1、苏果超市南京地区配送路径优化摘 要现今市场对物流的配送需求日趋旺盛，因此配送成为物流总环节中至关重要的一节，配送方式合理既可以提高车辆的载重率，又能降低运输成本。因此，提高配送的效率是物流企业效益的保证。由于配送路径优化是NP难问题，传统优化方法难以得到满意解，利用MATLAB解决这个问题，实现总费用降低的目的，使配送更加高效。本文通过收集相关资料及数据，对江苏南京地区苏果超市配送中心及其门店进行配送路线及其现状分析，得出实际存在的配送效率低、装载率低等配送问题，针对此问题建立关于苏果超市配送路线优化的VRP模型，利用蚁群算法简单、直观、易理解、易求解的特点，从实际的约束条件出发，利用 MAT
2、LAB软件进行运算，实现其配送路径的优化，从而达到企业供货及时率及运作效率的提高的目的，从根本上降低物流的配送成本，最终实现资本最大化。【关键词】苏果超市；路线优化；蚁群算法；MATLABSu Fruit Supermarket Nanjing Area Distribution Routing OptimizationAbstractCurrent market growing demand for logistics and distribution, distribution logistics link in the critical section, reasonable distr
3、ibution methods can improve the rate of loading of vehicles and reduced transportation costs. Therefore, improving distribution efficiency of logistics enterprises benefit guarantee. Because of distribution routing optimization is an NP hard problem, traditional optimization methods are difficult to
4、 achieve a satisfactory solution, using MATLAB to solve this problem, achieve the purpose of reducing total cost, and make distribution more efficient. Paper through collection related information and the data, on Jiangsu Nanjing area Su fruit supermarket distribution center and stores for distribut
5、ion status analysis, obtained actual exists of distribution efficiency low, and mount rate low distribution problem, for this problem established on suguo supermarket distribution route optimization of VRP model, using Ant group algorithm simple, and intuitive, and easy understanding, and easy solut
6、ion of features, from actual of constraints conditions starting, using MATLAB software for operation, achieved its distribution path of optimization, To achieve the corporate objective of timely delivery rate and improve the operational efficiency of radically reducing logistics distribution cost, a
7、nd ultimately maximizing capital.Key Words Su fruit supermarket; Route optimization; Ant Colony algorithm; MATLAB目 录一、绪论1（一）研究背景、目的与意义1（二）国内外研究综述1（三）研究主要内容及创新点1二、苏果超市南京地区的配送现状1（一）苏果超市简介1（二）苏果超市南京地区的配送现状概述1（三）苏果超市南京地区配送问题分析1三、苏果超市南京地区配送路径优化1（一）蚁群算法所需要的数据收集1（二）苏果超市南京地区配送路径优化模型构建1（三）基于蚁群算法路线优化求解1（四）配送线
