毕业设计物流调度中的混合人工智能算法Word格式.docx

毕业设计物流调度中的混合人工智能算法Word格式.docx

《毕业设计物流调度中的混合人工智能算法Word格式.docx》由会员分享，可在线阅读，更多相关《毕业设计物流调度中的混合人工智能算法Word格式.docx（26页珍藏版）》请在冰豆网上搜索。

随着问题规模的增大，使用数学中的确定算法获精确解几乎是不可能的。

对于这一问题，当前出现了较多的应用人工智能算法来解决的思路。

本论文中主要讨论的是人工蜂群算法和人工鱼群算法，并将这两种进行融合得到新的混合人工智能算法以解决VRP问题。

人工鱼群算法在VRP问题上传统的处理方法存在一定的缺陷，本论文将会给予一定的修正。

改变对人工鱼距离的定义，使用两条人工鱼中的相同片段的个数作为人工鱼的距离；

改变人工鱼觅食行为的方式，使得人工鱼的觅食行为主要经过变换人工鱼中位置信息的片段位置来实现；

随着迭代次数的增加，增大人工鱼的视域，使得人工鱼的搜索范围逐渐变大。

混合人工智能算法刚开始使用人工蜂群算法搜索全局，然后将这个过程中最好的几个解给予人工鱼鱼群作为人工鱼的初始位置，最后使用人工鱼群算法算法进行人工鱼的聚群、追尾和觅食等行为搜索可行解。

每次迭代过程中将最好的解都放在公告栏上，迭代完成以后那么公告栏上的解即为整个搜索过程中得到的最优解。

混合人工智能算法能够克服人工鱼群算法的早熟现象和人工蜂群算法的收敛度不高等缺点，在同样的条件下混合人工智能算法获得的解一般情况下比人工鱼群算法和人工蜂群算法要更好。

关键词：

混合人工智能、人工鱼群算法、人工蜂群算法

Abstract

Withthedevelopmentofeconomyandmoredetailedbranches,moreandmoreenterprisesfindsitsrawmaterialsinthesouthofChina,whileforthefurtherprocess,itwillbeinthenorth.Sothiskindofsituationacceleratetheincreaseoflogistics,thusbecominganimportantstepofcompany’sprofit.Nowadays,e-shoppingisrecognizedbymostpeople.Asounddeliverypatterncansaveboththebuyersandthesellers’stimeandmoney,leadingawin-winresult.Sothefocusofdeliverycenterishowtousecarseffectivelyandmakeamosteconomicalroutesothattoensurethatgoodscanbedistributetoeverycustomerinashortesttime.

Actually,theproblemaboutlogisticisjustVRP,whichisaquietfamousquestionincombination.Intherecent20years,VRPisalwaysaveryactiveresearcharea.Withtheenlargementoftheproblem,itisalmostimpossibletoattainanaccurateresultwiththefixedalgorithminmathematics.Forthisproblem,artificialintelligencealgorithmisusedtothemosttosolveit.Inthistext,wemainlydiscussArtificialBeeColony（ABC）algorithmandartificialfishschoolalgorithm（AFSA）andwewillcombinethesetwotoformacombinedartificialintelligencealgorithmtosolvetheproblemofVRP.

Atfirst,MixedartificialintelligencealgorithmsjustusesABCtosearchthewholearea,thenseveralthebestresultswillbegiventotheAFSAastheitsinitialposition,andfinallyusingtheAFSAtosearchactivesofclusters,rear-endandforagingbehaviorofartificialfishtofindthefeasiblesolution.Aftereachiteration,thebestsolutionwillbeonthebulletinboard.Whenalliterationsarefinished,thesolutiononthebulletinboardsistheoptimalsolution.

MixedartificialintelligencealgorithmscanovercometheshortcomingsthatAFSAwouldbeprematureandABCwouldnothaveahighdegreeofconvergence.Underthesamecondition,mixedartificialintelligencealgorithmswillgenerallyobtainabettersolutionthanthatofAFSAandABC.

