空时为止。
影响分支限界法搜索效率的有两个主要因素：一是优先队列Q的优先级由C(x)确定，它能否保证在尽可能早的情况下找到最优解，如果一开始找到的就是最优解，那么搜索的空间就能降低到最小；二是限界函数u(x)，它越严格就越可能多地剪去分支，从而减少搜索空间。& & & 在用分支限界法解决TSP问题时，有不少很好的限界函数和估值函数已经构造出来出了，使得分支限界法在大多数情况下的搜索效率大大高于回溯法。但是，在最坏情况下，该算法的时间复杂度仍然是O(n!)，而且有可能所有的(n-1)!个结点都要存储在队列中。
3、蚁群算法
（1）原理介绍：
& & & 意大利学者M.Dorigo，V.Maniezzo等人在观察蚂蚁的觅食习性时发现，蚂蚁总能找到巢穴与食物源之间的最短路径。经研究发现，蚂蚁的这种群体协作功能是通过一种遗留在其来往路径上的叫做信息素(Pheromone)的挥发性化学物质来进行通信和协调的。化学通信是蚂蚁采取的基本信息交流方式之一，在蚂蚁的生活习性中起着重要的作用。通过对蚂蚁觅食行为的研究，他们发现，整个蚁群就是通过这种信息素进行相互协作，形成正反馈，从而使多个路径上的蚂蚁都逐渐聚集到最短的那条路径上。& & & 这样，M.Dorigo等人于1991年首先提出了蚁群算法。其主要特点就是：通过正反馈、分布式协作来寻找最优路径。这是一种基于种群寻优的启发式搜索算法。它充分利用了生物蚁群能通过个体间简单的信息传递，搜索从蚁巢至食物间最短路径的集体寻优特征，以及该过程与旅行商问题求解之间的相似性。得到了具有NP难度的旅行商问题的最优解答。& & & 其求解过程可以形象的解释如下：& & & 如上图所示，蚂蚁在最开始的时候因为障碍物阻挡，不得不延上下两条路绕行。上面的路径比下面的路径要长。我们假设所有蚂蚁的运动速度一样，那么在单位时间里通过下面路径的蚂蚁数量在概率上说，显然要比从上面通过的蚂蚁数量要多。因为蚂蚁的移动过程中会产生信息素，我们假设每只蚂蚁单位时间内产生的信息素是一定的，那么下面路径的信息素浓度显然要大于上面的路径。随着时间的增加，这种差别越来越大，而蚂蚁之间是通过信息素来传递信息的，所以越来越多的蚂蚁因为蚂蚁浓度的影响，从下面的路径通过，直至最后绝大多数的蚂蚁都从下面的路经过。& & & 蚁群算法是一种正反馈的算法。从真实蚂蚁的觅食过程中我们不难看出，蚂蚁能够最终找到最短路径，直接依赖于最短路径上信息激素的堆积，而信息激素的堆积却是一个正反馈的过程。对蚁群算法来说，初始时刻在环境中存在完全相同的信息激素，给予系统一个微小扰动，使得各个边上的轨迹浓度不相同，蚂蚁构造的解就存在了优劣，算法采用的反馈方式是在较优的解经过的路径留下更多的信息激素，而更多的信息激素又吸引了更多的蚂蚁，这个正反馈的过程使得初始的不同得到不断的扩大，同时又引导整个系统向最优解的方向进化。因此，正反馈是蚂蚁算法的重要特征，它使得算法演化过程得以进行。
（2）结果分析：& & & 蚁群算法并不能保证一定可以获取最短路径。但是通过修改其算法因子，我们能够得到最优近似解。如果对其进行多次循环处理，从得到的一组最优近似解中筛选出的最小值，一般就是最优解。
4、三种算法对比
时间复杂度
空间复杂度
简单扫描法
（n表示结点个数）
（n表示结点个数）
运算速度快，执行效率高。
求解结果不一定是最优解。
分支界定法
（n表示结点个数）
（n表示结点个数）
能够求得最优解。
运算时间长，对内存空间要求大，如果求解空间太大，容易导致内存溢出。
（k表示循环次数，m表示蚂蚁个数，n表示结点个数）
（m表示蚂蚁个数，n表示结点个数）
采用分布式计算，具有较强的鲁棒性，可以通过控制算法因子对结果进行优化。多次循环能够得到最优近似解。
运算时间长，信息素增量有可能导致错误的引导。算法因子确定难。基于人工智能的路径查找优化算法_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
基于人工智能的路径查找优化算法
&&这是我的大学毕业设计论文,是一篇关于算法的论文,主要研究的是人工智能方面的遗传算法
阅读已结束，下载本文需要
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，同时保存到云知识，更方便管理
加入VIP
还剩24页未读，
定制HR最喜欢的简历
你可能喜欢物流配送路径优化问题的研究-学路网-学习路上 有我相伴
物流配送路径优化问题的研究
来源：DOCIN &责任编辑：王小亮 &
物流配送企业如何进行配送路线的规划?答：配送路线合理与否对配送速度、车辆的合理利用和配送费用都有直接影响，因此配送线路的优化问题是配送工作的主要问题之一。采用科学合理的方法来确定配送路线是配送活动中非常重要的一项工作。1、确定目标目标的选择是根据配送的具体要求、配送...物流配送路径优化该怎么弄呢？有人知道吗？问：补充：宏图远见是不是可以给弄呢？答：是的，1.尽可能的省时、省油等降低运输成本;2.可以提供最短距离的路径规划;3.合理有效的规划，帮助您减少折返里程数，甚至尽可能避免折返情况的发生;4.能够结合实时交通数据，提供实时的最佳畅通、无障碍路线，避免交通高峰路段及临时交通管...这是什么快递？怎么查它的物流配送路线图。答：圆通，输入运单号就能查到物流配送路径优化问题的研究(图2)物流配送路径优化问题的研究(图4)物流配送路径优化问题的研究(图6)物流配送路径优化问题的研究(图8)物流配送路径优化问题的研究(图10)物流配送路径优化问题的研究(图12)精益物流配送路径图怎么画答：汽车行业叫循环取货(milkrun),绘制路径图的原则是将所有送货点和取货点汇到一个封闭的路径内,这样一辆车就能够将所有工位照顾到,当然具体实施很困难,需要先定义送货和取货点，然后还要看路径是否合理，当然送货量能否够安排一个岗位也很关键防抓取，学路网提供内容。==========以下对应文字版==========了解一下宏图远见物流配送路径优化的要素是什么？...答：物流配送路径优化的要素：(1)备货。是配送的准备工作或基础工作，备货工作包括筹集货源、订货或购货、集货、进货及有关的质量检查、结算、交接等。配送防抓取，学路网提供内容。浙江大学硕士学位论文 物流配送路径优化问题的研究 姓名：许星 申请学位级别：硕士 专业：计算机应用技术 指导教师：童若锋
