基于改进蚁群算法的易腐农产品配送路径规划研究

发布时间：2021-09-17 05:02

　　为了使易腐生鲜类农产品在复杂交通环境能够快速找到最优移动路径,进行考虑包括时间、油耗、罚没成本等因素在内的多目标配送,从而对综合成本与新鲜度保障进行平衡,提出了在传统蚁群算法的基础上改进转移规则,并加入含时间启发因子的影响函数。通过算例仿真,证明了改进蚁群算法的有效性和合理性,其降低了复杂程度,优化了传统蚁群算法容易陷入局部最优的问题,提升了迭代运算的收敛速度,同时降低了配送的综合成本。 

【文章来源】：河北农业大学学报. 2020,43(03)北大核心CSCD

【文章页数】：6 页

【部分图文】：

基本蚁群算法路径图

改进蚁群算法流程图

通过表2可以看出，虽然遗传算法求解得到的路径长度最终解和平均值分别为34.73和36.22，与此对应的基本蚁群算法2类解分别为48.67，改进蚁群算法为48.44，在此维度上遗传算法最优。但是通过表2还可以看出，改进蚁群算法的平均迭代次数和标准差均为最小，分别比遗传算法减少2次迭代、标准差减小5.1，比基本蚁群算法减少了53次迭代、标准差减小27.5。因此综上分析，证明了改进蚁群算法在收敛速度和稳定性上均优于其他两者。同时图2～4给出了这3种算法的路径规划图。图3 基本蚁群算法路径图

【参考文献】：
期刊论文
[1]基于新鲜度和配送成本的易腐食品配送路径[J]. 李畅,陈淮莉.  上海海事大学学报. 2019(01)
[2]一种巡检机器人智能路径规划方法[J]. 罗显跃,高吉普,龙征,舒怀,陆泽早,沈宇,彭刚.  湖南科技大学学报(自然科学版). 2018(04)
[3]改进蚁群算法在AUV三维路径规划中的研究[J]. 张楠楠,姜文刚,窦刚.  计算机工程与应用. 2019(11)
[4]求解带时间窗动态车辆路径问题的改进蚁群算法[J]. 孙小军,介科伟.  大连理工大学学报. 2018(05)
[5]生鲜产品的纯电动冷藏车配送路径问题研究[J]. 冯杰,史立.  计算机工程与应用. 2019(09)
[6]改进蚁群算法求解带时间窗的应急物流开环车辆路径问题[J]. 郭咏梅,胡大伟,陈翔.  长安大学学报(自然科学版). 2017(06)
[7]冷链低碳物流配送路径优化的细菌觅食—蚁群算法研究[J]. 肖超,张立毅,费腾.  数学的实践与认识. 2017(21)
[8]大数据背景下的智能化农业设施系统设计[J]. 王健,陈兰生,赖其涛,宋文波,程帅明.  中国农机化学报. 2016(11)
[9]多目标带时间窗的车辆路径问题的单亲遗传混合蚁群算法[J]. 刘云,张惠珍.  公路交通科技. 2016(06)
[10]带时间窗集送货需求可分车辆路径问题的改进蚁群算法[J]. 杨鹏,邹浩,徐贤浩.  系统工程. 2015(09)



本文编号：3398020