摘 要: 以蟻群算法為基礎(chǔ),設(shè)計(jì)了基于蟻群算法的物流配送路徑優(yōu)化模型,通過(guò)實(shí)驗(yàn)表明了該方法的可行性,且基于蟻群算法的優(yōu)化模型比其他算法模型具有更好的優(yōu)化效果和更高的穩(wěn)定性。
關(guān)鍵詞: 電子商務(wù);路徑優(yōu)化;TSP;蟻群算法
電子商務(wù)是在Internet上基于瀏覽器/服務(wù)器(C/S)模式實(shí)現(xiàn)消費(fèi)者網(wǎng)上消費(fèi)的一種新型的商業(yè)運(yùn)營(yíng)模式。電子商務(wù)中的任何一筆交易,都包含著基本的信息流、商流、資金流和物流[1]。其中物流作為有形商品實(shí)現(xiàn)網(wǎng)絡(luò)交易的重要支持環(huán)節(jié),對(duì)企業(yè)起著舉足輕重的作用。 物流配送的效率已經(jīng)成為制約我國(guó)電子商務(wù)快速發(fā)展的一個(gè)重要瓶頸,因而如何優(yōu)化和完善物流配送線路,提高企業(yè)市場(chǎng)競(jìng)爭(zhēng)力是電子商務(wù)企業(yè)成功的關(guān)鍵之所在。本文以蟻群算法為基礎(chǔ),采用Matlab實(shí)現(xiàn)的模型來(lái)研究蟻群算法在電子商務(wù)物流配送線路優(yōu)化方面應(yīng)用的可行性,并將結(jié)果與其他算法進(jìn)行比較。
1 問(wèn)題分析
電子商務(wù)企業(yè)的貨物配送路徑問(wèn)題實(shí)際上就是求最小配送成本問(wèn)題,但由于要考慮人力、物力等問(wèn)題的模擬過(guò)于復(fù)雜,因此為了能從最簡(jiǎn)單的方面考慮,本研究只考慮路程和運(yùn)費(fèi)組成的最小成本問(wèn)題。由于目前運(yùn)費(fèi)成本是一定的,從而可轉(zhuǎn)化為求最短路徑問(wèn)題。在二維空間可描述如下[2]:在配送圖G(V,A)中,V表示所有要收貨的客戶集合,V=(v1,v2,…,vM),對(duì)G中的某一邊(vi,vj),相應(yīng)的有一個(gè)距離d(vi,vj),如果G中不存在邊(vi,vj),則令d(vi,vj)無(wú)窮大,實(shí)際上是這兩個(gè)客戶所在的地點(diǎn)之間不存在通路。因此只要能在最短通路狀態(tài)下把每個(gè)客戶都走一遍,也就達(dá)到了費(fèi)用最低的效果。可將這種配送最小成本的問(wèn)題轉(zhuǎn)化為求解一個(gè)相對(duì)復(fù)雜的旅行商問(wèn)題(TSP)的最短路徑。物流配送的數(shù)學(xué)模型就轉(zhuǎn)變?yōu)閇3]:
2 優(yōu)化模型的設(shè)計(jì)
2.1 模型設(shè)計(jì)原理
蟻群算法是對(duì)螞蟻覓食行為的模擬?,F(xiàn)實(shí)螞蟻存在于三維空間中,而優(yōu)化問(wèn)題位于二維平面中,因此首先將三維空間抽象為一個(gè)二維平面圖。螞蟻在連續(xù)平面運(yùn)動(dòng),其運(yùn)動(dòng)軌跡總是離散點(diǎn),計(jì)算機(jī)可以通過(guò)對(duì)離散點(diǎn)的處理組成連續(xù)的平面?,F(xiàn)實(shí)螞蟻在覓食過(guò)程中的前進(jìn)方向主要由所處環(huán)境的信息素量來(lái)決定,在算法構(gòu)造過(guò)程中,信息素被抽象為圖的邊上的軌跡,螞蟻到達(dá)每一節(jié)點(diǎn)處根據(jù)邊上的信息素濃度選擇下一節(jié)點(diǎn)。螞蟻從初始節(jié)點(diǎn)(巢穴)按照一定轉(zhuǎn)移概率選擇下一節(jié)點(diǎn),最終選擇行走到目標(biāo)節(jié)點(diǎn)(食物源),這樣便得到了TSP問(wèn)題的一個(gè)可行解[4]。