浙江大学硕士学位论文 摘要 物流配送是物流活动中直接与消费者相连的环节。物流配送管理中的无顺序拣货路径与顺序拣货路径的...答：无顺序拣货，浪费时间，费力，有序则相反防抓取，学路网提供内容。在物流的各项成本中，配 送成本占了相当高的比例。物流公司必须办理道路运输许可证么？问：我想经营注册一家配送公司，主要做市内的配送和仓储，我也没有车，我也...答：没有车怎么配送呢？目前我国货运运输只有颁发普通货物《道路运输经营许可证》和货运站经营许防抓取，学路网提供内容。配送线路安排的合理与否对配送速度、成本、效益影 响很大，特别是多用户配送线路的确定更为复杂。北京宏图远见物流配送路径优化的形式有哪些？答：物流配送路径优化的形式：一、按配送商品种类与数量划分;多品种、少批量配送;少品种、大批量配送;成套配送。二、按配送时间及数量划分;定时配送;定量配送;定时防抓取，学路网提供内容。采用科学、合理的方法来进行 配送线路优化，是物流配送中非常重要的一项活动。北京地区物流配送运输，包括车辆管理问：物流配送运输，包括车辆管理详细的优先答：1.到货：一定点清到货，不足或有破损就打反匮。2.发货:填好发货合同是不是要一定金额的保险，联系的方式地址3.送货上门:要防抓取，学路网提供内容。物流配送路径优化问题有很高的计算复杂性，属于ＮＰ完全难问题，高效的 精确算法存在的可能性不大。物流配送路径优化该怎么弄呢?有人知道吗?是的,1.尽可能的省时、省油等降低运输成本;2.可以提供最短距离的路径规划;3.合理有效的规划,帮助您减少折返里程数,甚至尽可能避免折返情况的发生;4.能够结合防抓取，学路网提供内容。本文研究了物流配送路径优化问题及其方法，将蚁 群算法改进并成功运用于解决物流配送路径优化问题，提出了基于蚁群算法的物 流配送路径优化算法。求物流配送路径优化的代码,差不多就可以,主要参考一下,最好...你描述的太笼统了。最好再详细一些。如果只是一个配送中心,那应该考虑的是一...你看一下还有没有要补充的。如果需要代码,留一个邮件。百度贴防抓取，学路网提供内容。本文章节组织如下： 第一章介绍了物流配送路径优化问题的相关知识，通过对研究现状的分析讨 论，引出本文的研究目的和工作重点。急求物流配送路线优化论文知情者请告知万分谢谢3.1.1物流配送路径优化问题的精确算法26-273.1.2物流配送路径优化问题的传统启发式算法27-293.1.3物流配送路径优化问题的现代启发式算法29防抓取，学路网提供内容。第二章对物流配送问题进彳亍描述。求解决物流配送路径问题的各种算法(如蚁群,遗传,模拟退火,禁...一楼回答的驴头不对马嘴,楼主,你要的代码网上应该都可以找得到。你到程序员联合开发网或者CSDN下载频道去找找看。防抓取，学路网提供内容。分析了物流配送问题中路径优化的评估标 准，建立了带约束条件的物流配送问题的数学模型。谁能帮我写一篇关于物流配送系统优化的文章啊?提高企业效益成了众多物流配送企业面临的问题。国内外众多学者已经开始配送系统的优化研究,研究主要集中在配送设施选址、配送路线优化等方面,优化的方法以最短路径,防抓取，学路网提供内容。第三章中引入了蚁群算法，详细描述了蚁群算法在物流配送路径优化问题中 的实现方案，分析讨论了蚁群算法的优缺点，并将蚁群算法运用到物流配送路径 优化问题中，实现了多次配送、多种车型情况下的物流配送路径优化算法模型。运输路径优化问题3,运输工具各种运输工具都有其优势领域,对运输工具进行优化选择最大限度的发挥运输工具的特点和作用,是运输合理化的重要的一环。4,运输时间在全部物流时间中运...防抓取，学路网提供内容。第四章针对蚁群算法的缺点，提出了对蚁群算法的几项改进，包括：在蚁群 算法中引入遗传操作、修改信息素更新策略等。有关于基于遗传算法的配送路径优化的MATLAB代码吗?我边遗传算求解VRP代码符合要求留邮箱我发您防抓取，学路网提供内容。最后将改进后的蚁群算法运用于 物流配送路径优化问题。我国零售连锁超市物流配送存在的问题及对策所以,超市也难以选择到比较适合的第三方物流企业。从而导致选择第三方物流配送模式...物流联盟关系,而解决目前连锁超市的配送问题,除了纵向联盟,另一个关键就是要组防抓取，学路网提供内容。经过多次实验和计算，证明了用改进的蚁群算法优化物 流配送线路，可以有效地求得问题的最优解或近似最优解。求与物流论文《连锁经营企业物流配送问题研究》相关的参考文...物流与采购.2006(9).-44-4517/48【题名】考虑反向物流的连锁经营配送路径的优化...商场现代化.2003(3).-19-2防抓取，学路网提供内容。第五章对本文的工作进行了总结，并分析了存在的问题和需要进一步研究的 内容。防抓取，学路网提供内容。关键词： 物流配送，路径优化，蚁群算法，蚁群系统 浙江大学硕士学位论文 ＡＢＳＴＲＡＣＴ Ｌｏｇｉｓｔｉｃ ｄｉｓｔｒｉｂｕｔｉｏｎｉｓ ａｌｌ ｏｐｅｒａｔｉｏｎｌｉｎｋｉｎｇ ｗｉｔｈｃｏｎｓｕｍｅｒ ｄｉｒｅｃｔｌｙａｎｄ ｔａｋｅｓ ａｃｃｏｕｎｔｆｏｒｃｏｎｓｉｄｅｒａｂｌｅ ｐｒｏｐｏｒｔｉｏｎ ｉｎｖａｒｉａｂｌｅｃｏｓｔｓｉｎ ｌｏｇｉｓｔｉｃｓ．Ｔｈｅｐｌａｎｎｉｎｇ ｖｅｈｉｃｌｅｒｏｕｔｉｎｇ ｉｎｄｉｓｔｒｉｂｕｔｉｏｎｗｉｌｌｔａｋｅ ｇｒｅａｔ ｅｆｆｅｃｔｏｎｔｈｅｅｆｆｉｃｉｅｎｃｙｃｏｓｔａｎｄｂｅｎｅｆｉｔ， ｅｓｐｅｃｉａｌｌｙ ｄｉｓｔｒｉｂｕｔｉｎｇｆｏｒｍｕｌｔｉｃｏｎｓｕｍｅｒ．Ａｓｃｉｅｎｔｉｆｉｃａｎｄｒｅａｓｏｎａｂｌｅｍｅｔｈｏｄｔｏ ｖｅｈｉｃｌｅ ｓｃｈｅｄｕｌｉｎｇ ｉｓａｎ ｉｍｐｏｒｔａｎｔｏｐｅｒａｔｉｏｎ ｌｏｇｉｓｔｉｃｄｉｓｔｒｉｂｕｔｉｏｎ． Ｏｐｔｉｍｉｚｉｎｇｌｏｇｉｓｔｉｃ ｄｉｓｔｒｉｂｕｔｉｏｎ ｒｏｕｔｉｎｇ ＮＰ－ｈａｒｄｐｒｏｂｌｅｍ．Ｈｉｇｈ ｅｆｆｅｃｔｉｖｅ ｅｘａｃｔ ａｌｇｏｒｉｔｈｍｉｓ ｉｍｐｏｓｓｉｂｌｅ ｔｏｉｔ．Ｔｈｉｓ ｐａｐｅｒ ｓｔｕｄｉｅｓｏｎｔｈｅ ｏｐｔｉｍｉｚｉｎｇｌｏｇｉｓｔｉｃ ｄｉｓｔｒｉｂｕｔｉｏｎ ｒｏｕｔｉｎｇｐｒｏｂｌｅｍ ａｎｄｓｏｌｖｅｓｔｈｅ ｐｒｏｂｌｅｍｕｓｉｎｇｉｍｐｒｏｖｅｄ ａｎｔ ｃｏｌｏｎｙ ａｌｇｏｒｉｔｈｍｓｕｃｃｅｓｓｉｖｅｌｙ． Ｔｈｅｔｈｅｓｉｓｉｓ ｏｒｇａｎｉｚｅｄ ａＳｆｏｌｌｏｗｓ： Ｃｈａｐｔｅｒ １：Ｄｉｓｃｕｓｓｔｈｅｂａｓｉｃ ｐｒｏｂｌｅｍ ａｂｏｕｔ ｌｏｇｉｓｔｉｃ ｄｉｓｔｒｉｂｕｔｉｏｎａｎｄｔｈｅｒｅｌａｔｉｖｅ ｒｅｓｅａｒｃｈｗｏｒｋｓ．ＴｈｅｍａｉｎｒｅｓｅａｒｃｈａｉｍａｎｄｏｕｒＷＯｒｋａｒｅａｌｓｏｉｎｔｒＯｄｕｃｅｄ． Ｃｈａｐｔｅｒ２：Ｆｉｒｓｔｄｅｓｃｒｉｂｅｔｈｅ ｌｏｇｉｓｔｉｃ ｄｉｓｔｒｉｂｕｔｉｏｎ ｐｒｏｂｌｅｍ ｗｉｔｈｍａｔｈｅｍａｔｉｃ ｅｘｐｒｅｓｓｉｏｎｓ．Ｔｈｅｎ，ｄｉｓｃｕｓｓ ｅｘｐｒｅｓｓｉｏｎｓｏｆｔｈｅｃｏｎｓｔｒａｉｎｔｓｉｎ ｌｏｇｉｓｔｉｃ ｄｉｓｔｒｉｂｕｔｉｏｎ ａｎｄｂｕｉｌｄｔｈｅｍａｔｈｅｍａｔｉｃａｌｍｏｄｅｌ． Ｃｈａｐｔｅｒ ３：Ａｆｔｅｒ ｉｎｔｒｏｄｕｃｉｎｇ ｔｈｅａｎｔ ｃｏｌｏｎｙａｌｇｏｒｉｔｈｍ（ＡＣＡ），ａ ｆｌｏｗｃｈａｒｔｏｆ ｓｏｌｖｉｎｇ ｌｏｇｉｓｔｉｃ ｄｉｓｔｒｉｂｕｔｉｏｎ ｐｒｏｂｌｅｍ ＡＣＡｉｓｇｉｖｅｎ．Ｔｈｅａｄｖａｎｔａｇｅ ｄｉｓａｄｖａｎｔａｇｅｏｆＡＣＡａｒｅａｌｓｏｄｉｓｃｕｓｓｅｄｉｎｔｈｉｓ ｐａｒｔ． Ｃｈａｐｔｅｒ ４：Ｔｏ ｉｍｐｒｏｖｅ ＡＣＡ，ｓｅｖｅｒａｌｍｅｔｈｏｄｓａｒｅ ｐｒｏｐｏｓｅｄ．Ｔｈｅ ｒｅｓｕｌｔｏｆ ｅｘｐｅｒｉｍｅｎｔｓ ｄｅｍｏｎｓｔｒａｔｅｓｔｈａｔｔｈｅ ｏｐｔｉｍａｌ ｎｅａｒｌｙｏｐｔｉｍａｌｓｏｌｕｔｉｏｎｓｔｏｔｈｅ ｌｏｇｉｓｔｉｃ ｄｉｓｔｒｉｂｕｔｉｏｎｒｏｕｔｉｎｇｃａｎｂｅｅａｓｉｌｙ ｏｂｔａｉｎｅｄ ｂｙｉｍｐｒｏｖｅｄ ａｎｔ ｃｏｌｏｎｙａｌｇｏｒｉｔｈｍ． Ｃｈａｐｔｅｒ ５：Ｓｕｍｍａｒｉｚｅａｌｌａｃｈｉｅｖｅｍｅｎｔｓｏｆｔｈｉｓｄｉｓｓｅｒｔａｔｉｏｎ，ｒｅｖｉｅｗｉｎｎｏｖａｔｉｏｎ ｐｏｉｎｔｓ ｄｅｆｅｃｔｓ，ａｎｄｇｉｖｅｔｈｅｆｕｒｔｈｅｒｗｏｒｋｉｎｔｈｅｆｕｔｕｒｅ． Ｋｅｙｗｏｒｄｓ：ｌｏｇｉｓｔｉｃｄｉｓｔｒｉｂｕｔｉｏｎ，ｏｐｔｉｍｉｚｉｎｇｒｏｕｔｉｎｇ，ａｎｔｃｏｌｏｎｙａｌｇｏｒｉｔｈｍ（ＡＣＡ）， ａｎｔ ｓｙｓｔｅｍ（ＡＳ）． 