基于改进智能水滴算法的动态车辆配送路径优化
发布时间：2022-01-01 21:42
针对当前车辆配送过程中存在的配送路径不合理、配送效率低和需求不确定性等问题,提出一种基于改进智能水滴算法的动态车辆配送路径优化方法。构建软时间窗惩罚函数,考虑顾客对配送时间的要求,建立顾客满意度函数。综合车辆配送过程的车速、货损成本、惩罚成本、顾客满意度等特征,建立车辆路径优化模型。采用智能水滴算法对车辆路径优化模型进行求解,使用灰狼优化算法改善智能水滴算法的搜索能力,获取最优路径。实验结果表明该方法能够提供实时优化的路径,减少调配成本。
【文章来源】：系统仿真学报. 2020,32(09)北大核心CSCD
【文章页数】：10 页
【部分图文】：
顾客满意度示意图Fig.1Customersatisfactiondiagram
第32卷第9期Vol.32No.92020年9月范双南,等:基于改进智能水滴算法的动态车辆配送路径优化Sep.,2020http:∥www.china-simulation.com1815图3本文算法最优路径图4IAC最优路径Fig.3OptimalrouteofalgorithminthispaperFig.4IACOptimalRoute图5IABC最优路径图6AGAeSA最优路径Fig.5IABCOptimalRouteFig.6AGAeSAOptimalRoute表3不同算法实验结果比较Tab.3Comparisonofexperimentresultsofdifferentalgorithms算法配送车辆总里程数/km配送成本/元顾客满意度配送时间/h迭代次数IWDbGWO478.81908.350.9892.35653IAC479.92036.290.9822.61687IABC480.52096.510.9842.65556AGAeSA479.21983.730.9852.56645由表3可知，经过多次迭代计算，4种算法均能得到最优的配送路径；在配送成本方面，本文算法100次实验的平均结果是1908.35，相比于其它3种方法，其成本分别降低了6.2%、8.9%、3.8%。在顾客满意度方面，本文算法具有最高的满意度，达到0.989，其他3种方法的满意度也比较高，总体而言，都能达到较好的满意度。在配送时间方面，本文算法的配送时间最少，只有2.35h，相比于其他3种方法，分别降低了10%，11.3%，8.2%。在迭代次数方面，IAC算法收敛的较慢，需要迭代695次才能得到最优解，IABC在进行556次迭代后就寻到了最优解。综上所述，本文算法在配送成本、配送时间、顾客满意度方面都具有优势，在迭代次数方面性能适中。此外，为了更进一步验证本文方法的有效性和可行性，本文还比较了本文算法与其它3种算
第32卷第9期Vol.32No.92020年9月范双南,等:基于改进智能水滴算法的动态车辆配送路径优化Sep.,2020http:∥www.china-simulation.com1815图3本文算法最优路径图4IAC最优路径Fig.3OptimalrouteofalgorithminthispaperFig.4IACOptimalRoute图5IABC最优路径图6AGAeSA最优路径Fig.5IABCOptimalRouteFig.6AGAeSAOptimalRoute表3不同算法实验结果比较Tab.3Comparisonofexperimentresultsofdifferentalgorithms算法配送车辆总里程数/km配送成本/元顾客满意度配送时间/h迭代次数IWDbGWO478.81908.350.9892.35653IAC479.92036.290.9822.61687IABC480.52096.510.9842.65556AGAeSA479.21983.730.9852.56645由表3可知，经过多次迭代计算，4种算法均能得到最优的配送路径；在配送成本方面，本文算法100次实验的平均结果是1908.35，相比于其它3种方法，其成本分别降低了6.2%、8.9%、3.8%。在顾客满意度方面，本文算法具有最高的满意度，达到0.989，其他3种方法的满意度也比较高，总体而言，都能达到较好的满意度。在配送时间方面，本文算法的配送时间最少，只有2.35h，相比于其他3种方法，分别降低了10%，11.3%，8.2%。在迭代次数方面，IAC算法收敛的较慢，需要迭代695次才能得到最优解，IABC在进行556次迭代后就寻到了最优解。综上所述，本文算法在配送成本、配送时间、顾客满意度方面都具有优势，在迭代次数方面性能适中。此外，为了更进一步验证本文方法的有效性和可行性，本文还比较了本文算法与其它3种算
【参考文献】：
期刊论文
[1]考虑实时路况下的商砼配送路径优化研究[J]. 郭琪,韦金银,郭鹏祥,张硕,史彬. 软件工程. 2019(04)
[2]基于道路状况的生鲜农产品配送路径优化[J]. 王恒,徐亚星,王振锋,周天鹏,田德春. 系统仿真学报. 2019(01)
[3]不确定环境下多品类共同配送路径优化[J]. 葛显龙,薛桂琴. 计算机工程与应用. 2019(09)
[4]路段通行时间不确定下取送货车辆路径优化研究[J]. 郭敏,马昌喜,何彦刚. 西部交通科技. 2017(12)
[5]易腐生鲜货品车辆路径问题的改进混合蝙蝠算法[J]. 殷亚,张惠珍. 计算机应用. 2017(12)
[6]真实路况下的快递配送路径优化研究[J]. 叶威惠,张飞舟. 计算机工程与科学. 2017(08)
[7]一种新型非线性收敛因子的灰狼优化算法[J]. 王敏,唐明珠. 计算机应用研究. 2016(12)
[8]供应链中车辆路径问题的改进模拟退火算法[J]. 吴艳群,董鹏. 计算机工程与应用. 2016(12)
