论文部分内容阅读
随着社会经济的不断发展，国家之间综合国力的较量，以及企业之间竞争力的较量，逐渐成为时代发展下的必然趋势，而在大到国家之间小到企业之间的较量，都与物流行业的发展，物流水平的高低有着直接得密切地联系。现代物流企业的营运发展不仅仅是应召了时代发展下的需求，同時也是维系着人们日常生活的有效进展以及相关企业的经营活动的正常开展。如何有效提高物流水平，优化物流配送路径，找出更加利于企业经营发展的道路成为了更多企业所需要思考的问题，故，本文主要就基于改进混合蚁群算法的物流配送路径进行优化性研究。
就我国目前经济稳步提升的发展状况来看，在其中占据半壁江山的物流行业对经济的发展有着举足轻重的作用，现代物流行业在整个国民经济中起着支柱性作用，且所跨领域范围宽广。以此，现代物流经济不再只是单纯的增值性经济活动，同时也是与社会生态环境紧密联系的经济活动，就物流行业下物流经济的重要性来看，如何节约物流成本，找到最优物流配送方案是时代发展下的新课题，而蚁群算法原型本身就是一个寻找最短路径的模型，固本文主要就改进混合蚁群算法来对物流配送的路径进行优化。
一、蚁群算法在物流配送模型上的应用
明确蚂蚁算法在物流配送中的运用以及对应关系，对其在实际配送路径的选择上有着积极的影响作用。将蚂蚁群算法中的各个元素同物流配送模型下各要素对应起来是实现路径优化选择的前提准备。首先需要明确蚂蚁在物流配送模型中代表的是负责配送的车辆，而目的地表示的就是模流配送的终点，路径的对应关系，所体现的是客户同物流配送之间的实际距离。
二、改进混合蚁群算法优化对物流配送路径方案
（一）促进蚁群算法同遗传算法的互补性
蚁群算法在物流行业中的运用，来源于对蚁群从窝巢出发寻找食物在沿途过程中通过留下的信息素的浓度，以及其路径上的分布情况进行分析，最终找出最优路径以供后来者的参考，再不断地重新对路径的选择中根据遗留下来的信息素的判断，不断加强该路径上蚂蚁信息素的浓度，以较快的速度构成最优解。遗传算法相较蚂蚁算法在局域中的计算来说，随机性更强，交叉性搜索更加复杂，不能够保证在较短的时间内搜索出路径最优解。
蚂蚁群算法根据路径上遗留下来信息素对最优路径的判断，可能由于一开始选择的错误导致后来的蚂蚁对其正确性的坚信导致该错误路径上的信息素越来越多，致使最优路径的选择整个偏离航道。而遗传算法的全局性，通过交叉以及变异操作，虽然能够有效照顾到整体路径选择的可能性，避免局域搜索过程中可能出现的停滞不前的现象，但是由于其操作全局的复杂性在整个最优路径的选择中仍然存在缺陷。
由于蚂蚁算法及遗传算法的优劣势的存在，需要在物流配送的路径的选择上，积极采用最合理有效的方法，通过促进蚁群算法同遗传算法的互补性，吸取二者中的优点弥补两者中存在的缺陷从而来完善混合蚂蚁群算法，来促进对物流配送路径的最优化选择。
（二）积极改进混合蚁群算法
积极改进混合蚁群算法，对物流配送中的最优路径的选取有着直接得促进作用。故对传统的物流配送方案下车辆轮班出发进行改革，实现同时从物流配送中心一起出发，强调并行机制的运用，并且，在传统蚁群算法中取得一组路径最优解之上，引进分组变异机制，对循环次数首先进行分组操作，在组内实现对路径的最优解的搜索以及复制操作，在组外，运用遗传算法的核心要素对数据进行变异、比较操作，从而选出最优解更新路径上的信息素的分布，以此来提高物流配送中最优路径选择的准确性，以及选择的效率。
1.编码
编码的思想来源于遗传算法中，每个遗传算子都基于所对应的基因编码进行操作，故，根据该思想，要对物流配送方案提出改善，需要在蚂蚁群算法中融入该思想，对于相应的物流配送模型也要基于编码进行操作。
2.复制
根据传统遗传算法的操作中对父代中更加优秀的基因进行选择、保留、遗传的操作，在物流配送中的应用中可具体表现为，对已查询到的路径进行比较，留下最优配送路径。而在改进混合蚁群算法的实际应用中，要求进行分组，按照循环次数为8次，group=count/4将其具体分为两组，方便对组内最优配送路径的查询、保留、复制，以及后续对其的变异操作。
3.变异
在蚂蚁群算法中引入遗传算法中的重要思想变异算子的应用，可有效满足对物流配送路径搜索的效率要求。在上述分组后在组内进行最优路径的选择以及复制保留操作，在组外，对路径选择子代进行变异操作，更新信息素的有效值，从而提高接下来对最优路径搜索的速度以及质量。
三、结语
物流配送行业的发展在社会快速发展的大背景下赢来了新的生机，而对于物流配送中最优路径的选择，成为了更多物流企业共同思考的问题。固本文主要就混合蚁群算法的角度进行深入探究，通过积极促进蚁群算法同遗传算法的互补性，将二者有效融合，从而对物流配送下的最优路径的选择提出建设性意见。（作者单位：南通航运职业技术学院）