浙江大学硕士学位论文第一章绪论 【本章摘要】本章主要介绍了物流配送路径优化问题的研究背景及研究意义， 国内外在物流配送路径优化问题上的研究现状。我的看法，营销能力的高低取决于“软硬”件两个方面。硬件，系指销售渠道和销售人员素质。软件，系指营销计划和执行力。小米销售渠道单一是其销量不佳的最大因素。线上有官网，有淘宝，有京东三驾马车引领，很OK，但线下实体店的数量，布局和影响力不是一般得弱，比起某品牌几百米就有一家实体店弱成了渣。大家同走，你比别人少了条腿，当然走得慢。还有一点也非常重要，小米缺少“盟友”。我去电信类服务商办业务，有办宽带送手机，交话费赠手机等困绑业务，送的都是某几大手机品牌，小米几乎不见或是无货，小米你又差人一等。说到这里，我要吐嘈雷军的\"低价战略\"或是“低价模式\"。低价没错，但无意识禁锢自己思维，捆住自己手脚，拒防抓取，学路网提供内容。根据本文的研究背景，提出了 本文的主要研究内容。对个体是好事，对国家是坏事。1.土地确权的根本目的是国家希望明确土地的面积、用途，所有权归属，以此来制定相关的调控政策和法规。对农业而言，土地确权是国家制定农业扶持政策的基础，这些扶持政策包括农业综合防抓取，学路网提供内容。本章的最后简要介绍了本文的章节组织。这里不说什么道德问题，也暂且不论宠物狗不宠物狗，只说卫生与健康问题。现在说正题，就说狗肉的来源吧，大多数饭桌上的都是偷来的狗，没有任何检疫，没有任何措施保证来源的卫生问题，也许有人说某专门养狗屠狗的企防抓取，学路网提供内容。＇．１物流配送路径优化问题概述 １．１．１物流配送路径优化的基本概念及相关问题 市场经济的繁荣，推动了物流配送业的迅猛发展。早出晚归只要保证每天都能回家就没问题，猫咪不像狗狗，需要每天出去遛了才开心。建议您如果要把喵带回家，可以选择周五晚上，这样周末就有两天时间可以让猫咪在你的陪伴下熟悉一下生活环境，你也可以更好的观察猫咪防抓取，学路网提供内容。物流配送是指按客户的订 货要求，在配送中心进行分货、配货，并将配好的货物及时送交客户的活动。在高洪波卸任国足后，许家印把为自己俱乐部请的主教练送给了中国国家队，并承担了其里皮教练大部分薪水。其实，企业主为国家队聘请主教练，这已经不是第一次了，早在之前，万达王健林就花钱为国家队请来了西班牙教练防抓取，学路网提供内容。在 物流配送业务中，存在许多优化决策问题，本文讨论物流配送路径的优化，即通 过制定合理的配送路径，迅速而经济地将货物送到客户手中。现在的智能手机品牌太多，而且各有特色，这么选确实很让人纠结，要我给你推荐，苹果手机不错，优势很明显，而且比较省心，使用起来又很有档次，当然如果你觉得太贵，那国产手机也是不错的选择。你说的小米，vivo防抓取，学路网提供内容。优化配送路径问题类似“旅行商”（ＴＳＰ）问题，要求遍历所有的客户点，不 同的是，物流配送问题是由多辆车对客户点进行遍历，每辆车负责配送的客户点 以及配送路径都是不确定的，这正是配送路径优化所要解决的问题。咱大保定有20个世界冠军、30个亚洲冠军130多个全国冠军光奥运金牌，手里就有6块！郗恩庭他是保定历史上第一个世界冠军。作为一名乒乓球运动员，他在上个世纪七十年代曾称霸世界乒坛。他是第32届世乒赛男单防抓取，学路网提供内容。优化配送路径是一个ＮＰ难问题，只有当客户和路段较少时，才能求得精确 解；启发式算法成了求解该问题的一个重要方向，且出现了多种算法，如Ｃｌａｒｋｅ 和Ｗｒｉｇｈｔ提出的节约法，Ｇｉｌｌｅｔｔ和Ｍｉｌｌｅｒ提出的扫描法等，为求解配送路径的优 化提供了有益的参考，但也存在一些问题，如：节约法的组合点零乱和边缘点难 以组合，扫描法为非渐进优化等。首先现在电视机整个行业的确不行，但是主要是低端电视机在国内不受欢迎，高端机仍受到青睐。如大屏、4K和量子点电视、互联网电视在上半年销量都是逆势增长的。例如去年创维4K智能电视机于国内市场的销售量同比增长54%。小米在大屏电视的布局要早于一般电视机企业。2015年3月，小米就已经发布55寸大尺寸、4K电视。优势在今年得到转化，小米电视销量出现增加。而且小米电视能够脱颖而出的一点是，小米率先降低了电视防抓取，学路网提供内容。１．１．２优化配送路径的意义 从应用方面看，物流配送路径优化，是物流配送优化中关键的一环，也是电 子商务活动不可缺少的内容。汶川地震，军嫂给灾区的婴儿哺乳，受到人们赞扬?为什么？因为她纯洁无私。母亲听到孩子哭闹了，第一反应是这孩子饿坏了，赶紧给他充饥，别的她不会想，也没有心思去想。旁边人看了就看了，怎么还生出那么多的邪念。防抓取，学路网提供内容。对货运车辆进行路径优化，可以提高物流经济效益、 实现物流科学化。腕表功能纷繁复杂：星期日历万年历，防磁防水世界时，月相计时加三问，逆跳飞返陀飞轮，另外诸如超长待机、测高测速测心率都不用提了，如此多的功能中，夜光可谓是最不值钱的一个，但其实用性完全能够与防水计时日历防抓取，学路网提供内容。对货运车辆路径优化理论与方法进行系统研究是物流集约化发 展、建立现代调度指挥系统、发展智能交通运输系统和开展电子商务的基础。人造蛋是由各种原料人工合成的鸡蛋。其外形和普通鸡蛋基本相同，但其实人造蛋本身结构和真实鸡蛋是完全不同的。人造蛋的有害成份是在制造过程中加入的各种色素等材料，其蛋黄和蛋清是用海藻酸钠、明矾、明胶、食用氯防抓取，学路网提供内容。优 浙江大学硕士学位论文 化配送路径问题是ＮＰ难问题，～般无法给出撮优解。这个点球，我觉得可以问心无愧这个看法，只需要一点来支撑，那就是裁判有没有受主场因素的影响，有意为主队获利而吹。从现场录像和慢镜回放，我觉得并没有有意而为。一句话，这是一次自然的判罚。当然，你要说裁判一防抓取，学路网提供内容。研究者们努力的目标就是 尽量逼近最优解。这些个人隐私我不太感兴趣，但我也非常的喜欢赵本山老师表演的喜剧小品，特别是（卖拐），（卖车），（如此竞争），还有他表演的（乡村爱情故事）等等等……我都爱看，关于他的婚烟问题，关于他的三次离婚，我觉得不防抓取，学路网提供内容。因此优化配送路径问题是一个十分有应用价值的问题。两年前写下爆红朋友圈辞职信的女老师现在怎么样了？两年后的她，走的路多了，哪有不挨太阳晒的理。目前她和老公在云南的一个小镇开了一家客栈，名叫远归客栈，旺季他们在打理客栈，淡季他们依然外出旅行。近日她出了防抓取，学路网提供内容。从理论研究方面看，本文主要用到的蚁群算法从提出至今只有十几年，还停 留在仿真阶段，尚未能提出数学解释，不过虽然研究时间不长，但己显示出在求 解复杂优化问题方面的优势，其应用前景非常广阔。随着现在生活水平的提高，现在的婚礼也越来越偏于西方化，不管是农村还是城市，西式婚礼要比中式婚礼常见，那西式婚礼上最不能缺少的一个环节就是新郎新娘交换戒指。那为什么现在的婚礼都喜欢用假戒指呢？这是有很多防抓取，学路网提供内容。可以看出，蚁群算法是一个 处于发展阶段，并有广阔的发展空间和巨大的发展潜力的算法，只要投入足够的 精力，就可能在理论上有所突破，这就体现出其巨大的理论研究价值。