多配送中心粮食物流车辆调度混合蚁群算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (7): 4-7.

多配送中心粮食物流车辆调度混合蚁群算法

张强^1，2，熊盛武¹

1.武汉理工大学计算机科学与技术学院，武汉 430070
2.河南工业大学信息科学与工程学院，郑州 450052

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-03-01 发布日期:2011-03-01

Hybrid ant colony algorithm for multi-depot grain logistics vehicle scheduling problem

ZHANG Qiang^1，2，XIONG Shengwu¹

1.College of Computer Science & Technology，Wuhan University of Technology，Wuhan 430070，China
2.College of Information Science and Engineering，Henan University of Technology，Zhengzhou 450052，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-03-01 Published:2011-03-01

摘要/Abstract

摘要： 在对多配送中心粮食车辆调度问题进行直观描述的基础上，建立了该问题的数学模型。并在国内外研究现状的基础上，提出了一个混合蚁群算法来求解多配送中心车辆调度问题，设计了蚂蚁转移策略、可行解构造策略和信息素更新策略，采用K邻域来限制蚂蚁的转移目标，并采用LK算法优化策略来优化蚂蚁遍历路径和可行解。给出了一个具有代表性的算例实验结果和结果分析，通过实验表明了此方法对优化多配送中心粮食车辆调度问题的有效性。

关键词: 粮食物流配送中心, 车辆调度, 蚁群算法, 优化

Abstract: On the basis of describing the multi-depot grain logistics vehicle scheduling problem naturally，the model of the problem is built in this paper.A hybrid ant colony algorithm is proposed to solve this successfully by ants transfer policy and algorithm to construct solution designed in this dissertation.To improve hybrid ant colony algorithm performance，K-neighbor is used to restrict the ants transfer objects，and LK algorithm is used to optimize ants’ routes and solution，and regulation of pheromone update is designed.A representative result and the analysis are given.The experiment indicates the validity of the technique to the multi-depot grain logistics vehicle scheduling problem with the above-mentioned conditions.

Key words: grain distribution centers, vehicle scheduling, ant colony algorithm, optimization

张强^1，2，熊盛武¹. 多配送中心粮食物流车辆调度混合蚁群算法[J]. 计算机工程与应用, 2011, 47(7): 4-7.

ZHANG Qiang^1，2，XIONG Shengwu¹. Hybrid ant colony algorithm for multi-depot grain logistics vehicle scheduling problem[J]. Computer Engineering and Applications, 2011, 47(7): 4-7.

[1]	兰红，黄敏. 融合KNN优化的密度峰值和FCM聚类算法[J]. 计算机工程与应用, 2021, 57(9): 81-88.
[2]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[3]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[4]	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.
[5]	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.
[6]	杜垚. 结合局部优化匹配的Android恶意家族检测算法[J]. 计算机工程与应用, 2021, 57(8): 84-90.
[7]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[8]	高铖铖，陈锡程，张瑞，宋秋月，易东，伍亚舟. 三种新型智能算法在疫情预警模型中的应用——基于百度搜索指数的COVID-19疫情预警[J]. 计算机工程与应用, 2021, 57(8): 256-263.
[9]	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.
[10]	张水平，王丽娜. 果蝇优化算法的进展研究分析[J]. 计算机工程与应用, 2021, 57(6): 22-29.
[11]	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.
[12]	许小媛，李海波，黄黎. 云存储多异构文件联合延迟尾概率凸优化分析[J]. 计算机工程与应用, 2021, 57(5): 88-94.
[13]	沈瑜，刘成，杨倩. 利用子空间稀疏特征的超分辨率图像重建算法[J]. 计算机工程与应用, 2021, 57(5): 173-182.
[14]	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.
[15]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.