8、路优化结果分析1四、结论与展望1（一）结论1（二）展望1参考文献1附 录1一、绪论（一）研究背景、目的与意义1.研究背景随着近年来物流的发展，物流已经成为公认的第三利润源，物流服务质量也被很多企业作为考核客户满意度的重要指标之一，因此降低物流成本成为了企业的目标之一。我国连锁经营自从上世纪90年代被引入，连锁超市行业在市场经济不断发展的情况下逐渐变成一种主流经营模式并成为推动市场经济发展的动力。其市场对物流的配送需求也日益增强，而配送是物流的基本功能之一，也是物流中至关重要的环节，因此降低配送成本已经被企业（连锁超市）当作降低成本的有效途径之一。苏果超市就是典型的连锁超市经营模式，降低苏果超市
9、配送成本的关键在于使其配送路线更加合理化，即通过优化其配送路径来提高苏果超市的效益。配送路线的合理性对企业来说具有重大的影响，通过合理调度车辆运输配送与优化路径来提高配送效率是非常有意义的选择。苏果超市建立以马群配送中心为配送据点和后勤保障部门，从而达到对市场需求的高度灵敏并提高经济效益的目标。现今，车辆路线问题在一定程度下影响了生产服务的各个方面，合理调度车辆运输配送与优化路径来提高配送效率具有深远意义。2.研究目的与意义本文研究苏果超市南京地区的配送路线优化，对其配送问题（路径选择以及车辆装载率偏低等）进行优化研究。配送是物流运作中的重要环节，直接关系到配送中心的成本和效率，合理的配送路径
10、不仅能影响配送成本和效率，还能直接决定配送的客户满意度，故而苏果超市在南京建立“马群”配送中心以解决上述问题。由于配送成本与配送路径有着紧密的联系，本文通过合理规划配送路线来降低苏果超市的物流成本，从而提高苏果超市的企业竞争力以及经济效益，最终增加客户满意度，使苏果超市能够得到长远发展。（二）国内外研究综述1959年Danting和Ramser在The truck dispatching problem中首次提出车辆路径问题（Vehicle Routing Problem，VRP）。1963年，国外的学者就已经开始研究路径优化问题，VRP问题经过几十年的研究发展，学者们建立了很多关于VRP的模
11、型并对这些模型求解。例如：P.Wark等创造出重复匹配算法，将该算法用在VRP中；Baker等利用遗传算法求解VRP。1971年，Eilon等人提出运用递归方法求解VRP（有固定车辆数）并融入动态规划法。在经济全球化的趋势下，配送路线优化的重要性日益明显，学者们在吸取和借鉴国外优秀的研究结果中也渐渐找出了路径问题的解决办法。例如：王海星、王占德等人改进了经典的蚁群算法并运用改进的蚁群算法来对解决带有时间约束的VRP问题。1991年，Gendreau等人首次提出将禁忌搜索方法1。有关配送车辆路径优化算法（包括智能优化算法、精确算法以及启发算法等）在近几十年的研究中层出不穷，其中具有一定局限性的精
12、确算法在路径优化中的应用有一定的计算复杂程度，虽启发式算法（包括 SWeep 算法和 C-W 算法等）在我国，国内学者们广泛应用遗传算法以及改进遗传算法等启发式算法。配送线路优化的本质是VRP问题（根据货量确定车辆分配和配送路线），国外学者经过研究已对路径优化有了深入的了解和研究，研究结果相当成熟。但在国内，虽然起步较晚，但随着电子商务和物流的不断发展，路径优化问题得到了越来越多的关注，学者们结合了国外的优秀理论在路径优化这方面也取得了突破性的进展，配送路径优化的适用性大大增加。（三）研究主要内容及创新点1.研究的主要内容本文对苏果超市南京地区的配送现状进行分析，建立了苏果超市南京地区的VRP
13、模型，并通过蚁群算法结合MATLAB来求解苏果超市南京地区的VRP模型，得出最优配送路线，分析对比优化前和优化后的配送路线，科学的评估本文所建模型。2.创新点（1）本文以南京地区的苏果超市为研究对象，将苏果超市南京地区的运输成本最小作为目标，建立了模型，利用蚁群算法简单、直观、易理解、易求解的特点，从实际的约束条件出发，并结合MATLAB软件来得出最后的优化方案，提高苏果超市的服务质量。（2）本文通过对比分析苏果超市南京地区优化前后的配送路线，对苏果超市南京地区的经营管理可以起到一定的建议性作用，方便苏果超市针对不足之处来采取改进措施，提高企业效率和利润。二、苏果超市南京地区的配送现状（一）苏