这个问题提的实在过于笼统，而且可以说是一个错误的问题，故宫走回头路，这是完全可以的，谁说不能走回头路的！相信很多小伙伴关心这个问题肯定是出于这样一个心理：“哇哦，会不会是有灵异事件啊？会不会是走回头路防抓取，学路网提供内容。本文还运 用遗传算法对蚁群算法进行改进，遗传算法是较为成熟的优化算法，被广泛地运 用于解决实际组合优化问题。啊，这道题我曾经不止一次问过，为什么在外这么多年，都没有吃到一只有鸡味的鸡汤！每次的味道都感觉差了那么一点点啊！这对吃货来说简直不能忍！后来我总结了下，大概有以下几个原因，为什么有的鸡汤有异味呢，或者防抓取，学路网提供内容。本文将遗传算法和蚁群算法相结合，对组合优化问 题的研究是一种新的尝试。中国历史上诗人文豪众多，其中不乏诗词文章中文才展露霸气！儒家强调:“修身，齐家，治国，平天下”，孟子说:“天降下的于斯人也”，刘邦的“大风歌”，大风起兮云飞扬，威加海内兮归故乡，安得猛士兮守四方！宋太防抓取，学路网提供内容。近些年来，人们在用各种优化算法解决现实中的各种组合优化问题上进行了 探索，如在生产调度问题中的应用，但在车辆路径问题中的应用才刚刚开始。孩子的性格养成受很多方面的影响，一方面是先天父母遗传的影响，这一部分是从出生就注定的，不可能改变。另一方面还会受到家庭环境、学校环境、社会环境等的后天因素的影响。所以，我们要想培养孩子良好的性格特点，防抓取，学路网提供内容。本 文对现有的优化算法进行了分析和改进，将改进的蚁群算法运用于物流配送路径 优化问题中，为继续深入研究各种组合优化问题和物流配送车辆调度优化的计算 机实现等打下基础。入门级腕表有很多啊，瑞士的、日本的、国产的都有。瑞士的机械腕表3K+就算入门了国产的1K+就算入门了。今天就介绍2016年比较热门的新款入门级腕表。美度贝伦赛丽系列M027.407.16.010.00防抓取，学路网提供内容。１．１．３国内外研究现状 １．１．１．１ 物流配送路径优化方面的研究 物流配送路径优化问题最早是由Ｄａｎｔｚｉｇ和Ｒａｍｓｅｒ于１９５９年首次提出，自 此，很快引起运筹学、应用数学、组合数学、圈论与网络分析、物流科学、计算 机应用等学科的专家与运输计划制定者和管理者的极大重视，成为运筹学与组合 优化领域的前沿与研究热点问题。有人说看日漫就不爱国，那我问你你不看日漫就算爱国了么？国人对于爱国的含义很是奇怪，砸日本车算是爱国，打买韩国东西的人算爱国，骂指出中国缺点的人也算爱国，这叫爱国？这叫窝里斗，什么是爱国呢，作为一个公民你遵守法律不破坏公共秩序这算爱国；你赡养父母不给国家增加负担这也算爱国，作为中国人在别人侮辱自己国家时勇于站出来制止他这算爱国，说这看日漫就算不爱国人压根不明白爱国的意思是什么，一天天拿爱国来绑架真的防抓取，学路网提供内容。各学科专家对该问题进行了大量的理论研究及 实验分析，取得了很大的进展。每次看到这样的新闻挺来气！此时校园欺凌事件，学校的处理不及时，它附有不可推卸的责任，但我还有其他来气的地方。不仅仅是因为每一次的新闻当事人蒙受不白冤屈而愤怒，更是因为“事件因为得到了流量曝光、引发关注防抓取，学路网提供内容。Ｍｉｌｌｅｒ＆Ｇｉｌｌｅｔ（１９７４）［ＭＧ７４］提出扫描法（ＳｗｅｅｐＭｅｔｈｏｄ），目的在于求解车 辆调度问题，并针对当时几个求解相似问题的算法进行比较，证明该算法所求得 的解较优于其它的方法。压岁钱我给你存着，一定没不了你要听话，你不听话偷小孩的就来把你偷走为了不让我吃零食，骗我说他买了一个测试仪，往嘴里一放就能知道今天吃了啥吃耳屎会变成哑巴西瓜仔咽下去会在肚子里发芽苹果吃多了会拉肚子，橘防抓取，学路网提供内容。Ｗｉｌｌａｒｄ（１９８９）５ｖｉｌ８印首先将禁忌搜寻法应用于车辆路线问题上，设计重复的 浙江大学硕士学位论文 虚拟物流中心，将车辆路线问题转换成旅行商问题（ＴＳＰ），利用２－ｏｐｔ或３－ｏｐｔ 方法求解车辆路线。我在非洲走访，感受到中国手机在非洲销售的情况。个人觉得说国产手机好用，是因为中国手机切合了当地人的需求吧。肯尼亚手机市场主要的品牌有华为、OPPO、三星……但这些经常在中国电视上看到广告的牌子，在非洲却没那么流行，它们被摆在店里稍稍靠里的位置，将刚进门的柜台都让给了一个叫tecno（传音）的中国品牌。刚到肯尼亚时，看着肯尼亚市区成批的tecno（传音）广告牌，完全不知道这是什么牌子，而华为的广告牌防抓取，学路网提供内容。Ｇｅｎｄｒｅａｕ，Ｈｅｒｔｚａｎｄ Ｌａｐｏｒｔｅ（１９９４）［ＧＨＬ９４］使用插入法求解旅行商问题，再 用贪婪法（ＧｒｅｅｄｙＭｅｔｈｏｄ）进行路线切割，从而产生初始解。不懂灯语，你还好意思开车？在通讯基本靠吼的年代，“灯语”在航海领域起到了至关重要的作用，利用灯光的闪烁频率，以二进制的莫尔斯码传递讯息，可以帮助船员在较远的目视距离相互沟通，话题转回到我们现在，我们日防抓取，学路网提供内容。Ｂａｒｂａｒｏｓｏｇｌｕ＆Ｏｚｇｕｒ（１９９９）［８０９９１利用禁忌搜寻法为土耳其某物流公司构建 一套决定货车配送点顺序的方法ＤＥＴＡＢＡ，以二种乱数选取节点的方法产生初始 解，找到其中最佳的解作为初始解，再以插入法（ＩｎｓｅｒｔｉｏｎＰｒｏｃｅｄｕｒｅ）作为搜寻 邻近解的移步方法，最后以２－ｏｐｔ改善方法找到最优解的值。孩子是一面镜子，通常能够反映出亲密照护人的性格特点。如果孩子不爱打招呼，多半他的父母也是比较慢热的人。孩子从父母那里学不到如何大方地和人打招呼，也学不到如何快速地融入一个新的环境。父母的教导不是用嘴巴说说就行了，一定是行大于言。如何让这样的孩子主动和人打招呼呢？在家模拟社交过程。通过各种角色扮演游戏，让孩子熟悉如何与各种人相处，如何交流。孩子对于未知是恐惧的，对于已知心里就有底了，自然不会那么紧张防抓取，学路网提供内容。Ｓｕ＆Ｃｈｅｎ（１９９９）［ｓｃ９９］成功地将自组织影射网络应用在车辆配送区域及路 线规划问题的求解上，其算法的主要概念是利用类神经网络快速运算、自我组织 与平行处理的特性，配合Ｍ个一维环状网络拓扑来表现车辆路线配送问题。之前她发那个什么拍照因为语言就说，先在有说迟到。人总会出错，不要那么深究了。而且现场上她也说了，有情况嘛还原现场　卢靖姗一边提着裙子快步往前走，一边告诉我们：“船迟到，不是我迟到！有很多警察，船停住了。”此次是卢靖姗第二次参加威尼斯电影节，上一次已经是十年前了。“暴露了年龄？”“哈哈哈，对，暴露了很多次了！”因为走得太快，卢靖姗几次踩到自己的裙子，险些被绊倒。路上还有一位外国大叔找她签名，卢靖姗只防抓取，学路网提供内容。随着人工智能技术的引入和不断发展，模拟退火算法和遗传算法等新方法以 及人工神经网络和专家系统等新技术，为解决大规模、多目标车辆调度问题提供 了新的辅助手段。首先我承认我不喜欢詹姆斯，但我也绝不会无脑黑，理智的看待问题，詹吹请自觉离开五亚不能简简单单的用耻辱和荣耀来看，贝勒爷8进总决赛那下八个亚军难道就是耻辱？马龙三进总决赛三个亚军也不见得就是耻辱了。但是防抓取，学路网提供内容。浙江大学蔡延光‘“光９８增人运用模拟退火算法和遗传算法求解 多重车辆调度问题，并将其集成为智能算法库，作为设计智能运输调度系统的依 据。我连高考时都没有人过问、接送呢.因为我父母对我说：\"摆正你的位置.你所做的一切都是为了你.与任何人无关\".