项目名称：2018年江苏省大学生创新创业训练项目—基于蚁群算法的物流配送车辆路径优化研究。项目编号：201812703022X。2018年南通航运职业技术学院科技类课题——基于智能优化的物流配送路径规划算法研究。项目编号：HYKY/2018B04。
就我国目前经济稳步提升的发展状况来看，在其中占据半壁江山的物流行业对经济的发展有着举足轻重的作用，现代物流行业在整个国民经济中起着支柱性作用，且所跨领域范围宽广。以此，现代物流经济不再只是单纯的增值性经济活动，同时也是与社会生态环境紧密联系的经济活动，就物流行业下物流经济的重要性来看，如何节约物流成本，找到最优物流配送方案是时代发展下的新课题，而蚁群算法原型本身就是一个寻找最短路径的模型，固本文主要就改进混合蚁群算法来对物流配送的路径进行优化。
一、蚁群算法在物流配送模型上的应用
明确蚂蚁算法在物流配送中的运用以及对应关系，对其在实际配送路径的选择上有着积极的影响作用。将蚂蚁群算法中的各个元素同物流配送模型下各要素对应起来是实现路径优化选择的前提准备。首先需要明确蚂蚁在物流配送模型中代表的是负责配送的车辆，而目的地表示的就是模流配送的终点，路径的对应关系，所体现的是客户同物流配送之间的实际距离。
二、改进混合蚁群算法优化对物流配送路径方案
（一）促进蚁群算法同遗传算法的互补性
蚁群算法在物流行业中的运用，来源于对蚁群从窝巢出发寻找食物在沿途过程中通过留下的信息素的浓度，以及其路径上的分布情况进行分析，最终找出最优路径以供后来者的参考，再不断地重新对路径的选择中根据遗留下来的信息素的判断，不断加强该路径上蚂蚁信息素的浓度，以较快的速度构成最优解。遗传算法相较蚂蚁算法在局域中的计算来说，随机性更强，交叉性搜索更加复杂，不能够保证在较短的时间内搜索出路径最优解。
蚂蚁群算法根据路径上遗留下来信息素对最优路径的判断，可能由于一开始选择的错误导致后来的蚂蚁对其正确性的坚信导致该错误路径上的信息素越来越多，致使最优路径的选择整个偏离航道。而遗传算法的全局性，通过交叉以及变异操作，虽然能够有效照顾到整体路径选择的可能性，避免局域搜索过程中可能出现的停滞不前的现象，但是由于其操作全局的复杂性在整个最优路径的选择中仍然存在缺陷。
由于蚂蚁算法及遗传算法的优劣势的存在，需要在物流配送的路径的选择上，积极采用最合理有效的方法，通过促进蚁群算法同遗传算法的互补性，吸取二者中的优点弥补两者中存在的缺陷从而来完善混合蚂蚁群算法，来促进对物流配送路径的最优化选择。
（二）积极改进混合蚁群算法
积极改进混合蚁群算法，对物流配送中的最优路径的选取有着直接得促进作用。故对传统的物流配送方案下车辆轮班出发进行改革，实现同时从物流配送中心一起出发，强调并行机制的运用，并且，在传统蚁群算法中取得一组路径最优解之上，引进分组变异机制，对循环次数首先进行分组操作，在组内实现对路径的最优解的搜索以及复制操作，在组外，运用遗传算法的核心要素对数据进行变异、比较操作，从而选出最优解更新路径上的信息素的分布，以此来提高物流配送中最优路径选择的准确性，以及选择的效率。
1.编码
编码的思想来源于遗传算法中，每个遗传算子都基于所对应的基因编码进行操作，故，根据该思想，要对物流配送方案提出改善，需要在蚂蚁群算法中融入该思想，对于相应的物流配送模型也要基于编码进行操作。
2.复制
根据传统遗传算法的操作中对父代中更加优秀的基因进行选择、保留、遗传的操作，在物流配送中的应用中可具体表现为，对已查询到的路径进行比较，留下最优配送路径。而在改进混合蚁群算法的实际应用中，要求进行分组，按照循环次数为8次，group=count/4将其具体分为两组，方便对组内最优配送路径的查询、保留、复制，以及后续对其的变异操作。
3.变异
在蚂蚁群算法中引入遗传算法中的重要思想变异算子的应用，可有效满足对物流配送路径搜索的效率要求。在上述分组后在组内进行最优路径的选择以及复制保留操作，在组外，对路径选择子代进行变异操作，更新信息素的有效值，从而提高接下来对最优路径搜索的速度以及质量。
三、结语
物流配送行业的发展在社会快速发展的大背景下赢来了新的生机，而对于物流配送中最优路径的选择，成为了更多物流企业共同思考的问题。固本文主要就混合蚁群算法的角度进行深入探究，通过积极促进蚁群算法同遗传算法的互补性，将二者有效融合，从而对物流配送下的最优路径的选择提出建设性意见。（作者单位：南通航运职业技术学院）
项目名称：2018年江苏省大学生创新创业训练项目—基于蚁群算法的物流配送车辆路径优化研究。项目编号：201812703022X。2018年南通航运职业技术学院科技类课题——基于智能优化的物流配送路径规划算法研究。项目编号：HYKY/2018B04。