14、果超市简介苏果超市于1996年7月18日成立，其“苏果”二字，取自“江苏省果品食杂总公司”，并早在2006年名列中国企业五百强第一百七十。苏果网点总数已远超2200家（仅南京市区就有410家便利店），覆盖苏鲁皖等六个省份，其年配送量远超5100万箱。苏果始终以“为民、便民、利民”为经营宗旨，不懈追求顾客满意度，其“为顾客省钱”的价格方针深受广大消费者和社会的好评。（二）苏果超市南京地区的配送现状概述1.苏果超市南京地区配送现状苏果超市把马群配送中心作为公司的物流配送体系。通过采用无线射频、车载GPS等国外专业技术并且结合地理信息系统（GIS）和车辆管理系统进行研发，使其运输管理的有效空间范围在
15、一定程度上得到拓宽的同时让物流管理进一步深化5。其通过有效分拣、配货等作业使送货达到一定的规模从而达到积极送货的目标，并使其配送规模取得一定优势从而进一步压缩送货成本。苏果连锁超市为了实现提高服务能力、强化（门店）销售功能的目标，从而采用统一配送的方式。南京苏果超市是一家大型的连锁超市。其在南京地区超市网点分布范围较广（大到大型的购物超市，小到社区便利店）。苏果的物流配送队伍通过公路运输的方式向各个超市、网点提供货物配送服务，从而形成一种地区物流。货物配送具有高强度、高频率的特点，苏果为了实现对每日货物进行及时配送的目标，因此不得不建立一个自己的配送中心。苏果超市的配送以支线运输为主要方式，按
16、品种搭配、门店用户在商品分类、数量、时间等方面的要求实现配货和送货进行有机结合。终端运输在其运输方式中占有一定的比重，因其大部分的运输局限于一定地域，所以具有规模小、路线短、频率高等特点。2.配送中心和配送门店情况介绍苏果超市是一家连锁超市，自成立以来，在南京地区以及各乡镇地区已经发展到180多家经营网点，本文研究的是苏果超市南京地区的配送情况，为了更好地开展研究，现根据各超市的需求情况以及各超市周边的交通情况，选取位于南京雨花区南大门的苏果超市作为城南配送中心，选择2016年6月5日南京城南苏果配送中心配送各类货物（水果蔬菜等）到各个门店为研究主体，以其配送路径作为研究对象，选择南京地区18
17、个日需求量大于1.3t且地理位置在省道附近交通状况良好的门店作为本文的研究对象进行配送路线进行研究。表2-1为苏果超市配送中心及南京地区18个门店位置。表 2-1苏果超市配送中心及南京地区18个门店位置名称地理位置1.华润苏果超市（雨花南路）配送中心南京市雨花台区雨花南路24-2号2.苏果超市三元巷店南京市秦淮区明瓦廊恒悦百姓烤肉店对面3.苏果超市南苑店南京市建邺区湖西街64号4.苏果超市牡丹江路店南京市建邺区沙洲街道牡丹江街苏果超市5.苏果超市御道街店南京市光华门后街26号6. 苏果超市翠岛花城店南京市宁南大道11号(近软件大道)7.苏果超市金盛路店南京市金盛路天水雅居对面8.苏果超市芙蓉园
18、店南京市江宁区文靖路230号9.苏果超市万尚城店南京市江宁区双龙大道1351号10.苏果超市黄山路店南京市黄山路99号中海社区中心一楼11.苏果超市恒山路店南京市恒山路189号12.苏果超市玄武湖店南京市台城花园7幢1楼13.苏果超市中山路店南京市鼓楼区中山路321号14.苏果超市中山北路店南京市鼓楼区中山北路281号15.苏果超市碧树园店南京市碧树园15号1-5号16.苏果超市芦席营店南京市马家街30号-5(近芦席营)17.苏果超市春江路店南京市雨花区铁心桥镇春江路52-1、52-218.苏果超市管家桥店南京市鼓楼区管家桥85号19.苏果超市油坊桥店南京市双莲路天迈广场2层（资料来源：各门店
19、每日通过苏果局域网提交订单给配送中心，配送中心作为供应商和客户端的一个链接点，根据门店需求实行每天统一配送。图2-2是百度地图中苏果超市在南京地区的配送中心及其各门店的地理位置，1表示的是配送中心，带2-19的数字编号代表苏果超市在南京地区具有研究意义的18家门店（日需求量大于1.3t且地理位置在省道附近交通状况良好）。图 2-2南京苏果超市配送中心及各门店位置标号（资料来源：3.配送现状分析（1）由于苏果超市（南京地区）主要配送蔬菜水果类等物品，物品质量相对较重（但车辆空间并没有充分利用）配送中心目前有10辆（额定载重为5吨的配送车辆）车用于城南区域的配送，确保各门店每日需求能够及时满足，对
20、于一些特殊货物比如需要冷藏的商品，则应选择其对应的冷藏车。（2）配送中心按品种搭配、门店用户在商品分类、数量、时间等方面的要求对苏果超市各门店在苏果局域网提交的订单，进行配送路径规划，经过整理，归纳出7条配送线路，如表2-3所示：14512131516211834106117191798图2-3南京苏果超市门店配送路径图（3）各路线运输距离计算和装载率情况，根据以上配送路线图，可以计算得出，目前苏果超市南京地区配送路径方案：1-11-19-17-1的运输距离为15.3公里，1-6-9-8-1的运输距离为17.8公里，1-7-2-1的运输距离为18.2公里,1-10-4-3-1的运输距离为12.
