VRP问题蚁群算法研究

doi:10.3969/j.issn.1006-2475.2012.11.005

计算机与现代化 ›› 2012, Vol. 1 ›› Issue (11): 18-21+2.doi: 10.3969/j.issn.1006-2475.2012.11.005

VRP问题蚁群算法研究

苏涛¹，韩庆田¹，李文强¹,孙聪²

1.海军航空工程学院控制工程系，山东烟台 264001；2.海军航空工程学院研究生管理大队，山东烟台 264001

收稿日期:2012-06-26 修回日期:1900-01-01 出版日期:2012-11-10 发布日期:2012-11-10

Research on VRP Problem Based on Ant Colony Algorithm

SU Tao¹, HAN Qing-tian¹, LI Wen-qiang¹, SUN Cong²

1. Department of Control Engineering, Naval Aeronautical and Astronautical University, Yantai 264001, China;2. Graduate Student’s Brigade, Naval Aeronautical and Astronautical University, Yantai 264001, China

Received:2012-06-26 Revised:1900-01-01 Online:2012-11-10 Published:2012-11-10

摘要/Abstract

摘要： 在对一般VRP问题进行分析的基础上，针对物流配送路径优化实际问题，建立物流配送路径优化问题的数学模型。运用蚁群算法进行仿真实验，实验结果表明蚁群算法可以快速有效解决VRP问题。

关键词: 物流, 物流配送, 路径优化, 蚁群算法, 启发因子

Abstract: On the basis of analysis on general VRP problem, aiming at the logistics delivery routing optimization problem, the paper builds a mathematical model of logistics delivery routing optimization problem, uses the ant colony algorithm to realize simulation. Experimental results show that the ant colony algorithm is a fast and effective method for solving logistics delivery routing optimization problem.

Key words: logistics, logistics delivery, delivery routing optimization, ant colony algorithm, inspiration factor

中图分类号:

TP301

苏涛;韩庆田;李文强;孙聪. VRP问题蚁群算法研究[J]. 计算机与现代化, 2012, 1(11): 18-21+2.

SU Tao;HAN Qing-tian;LI Wen-qiang;SUN Cong. Research on VRP Problem Based on Ant Colony Algorithm[J]. Computer and Modernization, 2012, 1(11): 18-21+2.

[1]	张雄, 潘大志, . 融合邻域搜索策略蚁群算法求解带时间窗口的车辆路径问题[J]. 计算机与现代化, 2022, 0(03): 98-102.
[2]	陈玲娟, 寇思佳, 柳祖鹏. 网约拼车出行的乘客车辆匹配及路径优化[J]. 计算机与现代化, 2021, 0(07): 6-11.
[3]	曲建波, 孙剑伟. 基于蚁群算法的导航卫星功率增强任务规划[J]. 计算机与现代化, 2021, 0(02): 104-108.
[4]	高月仁, 吴涛, 高峡. 基于蚁群算法优化的路由频率动态择径的研究[J]. 计算机与现代化, 2020, 0(12): 32-37.
[5]	王海红, 刘莉. 基于分层和强化学习的改进路径搜索算法[J]. 计算机与现代化, 2020, 0(11): 77-82.
[6]	李显良1,2，周庆平2，谭长庚3，谭焱良2，徐则阳2. 基于蚁群算法的城市体育设施优化选址[J]. 计算机与现代化, 2020, 0(03): 33-.
[7]	叶家琪1，符强1，2，贺亦甲1，叶浩1 . 基于聚类集成的蚁群算法求解大规模TSP问题[J]. 计算机与现代化, 2020, 0(02): 31-.
[8]	陈婷，余小平，陈俊凤，邓鹏，龚代平，邓小红. 基于平面不封闭图形切割的路径规划[J]. 计算机与现代化, 2019, 0(08): 39-.
[9]	梁晶亮,黄军胜,白树军,王鹏,李睿. 基于蚁群算法的电力数据网络APT攻击预警模型[J]. 计算机与现代化, 2019, 0(01): 95-.
[10]	张利娟1，仇建伟1，杜登崇2，王鑫1. 基于Spark和PSO算法的军事物流配送路径优化问题研究[J]. 计算机与现代化, 2018, 0(11): 65-.
[11]	冯苗1，綦小蓉2，李智1. 基于蚁群路径优化决策树及逻辑回归的慢性肾病进展概率预测模型[J]. 计算机与现代化, 2018, 0(04): 117-.
[12]	侯海旭，周晓慧. 基于GIS的POS机维修信息服务平台[J]. 计算机与现代化, 2018, 0(02): 27-.
[13]	王龙，姚文明. 基于Spark的并行遗传算法在物流配送问题中的应用[J]. 计算机与现代化, 2018, 0(01): 19-22.
[14]	付永忠，潘云峰. 基于改进蚁群算法的垂直旋转式贴片机贴装顺序优化[J]. 计算机与现代化, 2017, 0(8): 17-.
[15]	凌云翔1,2,宋志远1,张世海1,马力2. 基于蚁群算法的高原地区车辆运输路径优化问题[J]. 计算机与现代化, 2016, 0(9): 77-82.

VRP问题蚁群算法研究

Research on VRP Problem Based on Ant Colony Algorithm

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价