入学时更没有送我.幸亏就读于本市离家不远.就读于本市却因为购买生活用品还是傻瓜似的被人家骗防抓取，学路网提供内容。鞍山钢铁学院李大卫【＋“９轴等和东北大学姜大立【姜“９９］等分别针对有时间窗 和无时间窗约束下的车辆路径问题用基因编码遗传算法求解，结果在较快速度下 得到了近似优解。１．１．１．２ 蚁群算法的研究现状 蚁群算法由意大利学者Ｍ．ＤｏｒｉｇｏＴＭ。９６］等人于首先提出。１９９６年Ｇ锄ｂａｒｄｅｌｌａ和Ｄｏｒｉｇｏ［ｏＤ９６】又提出了一种修正的蚁群算法，称之为“蚁 群系统”。１９９９年吴庆洪【２“籼明等人提出具有变异特征的蚁群算法，以克目艮蚁群算法收 敛速度较’慢的问题。德国学者ＴｈｏｍａｓＳｔｕｔｚｌｅ与ＨｏｌｇｅｒＨｏｏｓ提出了另一种改进的蚁群算法“最 大最小蚁群系统”（ＭＡＸ－ＭＩＮＡｎｔ Ｓｙｓｔｅｍ，ＭＭＡＳ），这也是一种较好的通用优 化算法。浙江大学硕士学位论文 ２００１年，陈烨‘８”ｏ‘１提出的带杂交算子的蚁群算法。２００２年，王颖ｌ“０２］等人提出的自适应蚁群算法等。蚁群算法已经在若干领域获得了成功的应用。其中最为成功的应用是在组合 优化问题的应用，其典型代表有ＴＳＰ，ＱＡＰ（ＱｕａｄｒａｔｉｃＡｓｓｉｇｎｍｅｎｔ Ｐｒｏｂｌｅｍ）， ｊｏｂ．ｓｈｏｐ调度等经典组合优化问题。Ｄ．ｃｏｓｔａ【ｃ皿８卵等人在Ｍ．Ｄｏｒｉｇｏ等人研究成果的基础上，提出了一种求解指派 问题的一般模型，并用来研究图着色问题。Ｇ．Ｂｉｌｃｈｅｖ，Ｉ．Ｃ．ＰａｒｍｅｅｔＢＰ９５１以及魏平Ｉ甓＋。１垮人研究了求解连续空间优化问 题的蚁群系统模型。蚁群算法在动态环境下也表现出高度的灵活性和健壮性，如其在电信路由控 制方面的应用被认为是目前较好的算法之一【ＢＤＴ删。目前，国内也有一些学者对 蚁群算法及其在电信领域的应用开展了研究。虽然对此方法的研究刚刚起步，但 是已有的一些初步研究结果已经显示出蚁群算法在求解复杂优化问题方面的一 些优越性。在旅行商问题中，由于每一个节点（城市）之间的距离是已知的，从任意节 点到下一节点，有哪些节点可供选择也是己知的，当用蚁群算法解决ＴＳＰ时， 若蚂蚁处于某节点上，可以直接计算各条路径的选择概率，从而确定下一个最适 合选择的节点。蚁群算法从其机理来说是一种天然的组合优化方法，相对其它的 各类启发式搜索算法，具有明显的优越性，特别是在求解最短路径问题上，蚁群 算法的模型较其它组合优化算法有天然的优势，能更好地应用于路径优化问题。配送路径优化问题和旅行商问题一样属于求解最短路径的问题，因此将蚁群 算法应用于物流配送路径优化问题已经受到国内外越来越多研究者的重视，蚁群 算法凭借其在路径优化问题中天然的优势，目前在配送路径优化问题上有许多成 功应用的例子。１．２本文的研究背景 本文的研究主要以物流配送在杭州五丰冷食有限公司的应用为背景。公司下 辖杭州、湖州、嘉兴三大生产基地及杭州、浙北、温台、宁波、浙中、上海、苏 浙江大学硕士学位论文 州、无锡等八大销售分公司，客户网点几百个，已经形成了一个基地一销售分公 司一客户网点的三级销售配送网络。为了能够实现快速物流配送，公司拥有两个 车队及维修中心，车辆几十辆，负责基地到销售分公司的销售、调拨任务。每个 销售分公司也管辖一定数量的车辆，负责完成客户网点的配送任务。公司下设物 流部门，管理物流配送中的各种业务。物流部门设置了专职的计划调拨中心，负 责每天基地一基地和基地一销售分公司之间的货物调拨。此外，每个销售分公司 也设置了兼职调度员，负责优化运输线路，调度车辆运输客户货物。五丰冷食的业务以冷冻产品为主，因此在物流配送中有以下几个特点： １）线路总长不能超过车辆最大保温里程； ２）根据业务需求，配送车辆一般有两三种型号，不是单一的车型： ３）由于有明显的淡旺季之分，因此在旺季配送车辆不足的情况下，允许针对 客户需求状况对配送任务设置优先级。１．３主要工作 本文根据研究背景，主要研究基于蚁群算法的物流配送路径优化问题。本文首先对物流配送优化问题的研究情况进行了概述，针对物流配送中的约 束条件，建立了物流配送的数学模型。采用蚁群算法对物流配送线路进行优化， 针对蚁群算法的特点和物流配送的数学模型，建立了运用于物流配送线路优化问 题的蚁群算法模型。本文还将对蚁群算法提出几项改进，以提高算法的收敛速度 和全局搜索能力。１．４章节组织 论文中其他章节按照以下方式组织： 第二章对物流配送问题进行描述。分析了物流配送问题中路径优化的评估标 准，建立了带约束条件的物流配送问题的数学模型。谁能帮我写一篇关于物流配送系统优化的文章啊?提高企业效益成了众多物流配送企业面临的问题。国内外众多学者已经开始配送系统的优化研究,研究主要集中在配送设施选址、配送路线优化等方面,优化的方法以最短路径,防抓取，学路网提供内容。第三章引入蚁群算法，详细描述了蚁群算法在物流配送路径优化问题中的实 现方案，分析讨论了蚁群算法的优缺点。并将蚁群算法运用到物流配送路径优化 浙江大学硕士学位论文 问题中。第四章继前一章对蚁群算法的分析，针对蚁群算法的缺点，提出了对蚁群算 法的几项改进．最后将改进后的蚁群算法运用于物流配送路径优化问题。第五章对本文的工作进行了总结，并分析了存在的问题和需要进一步研究的 内容。防抓取，学路网提供内容。浙江大学硕士学位论文 第二章物流配送问题的研究 【本章摘要】本章对物流配送问题进行了概述，分析了在物流配送问题中路径 优化的约束条件和评估标准，并建立了物流配送问题的数学模型。２．１物流配送问题的描述 一般配送路径问题可描述如下： 有三个客户点，已知每个客户点的需求量及位置，至多用世辆汽车从配送中 心到达这批需求点，并且在完成配送任务后，返回物流中心，每辆汽车载重量一 定。要求安排车辆行驶线路使得运输距离最短，且满足以下几个约束条件： １）每条线路上的客户点需求量之和不超过汽车载重量； ２）每条配送路径的总长度不超过汽车一次配送的最大行驶距离； ３）每个客户点的需求必须且只能由一辆汽车来完成。其目的是使总成本（如距离、时间等）为最小。配送线路２一一’ 配送线路３ 图２－１ 图２．１是一个简单的物流配送线路的例子：１个物流中心、５个客户点，３条 －１２． 浙江大学硕士学位论文 配送线路；配送线路１负责右边３个客户点的配送任务，线路２和线路３分别负 责左边和下边的一个客户点；３条配送线路可以由３辆车同时进行，也可由１辆 车分３次完成；车辆从配送中心出发，按顺序遍历指定线路上的客户点，最后返 回配送中心。“有时间窗车辆路径问题”（ＶｅｈｉｃｌｅＲｏｕｔｉｎｇ ＰｒｏｂｌｅｍｗｉｔｈＴｉｍｅＷｉｎｄｏｗ， ＶＲＰＴＷ）是在上述一般路径优化问题中加上了客户被访问的时间窗约束。它要 求每项任务ｆ在时间范围陋ｂｂｊｌ内完成，并可根据时闻约束的严格与否，分为“软 时间约束”和“硬时间约束”： “软时间约束”要求车辆尽可能在规定时间范围内访问需求点，否则将产生 等待或延迟损失，从而求得成本最小的配送路径。“硬时间约束”要求车辆必须在给定的时间范围内访问需求点，如果超出这 个时间范围，所得到的配送路径为非可行解。在本文研究的物流配送问题中，由于冷冻食品有较明显的淡旺季之分，车辆 调度通常在淡季比较宽松，而到了旺季就会比较紧张。如果我们选择“硬时间约 束”，那么在旺季的车辆调度中就常常会由于车辆安排紧张而找不到可行解；所 以，我们选择“软时间约束”。