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。可將這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。現(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：
（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；
（2）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.