Keyword:

ABC,AFSA,artificialintelligencealgorithm

1引言

随着市场经济发展步伐的加快，作为“第三利润源泉”的物流行业对经济活动的影响益明显，越来越引起人们的重视[1]。

在现代物流配送系统中，各零售商为了减少资金积压并提供多样化的商品，必然要减少各种商品的存货数量，把主要库存集中到配送中心，由其统一配送；

同时又必须考虑到向顾客提供最好的服务品质（不允许缺货等），这就要求配送具有准时等特性.因此，配送中心作业的重点就是如何将车辆有效的使用，并决定最经济的行驶路线，使商品能在最短的时间内送到各个零售商手中[2]。

而且合理的运送路线能够减少物流配送的运输费用，从而使得零售商的利润最大化。

上述物流配送问题实际上就是车辆路线问题（VRP，VehicleRoutingProblem），它是组合领域中非常著名的NP难题，近二十年来，VRP都是一个非常活跃的研究领域[3]。

随着问题规模的增大，使用数学中的确定算法获精确解几乎是不可能的[4]。

对于这一问题，当前出现了较多的应用人工智能算法来解决的思路，比如：

遗传算法[5]、蚁群算法[6-7]、鱼群算法和蜂群算法等。

中国李晓磊博士于提出的一种人工智能算法即人工鱼群算法[8-9]，该算法具有快速的收敛能力，能够较好地克服局部极值，而且算法对参数选择以及初值不敏感，对搜索空间也就有一定的自适应能力，是一种高效、并行、自适应的全局搜索算法，特别适合于解决组合优化领域的问题，因此应用该算法来求解车辆调度问题是个不错的选择。

可是人工鱼群算法也有自身的缺点，在计算早期表现的收敛速度较快，能够迅速靠近最佳求解点，可是后期计算过程中该算法的收敛速度会降低很多，而且求解精度较低[10]。

人工蜂群算法是由土耳其学者KaraBoga[11]提出的模拟蜜蜂群体寻找优质蜜源的一种动物仿真的智能算法，是群体智能思想的应用。

它的主要特点是不需要了解问题的特殊信息，只需要对问题进行优劣的比较，经过各人工蜂个体的局部寻优行为，最终在群体中使全局最优值突现出来，能避免解的早熟现象，

可是人工蜂群算法收敛速度不快。

因此本文将蜂群和鱼群的特点结合起来，开始使用蜂群算法能够全局搜索解，然后使用鱼群个体的聚群、追尾等群体行为进行搜索，使得全局最优值能够突现出来，达到快速收敛的目的。

本文以VRP为基础，经过建立该问题的数学模型，设计具有良好的近似解和较高收敛速度的混合人工智能算法。

为了研究方便起见，本文假设不存在某客户的需求量超过一个货车载重量的情况，而且所有车辆的载重量相同，同时不考虑时间窗约束，仅仅将车辆的最短行驶距离作为目标函数。

2车辆优化调度问题的描述

2.1组合优化问题的描述

为了满足一般性，对求解最小化问题进行描述，其数学模型如下所示：

ming（x）

s.t.

h（x）

x

M

上述公式中，x为决策变量，g（x）为需要求解的最小化目标函数，h（x）为约束函数即需要满足的条件，M为有限个点的组合集合。

用M表示决策变量的定义域，G表示问题的可行域，g表示目标函数，x*为满足条件的可行解，故该问题解的数学模型如下：

g（x*）=min{g（x*）|x*

G}

G={x*|x*

Mandh（x*）

0}

2.2车辆调度问题的数学模型

将一般车辆的优化调度问题（VRP）进行如下描述：

从某个物流配送中心（设其编号为0）使用m辆货车向n个货物需要点配送货物（编号依次为1,2，…，n）为第i个客户的货物需求量，其中这些货车具有相同的载重量qmax，配送中心和各需求点的位置事先已经确定，dij（i=0,1,2,,n；

j=0,1,2,…，n）为点i和点j之间的运输距离，要求配送的车辆均从配送中心出发，完成货物运送任务后返回配送中心。

该问题的目标是：

在满足车辆载重量约束和各需求点需求量的约束的情况下，尽量使用较少的车辆且使得车辆的运输距离最短。

VRP的解必须满足以下条件：

（1）每个需求点的需求量均小于或等于配送货车的载重量；

（2）客户的需求必须得到满足，且每个需求点只能由一辆货车一次运送完成；

（3）运送完后，货车必须要回到配送中心。

若客户i的需求由车辆k完成，则yij的值为1，否则则为0；

若车辆k从货物需求点i行驶到需求点j，则xijk的值为1，否则则为0.

VRP的数学模型如下：

xijk=1表示车辆k从货物需求点i行驶到需求点j，其它情况则xijk=0（iorj=1,2,…,n;

k=1,2,…,m）;

yki=1表示车辆k经过需求点i，其它情况则yki=0（i=1,2,…,n;

k=1,2,…,m）。

3主要人工智能群算法研究

本章主要研究人工鱼群算法和人工蜂群算法的基本原理、数学模型、算法实现等内容。

3.1人工鱼群算法原理及其模型

人工鱼群算法由李晓磊等人采用自下而上的寻优模式在提出。

该算