若车辆无法在用户规定的时间内送货到达，则在 成本中加入“惩罚成本”，这样就能兼顾淡旺季的车辆调度情况，给出合理的配 送路径方案。２．２配送路径优化目标 配送路径合理与否对配送速度、成本、效益影响颇大，因此，采用科学的合 理的方法确定配送路线是配送活动中非常重要的一项工作。确定配送路线可以采 取各种数学方法和在数学方法基础上发展和演变出来的经验方法。无论采取何种优化方法，我们首先都要明确物流配送路径的优化目标，才能 有效地针对目标进行优化。目标的选择根据配送的具体要求、配送中心的水平、实力及客观条件而定， 可以有以下多种选择： １）效益最高：在选择以效益为目标时，通常以企业当前的效益为主要考虑因 浙江太学硕士学位论文 素，同时兼顾长远的效益。效益是企业整体经营活动的综合体现，可以用利润来 表示。因此，在计算时是以利滑数值最大化为目标值。但由于效益是综合的反映， 在拟定数学模型时，很难与配送路线之间建立函数关系，所以一般很少采用这一 目标。２）成本最低：计算成本比较困难，但和以效益为目标相比有所简化，在成本 和配送路线之间有密切关系、且成本对最终效益起决定作用的情况下，采用以成 本最低为目标实际上等于选择了以效益为目标，比较实用可行。３）路程最短：如果成本和路程相关性较强，而和其他因素是微相关时，则可 以选择路程最短为目标，这样可以避免许多不易计算的影响因素，大大简化计算。但需要注意的是，有时候路程最短并不意味着成本最低，如果道路条件、道路收 费影响了成本，单以最短路程为最优解则不合适了。４）吨公里最小：吨公里最低是长途运输中常作为选择目标，在多个发货站、 多个收费站、整车发到的情况下，选择吨公里最低为目标可以取得满意结果。在 配送路线选择中，以吨公里最小为目标在一般情况下并不适用，但在采取共同配 送方式时，也可以作为目标。５）准时性最高：准时性是配送中重要的服务指标。以准时性为目标确定配送 路线就是要将各客户的时间要求和到达各客户点的先后顺序进行协调安排，这样 有时难以顾及成本问题，甚至需要牺牲成本来满足准时陛要求。但对准时性的要 求必须建立在控制成本的基础上。６）运力利用最合理：在运力非常紧张、运力与成本或效益有一定相关的情况 下，为了节约运力、充分运用现有运力，而不需外租或新购车辆，也可以运力安 排为目标，确定配送路线。针对不同的物流配送问题，要根据具体情况选择优化目标。本文研究的物流 配送问题根据五丰公司物流系统的特点，将优化目标设定为；路程短、准时性高、 运力利用合理。浙江大学硕士学位论文 ２．３配送数学模型的建立 ２．３．１符号的定义 三：客户点总数； 客户点ｉ的货物需求量，其中卢１，２，…，上； ｅ１．客户点哟对货物需求的时间窗系数，值越大表示时间窗越大，则要货的 紧急程度越低，当ｅ产ｌ时，表示客户ｆ没有限制到货时间。／＝１，２，…，厶 弘：超时惩罚系数； 由：从客户点ｆ到客户点，的距离。特别的，当ｆ，产。时，表示配送中心，例如： 壳３表示从配送中心到客户点３的距离，如』表示从客户点２到配送中心的距离。丘：车辆的总数；甄：车辆女的最大装载量，其中扣ｌ，２，…，Ｋ； 仇：车辆．ｉ｝的最大行驶距离，其中扣ｌ，２，…，茁： ”“车辆七配送的客户总数，当＂产０时，表示车辆七没有参与配送。妇ｌ，２，…， 风：车辆七配送的客户点的集合。当，轳Ｏ时，Ｒｋ＝中；当ｎ群Ｏ时，疋＝以，砰，…，妒｝互｛１，２，…，三），其中“表示该客户点在车辆的配送线路中顺序 根据前文对物流配送路径优化问题的描述，我们可以提取出以下几个约束条１）每条线路上的客户点需求量之和不超过汽车载重量： ｉｆｆｉｌ２）每条配送路径的总长度不超过汽车一次配送的最大行驶距离 浙江大学硕士学位论文 ３）每个客户点的需求必须且只能由一辆汽车来完成：ＲｌｎＲｔ２＝ｍ，ｋｌｋ２ ４）配送线路遍历所有客户点 ２．３．３优化目标 根据本文中物流配送路径优化问题的优化目标，我们先分别列出各优化目标的数学形式： １）总路程＆ ｓｓｎｋ）＝ｈＯ兵ｎｋ在１２１超时惩罚成本尸： 我们可以用车辆行驶的路程来近似替代行驶时问。假设，客户点，在车辆ｋ 的配送路径中排在第ｓ位（ｓ９Ｊ｝），那么车辆ｋ到达客户点Ｓ所行驶的路程为： 客户Ｚ的时间窗系数为ｅ，，则车辆的无惩罚路程为这样我们可以写出超时惩罚Ｐ： Ｐ＝Ｚｓｇｎ（１＋ｅＡｐｅ， 浙江大学硕士学位论文其中， ３）运力利用率成本ＴＲ：我们以车辆的满载率来表示运力利用率， ＴＲ＝ 综合上面各式，可以得出物流配送路径优化问题的目标函数 ｍｍ卜～一甜］ 其中，ａ，ｂ，Ｃ为权重系数，Ｚａ，ｚＡｚ伪放大因子。至此，我们已经将物流配送问题的约束条件和优化目标用数学公式表示，建 立了配送问题的数学模型。这是优化物流配送路径的前提，我们之后的算法讨论 都将围绕着这一数学模型展开，其中目标函数： 为本文算法的评估函数，用于评估算法结果的优劣。２．４本章小结 本章对物流配送问题进行了详细描述，通过对描述的问题的分析，列出了物 流配送模型的约束条件和优化目标，并用数学公式表示，建立了物流配送优化问 题的数学模型。本章的数学模型将作为本文中算法研究的基础。浙江大学硕士学位论文 第三章基于蚁群算法的物流配送路径优化 问题的研究 【本章摘要】本章详细介绍了蚁群算法的基本原理和模型的建立，分析了蚁群 算法的优缺点，并将蚁群算法运用到物流配送路径优化问题中，提出了基于蚁 群算法的物流配送路径优化算法。３．１引言 蚁群算法是受到人们对自然界中真实蚁群的集体行为的研究成果的启发而 提出的一种基于种群的模拟进化算法，属于随机搜索算法，由意大利学者Ｍ． Ｄｏｒｉｇｏ等人首先提出。Ｍ．Ｄｏｒｉｇｏ等人首次提出该方法时，充分利用了蚁群搜索 食物的过程与著名的旅行商问题（ＴＳＰ）之间的相似性，通过人工模拟蚂蚁搜索 食物的过程（即通过个体之间的信息交流与相互协作最终找到从蚁穴到食物源的 最短路径）来求解ＴＳＰ。蚁群算法可用来解决各种不同的组合优化问题，如旅行商问题（ＴＳＰ）、二次 分配问题（ＱＡＰ）、作业安排调度问题（ＪＳＰ）等等。它具有通用性和鲁棒性，是 基于总体优化的方法。目前对蚁群算法的研究，不仅有算法意义上的研究，还有从仿真模型角度的 研究，并且不断有学者提出对蚁群算法的改进方案：有的将蚁群算法同遗传算法 相结合，有的给蚁群系统加入变异特征，还有的提出所谓最大最小蚁群算法 （ＭＭＡＳ）。应当指出，现阶段对蚁群算法的研究还只是停留在仿真阶段，尚未 能提出一个完善的理论分析，对它的有效性也没有给出严格的数学解释。但是， 从以前模糊控制所碰到的情况看，理论上的不完善并不妨碍应用，有时应用还会 超前于理论，并推动理论研究，蚁群算法也是如此。蚁群算法原型本身就是一个寻找最短路径的模型，因此它在路径优化方面有 着天然的优势，目前已经有不少蚁群算法在ＴＳＰ问题中成功运用的例子。物流 配送路径优化问题和ＴＳＰ问题相比有共同点――都是寻找遍历所有客户点的最 短路径的问题，也有其特性――有更多更复杂的约束条件和优化目标。本文就是 浙江大学硕士学位论文 要研究一种基于蚁群算法的优化路径算法，使得其在物流配送路径优化问题中有 较好的实际效果。３．２蚁群算法的基本原理 蚁群算法是一种由于受自然界生物的行为启发而产生的“自然”算法。它是 从对蚁群行为的研究中产生的。正如Ｍ．