车辆配送路径优化的新型蚁群算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (26): 232-234.

车辆配送路径优化的新型蚁群算法

范小宁，徐格宁，杨瑞刚

太原科技大学机电工程学院，太原 030024

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-09-11 发布日期:2011-09-11

New ACO algorithm for optimizing of vehicle distribution routing

FAN Xiaoning，XU Gening，YANG Ruigang

College of Mechanical and Electronic Engineering，Taiyuan University of Science and Technology，Taiyuan 030024，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-09-11 Published:2011-09-11

摘要/Abstract

摘要： 构造了求解车辆配送路径优化问题的新型蚁群算法，采用新型的编码方式和转移概率，避免了遗传算法求解该问题所存在的遗传算子设计困难和遗传操作繁琐复杂的现象及现有蚁群算法求解该问题时收敛速度慢的缺陷。通过实例验证了所构建的算法与现有算法相比，不仅操作简单而且具有更好的收敛性。

关键词: 车辆配送, 路径优化, 蚁群算法, 编码方式, 转移概率

Abstract: A new Ant Colony Optimization（ACO） algorithm for the optimizing of vehicle distribution routing is constructed.Since the algorithm adopts a new kind of encoding method and transition rule，on the one hand，the phenomena that the designing of genetic operators is difficult and the genetic operation is complicated by using Genetic Algorithm（GA） to solve the Vehicle Routing Problem（VRP） are avoided，on the other hand，the shortcoming that the convergence speed is slow by applying the ACO to do so is overcomed.Examples demonstrate that the constructed algorithm features simpler operation and better convergence，compared with the current algorithms.

Key words: vehicle distribution, optimizing routing, Ant Colony Optimization（ACO）, encoding method, transition rule

范小宁，徐格宁，杨瑞刚. 车辆配送路径优化的新型蚁群算法[J]. 计算机工程与应用, 2011, 47(26): 232-234.

FAN Xiaoning，XU Gening，YANG Ruigang. New ACO algorithm for optimizing of vehicle distribution routing[J]. Computer Engineering and Applications, 2011, 47(26): 232-234.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[4]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[5]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[6]	李壮阔，常凯旋. 合作博弈的连续蚁群算法求解[J]. 计算机工程与应用, 2021, 57(24): 198-204.
[7]	王嘉月，史立. 考虑电池损耗的电动冷藏车路径及充电策略[J]. 计算机工程与应用, 2021, 57(24): 283-289.
[8]	胡小兵，陈树念，张盈斐，谷升豪. 求解多目标路径优化问题的涟漪扩散算法[J]. 计算机工程与应用, 2021, 57(23): 81-90.
[9]	王晓光，杨培蓓. 航运物流企业数字化转型设计与效果分析[J]. 计算机工程与应用, 2021, 57(21): 241-247.
[10]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[11]	熊兴隆，刘佳，李猛，马愈昭. 基于无人机-配送车联合配送的优化算法研究[J]. 计算机工程与应用, 2021, 57(19): 259-266.
[12]	李二超，齐款款. 改进双向蚁群算法的移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 281-288.
[13]	何雅颖，范昕炜. 改进蚁群算法在机器人路径规划中的应用[J]. 计算机工程与应用, 2021, 57(16): 276-282.
[14]	付朝晖，刘长石. 多物流中心共同配送的车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(16): 291-298.
[15]	张苏英，郭宝樑，陈灵芝，刘慧贤. 双向蚁群算法的智能消防疏散图路径规划[J]. 计算机工程与应用, 2021, 57(14): 259-266.