21、3公里,1-15-14-1的运输距离为19公里,1-16-13-2-1的运输距离为18.8公里,1-5-18-12-1的运输距离为19.3公里,总运输距离为120.7公里。其配送路径上的车辆的载重量和装载率如表2-4所示：表2-4配送路径上的车辆的载重量和装载率行驶路线行驶距离（km）装载量（t）装载率（%）配送中心-恒山路店-油坊桥店-春江路店-配送中心15.34.284配送中心-翠岛花城店-万尚城店-芙蓉园店-配送中心17.84.284配送中心-金盛路店-三元巷店-配送中心18.23.264配送中心-黄山路店-牡丹江路店-南苑店-配送中心12.34.386配送中心-碧树园店-中山北路店-配
22、送中心19360配送中心-芦席营店-中山路店-三元巷店-配送中心18.84.386配送中心-御道街店-管家桥店-玄武湖店-配送中心19.34.488（三）苏果超市南京地区配送问题分析根据上表2-4所示，苏果超市南京地区在规划配送路线中仍有不足，它们影响了苏果超市的经营利润。具体如下：1配送效率低苏果超市订单上的配送信息经过多次传递较易失真，配送信息一旦出现与超市不同的情况，制造商和超市就需要通过配送商进行调节直至一致，因而导致服务水平、装载率降低，引发递送速度慢等不必要的麻烦，从而导致运力的大量浪费。2配送路线不合理苏果超市由配送中心直接向各门店配送物资，其并没有严格的线路规定，配送车辆司机往
23、往会根据自己的喜好对路线做出主观性的判断，缺乏科学性，增长了路线距离，提高了物流成本。因此为了让配送路线更加的合理化，缩短配送距离，降低物流成本，必须通过一些科学严谨的方法来对路线规划进行优化。3配送的标准化程度低配送路径规划缺乏整体性，没有对配送路径和所载的货物进行科学合理的分析，没有从配送的角度进行科学的线路设计，从而导致工作时间的增多以及工作效率的降低。4.装载率低上表2-4清楚的显示苏果超市使用的7辆车在进行配送任务中装载率都小于88%，载重率最低的只有60%，车辆平均装载率只达到了78%，都不是满载运输，因此浪费了运力资源，从而导致配送成本的增加。车辆装载空间没有得到充分的利用，配载
24、效率很低，并且在配送结束后，车辆从配送门店返回配送中心的过程中是空载的，这也反映了车辆的装载率低下。综上所述，苏果超市在配送过程中存在配送成本高、效率低，配送标准化程度不高，配送线路不合理，车辆装载率低等问题，这些问题直接的影响到了苏果超市的成本和利润，不利于苏果超市的经营与发展。本文通过运用蚁群算法并加入MATLAB软件进行仿真来解决这些问题。三、苏果超市南京地区配送路径优化针对苏果超市配送问题，蚁群算法可以合理的对其进行路线优化，蚁群算法适合多目标的VRP问题，利用其速度快、满意度高的优点，采用蚁群算法进行求解。（一）蚁群算法所需要的数据收集1.各门店需求量数据苏果超市在南京地区门店众多，
25、通过网络查询以及对各门店的调研，选择南京地区18个日需求量大于1.3t且地理位置在省道附近交通状况良好的门店作为本文的研究对象，选用2016年6月5日各门店的商品需求量作为本文的研究数据（单位为：t），具体的数量如表3-1所示：表 3-1 2016年6月5日各门店需求量名称水果蔬菜等货物需求量（t）1.华润苏果超市（雨花南路）配送中心/2.苏果超市三元巷店1.73.苏果超市南苑店1.64.苏果超市牡丹江路店1.3续表3-15.苏果超市御道街店1.46. 苏果超市翠岛花城店1.37.苏果超市金盛路店1.58.苏果超市芙蓉园店1.39.苏果超市万尚城店1.610.苏果超市黄山路店1.411.苏果超
26、市恒山路店1.312.苏果超市玄武湖店1.713.苏果超市中山路店1.514.苏果超市中山北路店1.415.苏果超市碧树园店1.616.苏果超市芦席营店1.317.苏果超市春江路店1.418.苏果超市管家桥店1.319.苏果超市油坊桥店1.5（资料来源：https：/）2.各门店经纬度坐标通过各门店具体地址，利用Google经纬度查询系统，获取苏果超市配送中心及其各门店的具体经纬度数据，如表3-2所示：表 1-2配送中心及其各门店经纬度坐标名称经纬度坐标（X，Y）1.华润苏果超市（雨花南路）配送中心118.778932,31.9997672.苏果超市三元巷店118.789726,32.0435
