摘 要： 以蟻群算法為基礎，設計了基于蟻群算法的物流配送路徑優(yōu)化模型，通過實驗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。
關鍵詞： 電子商務；路徑優(yōu)化；TSP；蟻群算法
電子商務是在Internet上基于瀏覽器/服務器（C/S）模式實現(xiàn)消費者網(wǎng)上消費的一種新型的商業(yè)運營模式。電子商務中的任何一筆交易，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現(xiàn)網(wǎng)絡交易的重要支持環(huán)節(jié)，對企業(yè)起著舉足輕重的作用。 物流配送的效率已經成為制約我國電子商務快速發(fā)展的一個重要瓶頸，因而如何優(yōu)化和完善物流配送線路，提高企業(yè)市場競爭力是電子商務企業(yè)成功的關鍵之所在。本文以蟻群算法為基礎，采用Matlab實現(xiàn)的模型來研究蟻群算法在電子商務物流配送線路優(yōu)化方面應用的可行性，并將結果與其他算法進行比較。
1 問題分析
電子商務企業(yè)的貨物配送路徑問題實際上就是求最小配送成本問題，但由于要考慮人力、物力等問題的模擬過于復雜，因此為了能從最簡單的方面考慮，本研究只考慮路程和運費組成的最小成本問題。由于目前運費成本是一定的，從而可轉化為求最短路徑問題。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G中的某一邊（vi，vj），相應的有一個距離d（vi，vj），如果G中不存在邊（vi，vj），則令d（vi，vj）無窮大，實際上是這兩個客戶所在的地點之間不存在通路。因此只要能在最短通路狀態(tài)下把每個客戶都走一遍，也就達到了費用最低的效果?？蓪⑦@種配送最小成本的問題轉化為求解一個相對復雜的旅行商問題（TSP）的最短路徑。物流配送的數(shù)學模型就轉變?yōu)閇3]：
2 優(yōu)化模型的設計
2.1 模型設計原理
蟻群算法是對螞蟻覓食行為的模擬?，F(xiàn)實螞蟻存在于三維空間中，而優(yōu)化問題位于二維平面中，因此首先將三維空間抽象為一個二維平面圖。螞蟻在連續(xù)平面運動，其運動軌跡總是離散點，計算機可以通過對離散點的處理組成連續(xù)的平面?，F(xiàn)實螞蟻在覓食過程中的前進方向主要由所處環(huán)境的信息素量來決定，在算法構造過程中，信息素被抽象為圖的邊上的軌跡，螞蟻到達每一節(jié)點處根據(jù)邊上的信息素濃度選擇下一節(jié)點。螞蟻從初始節(jié)點（巢穴）按照一定轉移概率選擇下一節(jié)點，最終選擇行走到目標節(jié)點（食物源），這樣便得到了TSP問題的一個可行解[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，如果尚未到達停止條件，則將所有禁忌表清空，并且重復步驟（2）~步驟（5），直到滿足停止條件為止。
3 仿真實驗
3.1 參數(shù)設置
本文分別采用蟻群算法、遺傳算法以及禁忌搜索算法對30個城市的TSP問題進行比較研究。各算法的參數(shù)設置如下：
?。?）蟻群算法：信息啟發(fā)因子α=1，期望啟發(fā)因子β=5，信息素揮發(fā)系數(shù)ρ=0.5，信息素強度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；
?。?）禁忌搜索算法：禁忌長度t1=50，候選解l1=200，終止步數(shù)stop=1 000。
3.2 結果分析
采用Matlab語言實現(xiàn)三種算法模型對30個城市的TSP問題分別運行20次，表1給出了三種算法的運行結果，從表中可以看出，蟻群算法模型的運算結果最好、最穩(wěn)定，運行時間也最短；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度最短，但整體穩(wěn)定性最差。如圖1~圖6所示。
針對電子商務中的物流配送路徑優(yōu)化問題，將其抽象化為TSP問題，并采用蟻群算法為基礎建立優(yōu)化模型。隨后介紹了優(yōu)化模型的實現(xiàn)過程，通過實驗，與遺傳算法模型和禁忌搜索算法模型運行結果進行比較，結果表明，蟻群算法模型不但運行速度快，而且運行效果最好、最穩(wěn)定，從而為電子商務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
[1] 朱立偉.現(xiàn)代化物流管理技術在電子商務中的作用[J].企業(yè)經濟，2006（1）：20-21.
[2] 溫清芳.遺傳算法求解TSP問題的MATLAB實現(xiàn)[J].韶關學院學報·自然科學，2007，28（6）：18-22.
[3] 田貴超，黎明，韋雪潔.旅行商問題（TSP）的幾種求解方法[J].計算機仿真，2006，23（8）：153-157.
[4] 高陽.基于蟻群算法的集合覆蓋問題求解及其應用研究[D].無錫：江南大學，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，2008，（11）：13-14.
[6] 熊芳敏，岑宇森，曾碧卿.運用蟻群算法解決物流中心揀貨路徑問題[J].華南師范大學學報（自然科學版），2010（2）：50-54.
[7] 王軍.蟻群算法求解TSP時參數(shù)設置的研究[J].科學技術與工程，2007，7（17）：4501-4504.