1、毕业设计（论文）题目：    蚁群算法对配送路径的优化研究

2、毕业设计（论文）课题背景：

（1）课题研究的背景：

随着社会生产力的不断提高，人类认识世界和改造世界的能力越来越强，随着而来的优化问题也呈现出高维化、强非线性化、强约束化、动态变化等等的特点。然而随着现实模型的不断复杂化，传统的优化方法（确定型算法）在解决这一类问题的时候面临着难以克服的局限性。

为了解决这一弱点，研究者开始概率型算法（启发式算法）。智能算法是启发式算法的一个重要的分支。

什么是智能算法？ 智能计算也有人称之为“软计算”，是人们受自然（生物界）规律的启迪，根据其原理，模仿求解问题的算法。

随着计算机技术的飞速发展，智能计算方法的应用领域也越来越广泛，近年来，群体智能成为了人工智能研究的一个热点课题，它对于没有集中控制并且不提供全局模型的问题，提供了一种复杂的分布式解决方案。科学家们受社会性昆虫群体智能的启发，通过对其行为的模拟，已得出了一系列用于解决传统复杂问题的新方法。

蚁群算法便是其中很具有代表性的一种。  蚁群算法（Ant Colony algorithm）是意大利学者M.Dorigo等人于20世纪90年代初在新型算法研究的过程中，通过模拟自然界蚂蚁的觅食过程：即通过信息素（pheromone）的相互交流从而找到由蚁巢至食物的最短路径，提出的一种基于信息正反馈原理的新型模拟进化算法。

该算法充分利用了生物蚁群能够通过个体之间简单的信息传递机制、蚁穴至食物之间最路径的集体寻优模式。逐渐应用于多个领域，从最初的对旅行商问题的求解，到静态优化问题，再到动态多维度优化问题，蚁群算法表现出优越性能和广阔的发展前景，

（2）课题研究的意义:

随着经济全球化的趋势增强和科技的迅猛发展使物流业得到了发展，致使车辆增多，最终导致了环境问题的出现。要推进经济的可持续发展，就需节能减排，最终进入“低消耗、低污染、低排放”的全新时代。为了减少气体排放量，节约成本，就需要从交通运输环节做优化，优化的重点即是配送车辆的路径优化。这既能实现物流配送公司利益的增加，又能使气体排放量减少，污染降低，得到双赢，对国家实现可持续发展具有重要意义。

整个物流配送系统的核心环节是物流配送车辆路径优化调度。配送的众多目标之一是用最小的成本把货物从配送中心或者物流中心移动到目的地。所以，制定合理的配送路径变得十分关键。

物流配送是物流活动中直接与消费者相连的环节。在物流的各项成本中,配送成本占了相当高的比例。配送线路安排的合理与否对配送速度、成本、效益影响很大,特别是多用户配送线路的确定更为复杂。采用科学、合理的方法来进行配送线路优化,是物流配送中非常重要的一项活动。

物流配送路径优化问题有很高的计算复杂性,属于NP完全难问题,高效的精确算法存在的可能性不大。本文研究了物流配送路径优化问题及其方法,将蚁群算法改进并成功运用于解决物流配送路径优化问题,提出了基于蚁群算法的物流配送路径优化算法。

3、课题具体任务描述：

（1）任务概述：

本论文研究的主要任务就是运用蚁群算法对物流配送中的路径优化问题进行研究。随着现代物流的快速发展，现实实际问题也不再是纯粹的线性关系，而是呈现出高维化、强非线性、强约束性、动态变化等等的特点。此时如果还是用节约里程法来优化路径，得到的方案往往不是最优的，只可能是局部最优。运用蚁群算法来优化配送路径，通过将现实的问题构建成数学模型，然后利用计算机编程来运算求解，得出的配送方案则可以跳出局部最优。在现实中运用起来更加具有价值。

（2）研究对象：

本论文研究的对象是江门市区的顺丰速运快递业务。通过对现有的江门市区的顺丰运营模式进行分析，利用蚁群算法的原理构建相应的数学模型，然后利用计算机编程来运算求解，得出新的配送方案。最后利用相应的物流系统工程的方法对新方案进行评价，最终得出有现实意义的结论。

（3）问题描述：

江门顺丰蓬江物流中心位于育德——上城摩卡后面的停车场，负责对蓬江区的顺丰快件进行集散。市区快件主要分为两大类：文件以及小型包裹、中大型货物。每天的快件数量大约在30000票左右。

①江门顺丰蓬江区物流中心现有人员配置：该站点现有业务快递员50人、重货接驳员5人，中小型运输载重车5辆（电动能源、每趟最大里程200公里），每日的快递件量大概20000.每一区域的大致划分如下图所示：

②现有的运营模式：目前该物流中心的每天派送量大约在30000件左右，其中有15000件是小型的货物，如：文件、小型包裹……..，这一部分的则是由每一区域的快递员进行配送。而剩下的15000件大中型货物则是与5名重货接驳员进行配送至相应的区域代理点，然后再由该区域的快递员进行上门配送。

③本论文研究的方向：本文研究的主要方向就是利用蚁群算法对接驳线路的优化， 目的在于蚁群算法对接驳路线的优化，进而减少一些必要的成本，最终达到以最小的成本将货物从配送中心转移到目的地。

（4）蚁群建模：蚁群算法求解TSP的流程：

（1）参数初始化。

（2）循环次数NC = NC +1；

（3）蚂蚁的禁忌表索引号k=1；

（4）蚂蚁数目k=k+1；  （

（5）蚂蚁个体根据状态转移概率公式计算的概率Pk ij(t)选择城市j；

（6）修改禁忌表指针，即选择好后将蚂蚁移动到新的城市，并把该城市移动到该蚂蚁个体的禁忌表中；

（7）若集合C中的城市未遍历完，即k<m，则跳转到第（4）步，否则继续往下一步执行；

（8）根据信息素更新机制更新每条路径上的信息量τij(t+n)；

（5）利用MATLAB模型编程软件对蚁群问题加以实现

（6） 系统工程评价（层次分析法、因次分析法）对新配送方案进行评价。

4、提交成果形式：不少于15000字的毕业论文。

5、论文指导性进度安排：

6、主要参考文献资料：

9陈建军. 蚁群算法在物流配送路径优化中的研究[J]. 计算机仿真,2011,28(02):268-271.