27、983.苏果超市南苑店118.753096,32.0279684.苏果超市牡丹江路店118.741208,32.0097565.苏果超市御道街店118.821259,32.0228156.苏果超市翠岛花城店118.795791,31.9854447.苏果超市金盛路店118.833105,31.9746038.苏果超市东山店118.853965,31.9658839.苏果超市万尚城店118.828941,31.94852110.苏果超市黄山路店118.744055,32.00582811.苏果超市恒山路店118.728141,31.98978712.苏果超市玄武湖店118.801216,32.0
28、6900913.苏果超市中山路店118.790331,32.06299114.苏果超市中山北路店118.769023,32.08299115.苏果超市碧树园店118.751389,32.060086续表3-216.苏果超市芦席营店118.787868,32.08046917.苏果超市春江路店118.763309,31.96895718.苏果超市管家桥店118.789304,32.05204419.苏果超市油坊桥店118.727406,31.972256（资料来源：（二）苏果超市南京地区配送路径优化模型构建1.模型建立的目标本文为了降低苏果超市的物流成本以及提高企业利润而建立模型。通过降低苏果超
29、市南京地区的配送成本来提高苏果超市的效益。对苏果超市南京地区进行（配送）路线优化，使车辆的利用效率得以提高，以此节约运输时间从而在根本上减少企业（苏果超市）成本，提高其利润率。本文依据苏果隆超市配送的实际情况，建立配送路线优化模型求解苏果超市的优化路径，以此解决其配送线路优化问题。2.模型建立本文以苏果超市南京地区配送中心到南京市范围内18个苏果超市门店的运输路径作为研究对象，假设配送中心最多使用m辆车（每辆车最大承受载重为q）；对i个门店进行配送，各门店需求量为。门店i到门店j的最短直线距离为，D为车辆的最远的行驶距离；表示若车辆k从门店i到门店j的货物需求，否则为0；表示若门店由车辆k配送
30、否则为0；设配送中心为0号。目标函数：min zx（求解最短路径）约束条件： （每条路径货物供应量小于该线路配送车辆总量） i（表示各个门店的货物只有一辆车运输） or i（表示配送门店的任务是否完成） （表示到达和离开某一门店的车只有一辆） （表示到达和离开某一门店的车只有一辆）=0 or1，j=0,1（表示车辆是否从i行驶到j） 由于此模型在求解时具有较高的难度，且一般数学方法不易直接求解，所以本文利用VRP问题的经典求法之一-蚁群算法进行求解，并采用MATLAB软件，对苏果超市南京地区配送中心及其各门店具体经纬度坐标和车辆装载数据进行计算，求解出苏果超市南京地区最优的配送路线。（三）基
31、于蚁群算法路线优化求解1.蚁群算法原理当蚂蚁寻找食物时它会朝着信息素（在寻找食物过程中能释放一种带气味的化学物质，该物质被称为信息素）浓度高的方向寻找，由于食物被找到时会释放信息素，蚂蚁可以根据信息素确定自己寻找食物的方向以及接收其它蚂蚁传递的信息，从而使信息素在这条有食物的路径上浓度不断升高，吸引更多的蚂蚁来此路径，如此形成一个循环。该路经的信息素浓度在此作用下不断升高，从而达到客观上寻找到最优路径的效果。 研究者们在上述原理基础上虚拟出人工蚂蚁（具有简单记忆功能），并通过模拟蚁群寻找食物的过程产生一个最佳路线，设计了蚁群算法。蚂蚁群体的路径搜索原理和机制如下图所示： 2.计算结果及应用将表
32、3-2苏果超市配送中心及其各门店具体经纬度坐标输入MATLAB软件程序中，得出以下运行结果：MATLAB软件运行结果如图3-3，配送路径总距离变化图如图3-4，具体配送最优线路图如图3-5，MATLAB程序代码见附录。图3-3软件运行结果图图3-4配送路径总距离变化图图3-5配送最优路线图由图3-3得出优化后的配送线路仅6条（优化前有7条），优化后各行驶路线，各路线（优化后）装载量及其（优化后）装载率结果如下表3-6：表3-6优化后路线，各路线装载量及其装载率行驶路线行驶距离（km）装载量（t）装载率（%）配送中心-牡丹江路店-黄山路店-恒山路店-配送中心13.54.182配送中心-南苑店-碧