[9]混沌扰动模拟退火蚁群算法低碳物流路径优化[J]. 张立毅,王迎,费腾,周修飞. 计算机工程与应用. 2017(01)
本文编号：3562892
【文章来源】：系统仿真学报. 2020,32(09)北大核心CSCD
【文章页数】：10 页
【部分图文】：
顾客满意度示意图Fig.1Customersatisfactiondiagram
第32卷第9期Vol.32No.92020年9月范双南,等:基于改进智能水滴算法的动态车辆配送路径优化Sep.,2020http:∥www.china-simulation.com1815图3本文算法最优路径图4IAC最优路径Fig.3OptimalrouteofalgorithminthispaperFig.4IACOptimalRoute图5IABC最优路径图6AGAeSA最优路径Fig.5IABCOptimalRouteFig.6AGAeSAOptimalRoute表3不同算法实验结果比较Tab.3Comparisonofexperimentresultsofdifferentalgorithms算法配送车辆总里程数/km配送成本/元顾客满意度配送时间/h迭代次数IWDbGWO478.81908.350.9892.35653IAC479.92036.290.9822.61687IABC480.52096.510.9842.65556AGAeSA479.21983.730.9852.56645由表3可知，经过多次迭代计算，4种算法均能得到最优的配送路径；在配送成本方面，本文算法100次实验的平均结果是1908.35，相比于其它3种方法，其成本分别降低了6.2%、8.9%、3.8%。在顾客满意度方面，本文算法具有最高的满意度，达到0.989，其他3种方法的满意度也比较高，总体而言，都能达到较好的满意度。在配送时间方面，本文算法的配送时间最少，只有2.35h，相比于其他3种方法，分别降低了10%，11.3%，8.2%。在迭代次数方面，IAC算法收敛的较慢，需要迭代695次才能得到最优解，IABC在进行556次迭代后就寻到了最优解。综上所述，本文算法在配送成本、配送时间、顾客满意度方面都具有优势，在迭代次数方面性能适中。此外，为了更进一步验证本文方法的有效性和可行性，本文还比较了本文算法与其它3种算
第32卷第9期Vol.32No.92020年9月范双南,等:基于改进智能水滴算法的动态车辆配送路径优化Sep.,2020http:∥www.china-simulation.com1815图3本文算法最优路径图4IAC最优路径Fig.3OptimalrouteofalgorithminthispaperFig.4IACOptimalRoute图5IABC最优路径图6AGAeSA最优路径Fig.5IABCOptimalRouteFig.6AGAeSAOptimalRoute表3不同算法实验结果比较Tab.3Comparisonofexperimentresultsofdifferentalgorithms算法配送车辆总里程数/km配送成本/元顾客满意度配送时间/h迭代次数IWDbGWO478.81908.350.9892.35653IAC479.92036.290.9822.61687IABC480.52096.510.9842.65556AGAeSA479.21983.730.9852.56645由表3可知，经过多次迭代计算，4种算法均能得到最优的配送路径；在配送成本方面，本文算法100次实验的平均结果是1908.35，相比于其它3种方法，其成本分别降低了6.2%、8.9%、3.8%。在顾客满意度方面，本文算法具有最高的满意度，达到0.989，其他3种方法的满意度也比较高，总体而言，都能达到较好的满意度。在配送时间方面，本文算法的配送时间最少，只有2.35h，相比于其他3种方法，分别降低了10%，11.3%，8.2%。在迭代次数方面，IAC算法收敛的较慢，需要迭代695次才能得到最优解，IABC在进行556次迭代后就寻到了最优解。综上所述，本文算法在配送成本、配送时间、顾客满意度方面都具有优势，在迭代次数方面性能适中。此外，为了更进一步验证本文方法的有效性和可行性，本文还比较了本文算法与其它3种算
【参考文献】：
期刊论文
[1]考虑实时路况下的商砼配送路径优化研究[J]. 郭琪,韦金银,郭鹏祥,张硕,史彬. 软件工程. 2019(04)
[2]基于道路状况的生鲜农产品配送路径优化[J]. 王恒,徐亚星,王振锋,周天鹏,田德春. 系统仿真学报. 2019(01)
[3]不确定环境下多品类共同配送路径优化[J]. 葛显龙,薛桂琴. 计算机工程与应用. 2019(09)
[4]路段通行时间不确定下取送货车辆路径优化研究[J]. 郭敏,马昌喜,何彦刚. 西部交通科技. 2017(12)
[5]易腐生鲜货品车辆路径问题的改进混合蝙蝠算法[J]. 殷亚,张惠珍. 计算机应用. 2017(12)
[6]真实路况下的快递配送路径优化研究[J]. 叶威惠,张飞舟. 计算机工程与科学. 2017(08)
[7]一种新型非线性收敛因子的灰狼优化算法[J]. 王敏,唐明珠. 计算机应用研究. 2016(12)
[8]供应链中车辆路径问题的改进模拟退火算法[J]. 吴艳群,董鹏. 计算机工程与应用. 2016(12)
[9]混沌扰动模拟退火蚁群算法低碳物流路径优化[J]. 张立毅,王迎,费腾,周修飞. 计算机工程与应用. 2017(01)
本文编号：3562892
本文链接：https://www.wllwen.com/jingjilunwen/jingjiguanlilunwen/3562892.html
