基于蚁群算法的配送网络规划研究

《基于蚁群算法的配送网络规划研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、物流工程·677·基于蚁群算法的配送网络规划研究赵建有长安大学汽车学院闫旺陕西西安711064【摘要】蚁群算法是一种求解组合优化问题的新型通用启发式方法，该方法的主要特点是正反馈、分布式计算和富于建设性的贪婪启发式搜索。配送网络规划是一个复杂的非线性组合优化问题。本文将蚁群算法用于配送网络规划问题的研究．建立了配送网络规划的数学模型，该模型以配送网络中的运行费用、设施投资费用及可靠性费用之和最小为目标函数，并在此基础上设计了相应的算法。算例证明了该算法在配送网络规划中应用的可行性和有效性。【关键词】蚁群算法组合优化配

2、送网络规划AntColonyAlgorithmforDistributionNetworkPlanningAbstract：Antcolonyalgorithmisanewgeneral·-pur··poseheuristicalgorithmforcombinatorialoptimizationproblems．Themaincharacteristicsofthismethodarepositivefeedback，distributedcomputationandtheuseofconswucfivegree

3、dyheuristic．Distributionnetworkplanningisacomplicated，nonlinearcombinatorialoptimizafionproblem．Inthispaper，theapplicationofantcolonyalgorithmtodistributionnetworkplanningisinvestigated，themathematicmodeofnetworkplanningwhichtakestheminimumsumofoperadonCOStandp

4、enaltycostasobje．ctisestablishedandthesolutionalgorithmisdeveloped．ThefeasibilityandefficiencyofthealgorithmareverifiedbytheresultofapplyingittOasamplesystem．Keywords：antcolonyalgorithm，combinatorialoptimizaton。distributionnetwork，planning0引言当前，在经济日益全球化的今天，现代物流

5、作为第三种利润源和第三产业的重要组成部分，正在受到日益广泛的重视，并面临着前所未有的发展机遇。作为物流的一个重要的环节。配送是物流中一种特殊的、综合的活动形式，是将商流与物流紧密结合。包含了商流活动，也包含了物流中若干功能要素的一种形式。目前，国内生产企业对物流的认识尚处初期阶段。因此，在原材料采购、产成品销售中利用物流服务的情况还不是很普遍。但随着近几年我国零售商业的发展，商业连锁店大批涌现，为这些连锁店提供商品配送的服务开始出现，并逐步走向成熟，成为我国目前利用物流服务较成功的领域。商业连锁店是以连锁制为轴心，以

6、分布面广的门店网络为市场依托，以中央采购制及配送中心来开发销售利润和物·6，日-国际运输与物流学术论文集流利润，以直接的市场信息向加工制造业渗透，它是商流、物流、信息流“三流”高度集成，相互制约，相辅相成的极佳形式。随着城市规模不断扩大，城市经济的不断发展，连锁式配送网络中将不断有新的门店出现。配送网络规划的目的在于根据投资及运行费用最小的原则，在现有设施、线路基础上，在新的门店出现的情况下寻求一种规划方案，使得配送网络建设的投资费用和相关运行费用最小，同时满足相关约束条件和可靠性要求。因此，其是一个复杂的优化组合问

7、题，近年来，解决此类问题涌现了一些智能算法，如遗传算法(GA)、搜索禁忌算法(TabuSearch)和模拟退火算法(SA)等。蚁群算法最初是由Dorigo等人提出，是一种求解组合优化问题的新型通用启发式方法。该方法的主要特点是正反馈、分布式计算以及富于建设性贪婪启发式搜索。正反馈有助于快速发现较好的解；分布式计算避免了在迭代过程中早熟现象的出现；而贪婪启发式搜索的运用则使得搜索过程中较早发现可接受解成为可能。虽然蚁群算法的出现只是近几年的事，但已经成功应用于许多组合优化问题，例如TSP问题、JSP问题等。本文提出了一

8、种基于蚁群算法来求解配送网络扩展优化问题的方法，建立了数学模型，设计了相应的求解算法及程序，并将该算法用文献的算例进行了测试。结果表明，本文提出的优化方法是可行、有效的。1配送网络规划的数学模型配送网络的规划问题就是寻求一种规划方案，使该方案在满足特定的技术约束条件的前提下，能够使目标函数最小。此目标函数，(力一般可形式化的表示为，(力=g(x