33、树园店-中山路店-配送中心15.84.794配送中心-管家桥店-三元巷店-御道街店-配送中心14.14.488配送中心-翠岛花城店-春江路店-油坊桥店-配送中心16.74.284配送中心-万尚城店-芙蓉园店-金盛路店-配送中心18.64.488配送中心-玄武湖店-中山北路店-芦席营店-配送中心21.54.488（四）配送线路优化结果分析通过对以上蚁群算法得出的结果和数据与之前苏果超市在南京地区的配送情况进行分析，得出优化分析的对比结果，如表3-7：表3-7优化前后结果对比差异项目优化前优化后优化值行驶距离（km）120.7100.220.5装载率平均78%平均 87%平均提高9%车辆数（辆）7
34、611.满足配送车辆允许的最大运输距离由苏果超市（南京地区）配送中心派出的配送车辆完成全部门店配送任务，并在完成任务后返回中心。每辆车的最大运输距离不超过200千米，配送中心与每个门店的距离为，由表3-6可知，优化后的最大配送距离为21.5千米（小于最大运输距离200千米），满足配送车辆的最大运输距离。2.运距缩短由表3-7对比可知，优化后的总距离为100.2千米，比优化前的总距离120.7千米缩短了20.5千米，明显优化了苏果超市配送路线，缩短了配送距离，从根本上实现总费用降低的目的。3.装载率提高苏果超市南京地区配送货物的装载率普遍不高，其采用的配送车辆为载重5t的车，优化前的配送车辆装载
35、率偏低，平均的车辆装载率只有78%，而优化后的配送车辆最低装载率就达到82%，最高装载率已达到94%，平均装载率更是达到了87%，车辆的装载率在不超过车辆最大允许装载量的前提下提高了9%，合理配置了配送车辆的运力，使配送更加高效。4.配送车辆减少苏果超市南京地区对南京18个门店的配送车辆由表3-7可知，优化前的配送车辆为7辆，而优化后只需要6辆车完成配送任务，减少了一辆车的出车成本，使配送总费用降低。由以上4点优化结果可知，苏果超市南京地区在配送距离，车辆装载率，配送成本等方面得到很大的改进，完成了苏果超市南京地区的综合运输成本达到最小的目标，由此说明利用蚁群算法优化苏果超市南京地区的路线是正
36、确的，蚁群算法可以有效降低配送成本和提高物流效率，最终使配送的客户满意度提高。配送路线的合理性对企业来说具有重大的影响，通过合理调度车辆运输配送与优化路径来提高配送效率是非常有意义的选择。四、结论与展望（一）结论苏果超市就是典型的连锁超市经营模式，降低苏果超市配送成本的关键在于使其配送路线更加合理化，即通过优化其配送路径来提高苏果超市的效益。本文首先通过对南京苏果超市配送现状的分析，选择以配送路径问题为切入点，然后选取苏果超市南京地区的18家门店（日需求量大于1.3t且地理位置在省道附近），对其配送中心及各门店进行配送路线及其现状分析，得出实际存在的配送效率低、装载率低等配送问题，最后针对此问
37、题建立关于苏果超市配送路线优化的VRP模型，利用蚁群算法简单、直观、易理解、易求解的特点，从实际的约束条件出发，利用 MATLAB软件进行运算，实现其配送路径的优化，优化后的配送线路大大节约了苏果超市的物流成本。经过优化的线路让苏果超市南京地区的配送作业更加合理，从根本上提高了苏果超市南京地区18家门店的配送运行及经济效益。 由于配送路径优化是NP难问题，传统优化方法难以得到满意解，利用MATLAB解决这个问题，实现总费用降低的目的，使配送更加高效。本文通过收集相关资料及数据，从而达到提高企业供货及时率及运作效率的的目的。（二）展望本文只考虑了VRP模型的基本约束条件，缺乏对道路实时情况的考虑
38、例如：交通事故、堵车。由于本人知识水平的局限性，本文的研究还有不足之处，例如虽然本文有实际性的结果，但由于理论知识和时间的限制，以及相关文献的不充分，有些方面仍然需要更深入的研究。由于配送路径优化是NP难问题，复杂性较大，在进行实例研究时本文仅对南京地区进行了局部优化，若打破区域限制，配送优化结果将更加合理化。参考文献1康燕妮，嵇启春，李武刚，李玲燕一种改进蚁群算法求解带时间窗的物流配送车辆路径问题J.计算机时代2 陈艳基于蚁群算法的最优路径选择研究D.北京交通大学硕士学位论文，200753马健平现代物流配送管理M.广州：中山大学出版社，2001.4殷志皆蚁群算法及其在多用户检测中的应用D.