Ｄｏｒｉｇｏ等人在关于蚁群算法的第１篇文 章中指出的：蚁群中的蚂蚁以“信息素”（ｐｈｅｒｏｍｏｎｅ）为媒介的间接的异步的联 系方式是蚁群算法的最大的特点。蚂蚁在行动（寻找食物或者寻找回巢的路径） 中，会在它们经过的地方留下一些化学物质（我们称之为“信息”）。这些物质能 被同一蚁群中后来的蚂蚁感受到，并作为一种信号影响后到者的行动（具体表现 在后到的蚂蚁选择有这些物质的路径的可能性，比选择没有这些物质的路径的可 能性大得多），而后到者留下的信息会对原有的信息素进行加强，并且如此循环 下去。这样，被越多蚂蚁选择的路径，在后到蚂蚁的选择中被选中的可能性就越 大（因为残留的信息浓度较大的缘故）。由于在一定的时间内，越短的路径会被 越多的蚂蚁访问，因而积累的信息量也就越多，在下一个时间内被其他的蚂蚁选 中的可能性也就越大。这个过程会一直持续到所有的蚂蚁都走最短的那一条路径 为止。如图３．１所示 ｌ＝０时刻ｔ＝ｌ时刻图３－１ 蚁群系统示意图 图３．１中，设Ａ是巢穴，Ｅ是食物源，ＨＣ为一障碍物。由于障碍物存在， 蚂蚁只能从Ａ经过Ｈ或Ｃ到达Ｅ，或者从Ｅ经过Ｈ或Ｃ到达Ａ。各点之间的距 离如图１所示。设每个时间单位有３０只蚂蚁由Ａ到达Ｂ，有３０只蚂蚁由Ｅ到 达Ｄ点，蚂蚁过后留下的信息为ｌ。为了方便，设该物质停留时间为ｌ。在初始 浙江大学硕士学位论文 时刻，由于路径ＢＨ、ＢＣ、ＤＨ、ＤＣ上均无信息存在，位于Ｂ和Ｄ的蚂蚁可以 随机选择路径。从统计的角度可以认为它们以相同的概率选择ＢＨ、ＢＣ、ＤＨ、 ＤＣ。经过一个时间单位后，在路径ＢＣＤ上的信息量是路径ＢＨＤ上信息量的二 倍。ｔ＝ｌ时刻，将有２０只蚂蚁由Ｂ和Ｄ到达Ｃ，有１０只蚂蚁由Ｂ和Ｄ到达Ｈ。随着时间的推移，蚂蚁将会以越来越大的概率选择路径ＢＤ，最终完全选择路径 ＢＣＤ。从而找到由蚁巢到食物源的最短路径。由此可见，蚂蚁个体之间的信息交 换是一个正反馈过程。在自然界中，蚁群的这种寻找路径的过程表现为一种正反馈的过程，与人工 蚁群的寻优算法极为～致。如果我们把只具备了简单功能的行为体视为“蚂蚁”， 那么上述寻找路径的过程可以用于解释人工蚁群的寻优过程。由以上分析可知， 人工蚁群和自然界蚁群的相似之处在于，两者优先选择的都是含“信息量”浓度 较大的路径；较短的路径上都能聚集比较多的信息量；两者的行为体（蚂蚁）都 是通过在其所经过的路径上留下一定信息的方法进行间接的信息传递。而人工蚁 群和自然界蚁群的区别在于，人工蚁群具有一定的记忆能力。它能够记忆已经访 问过的节点；另外，人工蚁群在选择下一条路径的时候并不是完全盲目的，而是 按一定的算法规律有意识地寻找最短路径（如在ＴＳＰ问题中，可以预先知道下 一个目标的距离）。３。３蚁群算法的模型 由于蚁群算法最早提出是结合ＴＳＰ问题建立模型的，所以我们以求解ｎ个城 市的ＴＳＰ问题为例说明蚁群系统模型。首先引进如下记号：设ｍ为蚁群中蚂蚁的数量，献‘，＿１，２，…，，Ｏ表示城市ｉ和城 市／之间的距离，６一ｏ’表示ｒ时刻位于城市ｆ的蚂蚁数量，ｍ＝６』，以力表示城ｒ ｉ－１ 刻在．｜：，连线上残留的信息量，初始时刻，各条路径上信息量相等，设 “ｏ）＝ｃ（Ｃ＝ＣｏｎｓＬ）。蚂蚁ｋ（ｋ＝ｌ，２，…，埘）在运动过程中，根据各条路径上的信息量 决定转移方向，露（ｆ）表示在ｆ时刻蚂蚁ｔ由位置骷移到位置ｆ的概率， 浙江大学硕士学位论文 ｏｔｈｅｒｗｉｓｅ其中，ａｌｌｏｗｅｄ庐｛０，１，…，ｎ．１卜ｔａｂｕｆｌ莨示蚂蚁．ｉ｝下一步允许选择的城市。与真实 蚁群系统不同，人工蚁群系统具有一定的记忆功能，这里脚硝肛１，２，…，ｍ）记录 蚂蚁七目前走过的城市。珊表示蚂蚁从城市移动到黟动到城市ｆ的期望度，可根据 某种启发式算法具体得到：口、鼢别表示蚂蚁在运动中所积累的信息和启发式 因子在蚂蚁路径选择中所起的不同作用。随着时间的推移，以前留下的信息逐渐 消逝，用参数１．硪示信息消逝程度，经过”个时刻，蚂蚁完成一次循环，各路 径上信息量要根据下式作调整， ｒｕ（ｔ＋ｎ）＝Ｐ （３＿３）《表示第―帜蚂蚁在本次循环中留在路径扯的信息量，笱表示本次循环中 留在路径扩上的信息量。（３＿ｔ）其中，Ｑ是常数，厶表示第ｔ只蚂蚁在本次循环中所走路径的长度。在初始时刻， 的表达式可以不同，要根据具体问题而定。Ｍ．Ｄｏｒｉｇｏ曾给出三种不同模型，分别称之为ａｌｌｔ．ｃｙｃｌｅｓｙｓｔｅｍ，ａｎｔ―ｑｕａｎｔｉｔｙｓｙｓｔｅｍ，ａｎｔ－ｄｅｎｓｉｔｙｓｙｓｔｅｍ。参数Ｑ、Ｃ、口、 肛ｐ可以用实验方法确定其最优组合，停止条件可以固定循环次数或者当进化趋 势不明显时停止计算。根据上述的模型，我们可以得到基本蚁群算法的流程图，如图３－２： 浙江大学硕士学位论文 图３－２基本蚁群算法流程图 一２２． 浙江大学硕士学位论文 ３．４蚁群算法的分析 从对蚁群算法的描述我们可以看出，蚁群算法除了鲁棒性等特点外，同其他 优化算法相比较，还有一个明显的优势一并行性。我们先来看蚁群算法的鲁棒性。只要对蚁群系统模型的稍作修改，我们就能 将蚁群算法运用于其他类型的组合优化问题。一般的组合优化问题都有几个要 素：行为体（Ａｇｅｎｔ）、行为结果、各种不同的方法途径、衡量结果优劣的标准， 对应到蚁群算法中就是：蚂蚁、到达目的地、途径路径、总路径的长短。我们可 以参考一些成功运用蚁群算法的例子： ＱＡＰ问题（ＱｕａｄｒａｔｉｃＡｓｓｉｇｎｍｅｎｔ Ｐｒｏｂｌｅｍ）、ＪＳＰ问题（Ｊｏｂ．ＳｈｏｐＳｃｈｅｄｕｌｉｎｇ Ｐｒｏｂｌｅｍ）、大规模集成电路中的综合 布线以及电信网络中的路由。ＱＱＡＰ问题 ＱＡＰ问题的目标函数可以用～个ｎ”的对称矩阵来描述（蚁群算法基于它和 ＴＳＰ问题这方面的相似性来解决问题的。ＱＡＰＩ司题的目标函数矩阵。明ｉ过距离向 量Ｄ和流向量确组合组成勘＝ｄ；坼。蚂蚁根据可见度信息铂来选择下一个节点， 其中锄＝ｌ偈＾矩阵Ｓ的元素值用作启发因子。厘）ＪＳＰ问题 ＪＳＰ问题可以用一个加权图描述。每条边的权值用参数对（船，ｒｌｋ／｝表示。信 息，和可见度珈是通过最长进程时间或者晟短完成时间等要求决定。蚂蚁遍历 节点的顺序就是相应的解决答案。在解决１０１０和１０ｘ１５的ＪＳＰ［＇６ｊ题中，蚂蚁算 法的解与最优解的误差在１０％之内。这是一个相当不错的结果。大规模集成电路综合布线 大规模集成电路中的综合布线可以采用蚁群算法的思想来进行。在布线过程 中，各个引脚对蚂蚁的引力可根据引力函数来计算。各个线网Ａｇｅｎｔ根据启发策 略，像蚁群一样在开关盒网格上爬行，所经之处便布上一条金属线，历经一个线 网的所有引脚之后，线网便布通了。给定一个开关盒布线问题，问题的计算量是 固定不变的，主要由算法的迭代次数决定，而迭代次数由Ａｇｅｎｔｓ的智能和开关 盒问题本身的性质确定。蚁群算法本身的并行法，使之比较适合于解决布线问题。电信网络路由 电信网络中的路由是通过路由表进行的。在每个节点的路由表中，对每个目 浙江大学硕士学位论文 的节点都列出了与该节点相连的节点，当有数据包到达时，通过查询路由表可知 道下一个将要到达的节点。首先对路由表中的信息素强度进行初始化。在节点Ｘ， 以节点ｉ为目的地址，邻节点为，炱Ｅ的信息素强度为田ｈ＝１／ｄｉｈ，如为从ｘ经节点Ｊ到节 点ｆ路径的最小费用值。然后周期性地释放蚂蚁来进行路由。并修改相应的信息 素的值。