?。?)終止判斷:判斷循環(huán)次數(shù)Nc是否小于最大循環(huán)次數(shù)NcMax,如果尚未到達(dá)停止條件,則將所有禁忌表清空,并且重復(fù)步驟(2)~步驟(5),直到滿足停止條件為止。
3 仿真實(shí)驗(yàn)
3.1 參數(shù)設(shè)置
本文分別采用蟻群算法、遺傳算法以及禁忌搜索算法對(duì)30個(gè)城市的TSP問(wèn)題進(jìn)行比較研究。各算法的參數(shù)設(shè)置如下:
(1)蟻群算法:信息啟發(fā)因子α=1,期望啟發(fā)因子β=5,信息素?fù)]發(fā)系數(shù)ρ=0.5,信息素強(qiáng)度Q=100,最大迭代次數(shù)NcMax=200,螞蟻數(shù)m=30;
?。?)遺傳算法:初始種群inn=100,交叉概率為0.8,變異概率為0.8,最大迭代次數(shù)gnmax=1 000;
(3)禁忌搜索算法:禁忌長(zhǎng)度t1=50,候選解l1=200,終止步數(shù)stop=1 000。
3.2 結(jié)果分析
采用Matlab語(yǔ)言實(shí)現(xiàn)三種算法模型對(duì)30個(gè)城市的TSP問(wèn)題分別運(yùn)行20次,表1給出了三種算法的運(yùn)行結(jié)果,從表中可以看出,蟻群算法模型的運(yùn)算結(jié)果最好、最穩(wěn)定,運(yùn)行時(shí)間也最短;遺傳算法模型次之,它的穩(wěn)定性和平均值要小于禁忌搜索算法;最禁忌搜索算法的最短路徑長(zhǎng)度最短,但整體穩(wěn)定性最差。如圖1~圖6所示。
針對(duì)電子商務(wù)中的物流配送路徑優(yōu)化問(wèn)題,將其抽象化為T(mén)SP問(wèn)題,并采用蟻群算法為基礎(chǔ)建立優(yōu)化模型。隨后介紹了優(yōu)化模型的實(shí)現(xiàn)過(guò)程,通過(guò)實(shí)驗(yàn),與遺傳算法模型和禁忌搜索算法模型運(yùn)行結(jié)果進(jìn)行比較,結(jié)果表明,蟻群算法模型不但運(yùn)行速度快,而且運(yùn)行效果最好、最穩(wěn)定,從而為電子商務(wù)中的物流配送路徑優(yōu)化提供了一種新的、可行的思路。
參考文獻(xiàn)
[1] 朱立偉.現(xiàn)代化物流管理技術(shù)在電子商務(wù)中的作用[J].企業(yè)經(jīng)濟(jì),2006(1):20-21.
[2] 溫清芳.遺傳算法求解TSP問(wèn)題的MATLAB實(shí)現(xiàn)[J].韶關(guān)學(xué)院學(xué)報(bào)·自然科學(xué),2007,28(6):18-22.
[3] 田貴超,黎明,韋雪潔.旅行商問(wèn)題(TSP)的幾種求解方法[J].計(jì)算機(jī)仿真,2006,23(8):153-157.
[4] 高陽(yáng).基于蟻群算法的集合覆蓋問(wèn)題求解及其應(yīng)用研究[D].無(wú)錫:江南大學(xué),2007
[5] 野瑩瑩,付麗君,程立英.基于MATLAB的蟻群算法仿真研究[J].裝備制造技術(shù),2008,(11):13-14.
[6] 熊芳敏,岑宇森,曾碧卿.運(yùn)用蟻群算法解決物流中心揀貨路徑問(wèn)題[J].華南師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2010(2):50-54.
[7] 王軍.蟻群算法求解TSP時(shí)參數(shù)設(shè)置的研究[J].科學(xué)技術(shù)與工程,2007,7(17):4501-4504.