39、兰州大学，2006.5杨剑峰蚁群算法及其应用研对D.浙江大学，20076陈誉克协同物流网络资源需求与配送中也运输调度的建模优脚上海交通大学，20097崔雪丽，马良，范炳全.车辆路径问题(VRP)的蚂蚁搜索算法J.系统工程学报，2004.8野莹莹，付丽君，程立英基于 MATLAB 的蚁群算法仿真研究 J.装备制造技术，2008.9 王军蚁群算法求解TSP时参数设置的研究J. 科学技术与工程，2004.10李军,郭耀煌物流配送车辆优化调度理论与方法M.北京：中国物资出版社，2001.11黄智辉，符志强蚁群算法的优化及在 TSP问题上的应用现代计算机，2011.12 崔介何物流学概论M.北京：北京大
40、学出版社，2003:192-196.13L Enstra J K,Rinnooy K.Complexity of Vehicle Routingand Scheduling Problem J.Networks, 1981,11(2):221227.14Willard JAG. Vehicler outing using P-optimal TabusearchD .London:The Management School,Impreial College,1989.15Gendreau M,Hertz A,Laporte G. A Tabu Search Heuristic forthe V
41、ehicle Routing ProblemJ. Management Science,1994，40( 10) :12761290附 录% % the procedure of ant colony algorithm for VRP % % % % % % % % % % % % %initialize the parameters of ant colony algorithms city=1 118.778932 31.999767 02 118.789726 32.043598 1.73 118.753096 32.027968 1.64 118.741208 32.009756 1
42、35 118.821259 32.022815 1.46 118.795791 31.985444 1.37 118.833105 31.974603 1.58 118.853965 31.965883 1.39 118.828941 31.948521 1.610 118.744055 32.005828 1.411 118.728141 31.989787 1.312 118.801206 32.069009 1.713 118.790331 32.062991 1.514 118.769023 32.082991 1.415 118.778074 32.060086 1.616 118
43、751389 32.080469 1.317 118.763309 31.968957 1.418 118.789304 32.052044 1.319 118.727406 31.972256 1.5d=city(:,2:3);x=d(:,1);y=d(:,2);g=city(:,4); m=18; % 蚂蚁数 mm=max(size(city);alpha=1; belta=3;% 决定tao和miu重要性的参数 lmda=0; rou=0.4; %衰减系数 q0=0.95; % 概率 tao0=1/(10*400.04);%初始信息素 Q=2;% 蚂蚁循环一周所释放的信息素 defin
44、ed_phrm=1.0; % initial pheromone level value QV=5; % 车辆容量 vehicle_best=round(sum(g)/QV)+1; %所完成任务所需的最少车数 V=40; maxitime=100; best_cost=zeros(1,maxitime); %最好解cost=zeros(maxitime,m);best_tour=; optcost=inf;opttour=; maxtt=inf; % 计算两点的距离 for i=1:mm; for j=1:mm; dist(i,j)=sqrt(d(i,1)-d(j,1)2+(d(i,2)-d(
45、j,2)2); end; end; %给tao miu赋初值 for i=1:mm; for j=1:mm; if i=j; %s(i,j)=dist(i,1)+dist(1,j)-dist(i,j); %节约值tao(i,j)=defined_phrm; %defined_phrm=15.0 miu(i,j)=1/dist(i,j); end; end; end; % 置deltao(i,j)为0for k=1:mm; for k=1:mm; deltao(i,j)=0; end; end; %开始迭代 for Nc=1:maxitime%迭代次数 temp=; for i=1:m %m(10)为蚂蚁数tt=inf; costt=0;sumload=0; cur_pos(i)=1; %从车场出发rn=setdiff(randperm(mm),1); n=1;%A(n) nn=1; part_sol(nn)=1; %部分路径的第一步n_sol=0; % 蚂蚁产生的路径数量
免费区 