仿真结果表明，无论呼叫是均匀分布还是集中分布，利用蚁群算法所得 呼叫拒绝率和平均路径长度均小于最小负载法结果；在呼叫符合集中分布时，蚁 群算法所得呼叫拒绝率低于最短路径法。蚁群算法的并行性是蚁群算法较其他算法的一个明显优点。在ＴＳＰ问题建立 的蚁群系统模型中，时刻ｔ出发的ｍ只蚂蚁是相互独立，互不干扰的，他们出发 时刻的初始状态一致，但每只蚂蚁最终得到的路径是各自独立选择的（如图３－３）。时刻ｔ的ｍ只蚂蚁产生的结果影响的是时刻ｔ之后出发的蚂蚁，因此我们可以把 这ｍ只蚂蚁看成是ｍ个并行的行为体，这样在相同搜索范围内计算时间就大大 减少。图３－３ 蚁群系统并行性示图 众多研究已经证明蚁群算法具有很强的发现较优解的能力，这是因为该算法 不仅利用了正反馈原理，在一定程度上加快了进化过程，而且是一种本质并行的 算法，不同行为体之间不断进行信息交流和传递，从而能够相互协作，有利于发 现较优解。蚁群算法可以解释为一种特殊的强化学习（ＲＬ：ｒｅｉｎｆｏｒｃｅｍｅｎｔｌｅａｒｎｉｎｇ） 算法，公式３－１中勺表示学习所得的经验，珊由某种启发式算法确定，根据具体 浙江大学硕士学位论文 问题确定恰当的口、届是提高蚁群算法效率的关键问题之一。虽然蚁群算法有许多优点，但是这种算法也不可避免地存在一些缺陷。突出 的一个问题就是算法所需搜索时间较长，蚁群算法的复杂度可以反映这一点。但 这个缺陷的解决方法也是显而易见的，就是利用我们之前讨论的并行性。我们可 以通过分布式计算来减少蚁群算法所需的搜索时间。另一个问题就是蚁群算法容易出现停滞现象，局限于局部最优解，即搜索进 行到一定程度后，所有个体所发现的解完全一致，不能对解空间进一步进行搜索， 不利于发现更好的解。问题产生的根源就在于信息在路径上的累积传递影响以后 的蚂蚁对解空间的搜索，而信息的累积传递却又是蚁群算法加快收敛速度的重要 因素，这就不可避免地产生了矛盾――收敛速度和搜索范围之间的矛盾。调和这 一对矛盾的关键就在于选择信息对后来蚂蚁的适当影响度，即参数ｐ的确定，Ｐ 过大，则容易出现搜索停滞；反之，则会使得收敛速度过慢，使蚁群算法失去意 义。要解决这一问题就需要对蚁群算法进行改进。３．５蚁群算法在物流配送路径优化问题中的实现 ３．５．１蚁群算法与物流配送模型的结合 通过第二章中对物流配送模型的建立以及前面对蚁群算法的分析，我们可以 将蚁群算法同物流配送模型结合起来。蚁群算法的要素包括：蚂蚁、目的地、路径、路径总长度、信息素孙路径 期望度珊。我们将这些要素一一对应到物流配送模型中。蚂蚁：即行为个体，在物流配送模型中就是负责配送任务的车辆。目的地：即要完成的任务，在物流配送模型中，任务目标就是在约束条件下 遍历客户点。路径：对应与物流配送模型中客户点之间以及客户点和物流中心之间的道路 长度。在实际应用中，我们通常要根据实际路况，将实际道路长度乘以相应的路 况系数作为路径长度，使得路况较差道路的长度适量增加，这样就能通过路径长 度较为真实地反映出车辆在该段道路上行驶耗油、耗时情况。浙江大学硕士学位论文 路径总长度：日ｐ衡量优化效果的标准。在物流配送模型中，我们已经建立了 ，，、ｚｒ 物流配送的优化目标函数，优化的目标函数ｚ２ａＳ。＋ｂＰ印＋。【去Ｊ的函数值， 即可作为路径总长度。信息素研：这实际上是一个抽象的量，从公式３－４可以看出，信息量变化是 与路径总长度成反比的，所以它是反映路径总长度，并将其累积传递的一个量。我们己经定义了物流配送模型的路径总长度，相应地，就以Ｑ惺作为信息变化量， 其中Ｑ为常量，ｚ为目标函数的函数值。路径期望度珊：这是一个关于路径的函数，根据某种启发式算法得到，而这 种算法则需要我们通过实验探索求得。在物流配送问题中，蚂蚁每次返回物流中心就表示一条配送线路的完成，然 后蚂蚁再次从配送中心出发，开始搜索下一条线路。直至遍历所有客户点，这只 蚂蚁才算到达目的地。３．５．２算法模型的实现 ３．５．２．１ 信息素浓度表的实现 在本文的物流配送模型中，由于负责配送的车辆并不是相同的装载量，因此， 如果按照经典的蚁群算法，只有一份路径信息素浓度的记录，那么在不同车辆的 道路选择过程中就可能出现问题。例如：负责配送的车有两种，４辆３Ｔ车和１ 辆５Ｔ车，由于３Ｔ车的数量大于５Ｔ车，在若干次信息素累积之后，可能出现如 下情况： 浙江大学硕士学位论文 Ｃ２：１Ｔ １．０ Ｃｌ：２Ｔ 客户点图３－４共享信息素示意图 上图中，客户点Ｃ１的货物需求量为２Ｔ，ｃ２的货物需求量为ｌＴ，ｃ３的货物需 求量为２Ｔ。对于３Ｔ车，其在这个配送区域最佳的线路为ＣＯ－）Ｃ１－－）Ｃ２－－）ＣＯ：对 于５Ｔ车，其最佳的线路为Ｃ０－－）Ｃ１－－）Ｃ２－－）Ｃ３－－）ＣＯ。在开始的搜索中，５Ｔ车载 ｃ２点时，由于路径期望度玎的作用，选择ｃ３的可能性大于ｃ０，但是由于３Ｔ的 车多于５Ｔ车，而３Ｔ车在Ｃ２点时，只可能直接返回ＣＯ，因此在若干次信息素 累积之后，路径Ｃ２－－）Ｃ０的信息素将逐渐大于路径Ｃ２－）Ｃ３的信息素，使得５Ｔ 车在Ｃ２点时，选择Ｃ３的可能性逐渐变小，转而选择ＣＯ，这是我们不愿意看到 的情况。上述的问题，是由于不同型号的车辆共享同一份信息素浓度表产生的。在经 典的蚁群算法模型中，所有蚂蚁都是等价的，因此只需要一份信息索浓度表，而 在本文的物流配送模型中，代表蚂蚁的车辆并非等价，不同型号的车辆对信息素 的累积产生不同的作用。本文解决这一问题的方法是：将不同类型的车辆产生的信息索累积保存在不 同的信息素浓度表中，这样相同类型的车辆共享同一份信息素浓度表，不同类型 的车辆在选择时只能使用该类型的信息素浓度表，而且选择后产生的信息素也仅 累积在这份的信息素浓度表中，这样就避免了不同车辆在选择过程中的互相干 依旧用图３－４的例子。在新的方案中，存在３Ｔ车和５Ｔ车两份信息素浓度表，在若干次信息素累积后，信息素分布为 浙江大学硕士学位论文 Ｃ２：１Ｔ ０．８ Ｃｌ：２Ｔ ３Ｔ车信息素分布 ５Ｔ车信息素分布 客户点Ｃ２：ｌＴ Ｏ．２ Ｃｌ：２Ｔ 图３－５分车型信息素浓度示意图 从图３－５中，我们可以看出，５Ｔ车载ｃ２客户点选择路径时，不再受３Ｔ车 累积下的信息素的影响，新的信息素浓度表更真实地反映了不同车型在路径上的 选择状况， ３．５．２．２ 集合ｔａｂｕ的确定物流的基本功能要素有哪些？配送线路的优化问题是什么答：物流系统的功能要素一般认为有运输、储存、装卸、搬运、包装、流通加工、配送、信息处理等。物流七大功能：1）运输功能运输功能是物流服务的基本服务内容之一。物流的主要目的就是要满足客户在时间和地点两个条件下对一定货物的要求，时间的...精益物流配送路径图怎么画答：汽车行业叫循环取货(milkrun),绘制路径图的原则是将所有送货点和取货点汇到一个封闭的路径内,这样一辆车就能够将所有工位照顾到,当然具体实施很困难,需要先定义送货和取货点，然后还要看路径是否合理，当然送货量能否够安排一个岗位也很关键了解一下宏图远见物流配送路径优化的要素是什么？...答：物流配送路径优化的要素：(1)备货。是配送的准备工作或基础工作，备货工作包括筹集货源、订货或购货、集货、进货及有关的质量检查、结算、交接等。配送的优势之一，就是可以集中用户的需求进行一定规模的备货。备货是决定配送成败的初期工作，...
- Copyright & 2017 www.xue63.com All Rights Reserved}