资源描述：
《管理论文基于蚁群优化的粮食物流调度算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、基于蚁群优化的粮食物流调度算法研究
基于蚁群优化的粮食物流调度算法研究是小柯论文网通过网络搜集，并由本站工作人员整理后发布的，基于蚁群优化的粮食物流调度算法研究是篇质量较高的学术论文，供本站访问者学习和学术交流参考之用，不可用于其他商业目的，基于蚁群优化的粮食物流调度算法研究的论文版权归原作者所有，因网络整理，有些文章作者不详，敬请谅解，如需转摘，请注明出处小柯论文网，如果此论文无法满足您的论文要求，您可以申请本站帮您代写论文，以下是正文。
[摘要]粮食物流调度是一个组合优化问题。用蚁群共同测试不同的组合，并选择一个
2、优化的解决方案，采用该方案能使粮食运输成本降低。研究及实验结果表明蚁群算法在粮食物流调度中具有良好的性能。
[关键词]蚁群粮食物流调度优化
一、粮食物流调度路线安排模型
根据粮食物流约束条件,可以表示如下:
记G=(V,E)为赋权图;E为边集,各粮库间的(距离)权值为dij。
V-粮库集合V={i},i=1,…,n,且i=0指初始粮库；M-散粮车辆集合,M={k},k=1,…,m,(散粮车辆数)；qi-粮库i的粮食需求量,；dij-粮库i到粮库j的距离；散粮车辆的载重量,。
二、基于蚁群的粮食物流调度算
3、法
1.基本的蚁群系统模型。为模拟蚁群系统的寻径方法，我们定义如下参数:m:蚁群中蚂蚁的数量；:路径（i,j）的能见度；:t时刻在路径ij上的信息量;:蚂蚁k在本次循环中留在路径ij上的信息量;:蚂蚁k在t时刻由位置i转移到位置j的概率;α:轨迹的相对重要性（α≥0）;β:能见度的相对重要性(β≥0）;：信息素的持久性（0≤＜1），1-表示信息素的衰减度。初始时刻，设所有路径上的信息素都相等,(0)=C(C是一个常数)。蚂蚁k（k=1,2,…,m）在运动过程中，根据各条路径上的信息素的大小以一定的概率决定转移方向,表示为：
4、2.算法的改进。遗传算法(GA)与蚂蚁算法(antalgorithm,AA)融合的算法称为GAAA算法。我们直接把这种算法改进应用到粮食物流调度上来。我们对信息素的处置设置及信息素更新做以下处理:
(1)信息素的初值设置是把各路径信息素初值设为最大值max,这里通过遗传算法得到了一定的路径信息素,所以把信息素的初值设置为。其中是一个根据求解问题规模给定一个信息素常数,相当于MASS算法中的，是遗传算法求解结果转换的信息素值。
(2)信息素更新模型。采用一周模型进行信息素更新,即一周中只有最短路径的蚂蚁才进行信息素修改增加,而所有路
5、径的轨迹更新方程采用:
这样对本次蚂蚁所走过的路径上信息素进行更新,使得不可行解不能进入解空间,可以加快算法的收敛速度。
三、粮食物流实例分析
问题描述：某一个初始粮库要向10个粮库运输粮食，有22辆散粮运输车，6吨的4辆；8吨的4辆；10吨的13辆和20吨的1辆。表1是各个粮库之间的距离和各个粮库的粮食运输量。要求合理安排车辆的行驶路线,使总运输里程最小。
运用本文提供的蚁群算法对上述问题进行求解,以matlab7.0为工具,在P-4PC机运算,初始参数设置为：
得最终的粮食物流优化路径为：使用三种散粮车辆，1
6、0吨一辆，8吨一辆，6吨一辆。10吨散粮车的路径是:初始粮库，粮库1，粮库2，粮库3，粮库9，回路行程220公里，载粮食运距947.6吨公里。8吨散粮车的路径是:初始粮库，粮库5，粮库7，粮库8，初始粮库，回路行程145公里，载粮食运距193.9吨公里。6吨散粮车的路径是:初始粮库，粮库4，粮库6，粮库10，初始粮库，回路行程148公里，载粮食运距493.9吨公里。总行驶513公里，载粮食运距1832.8吨公里。
四、结论
通过Matlab编制的程序对粮食物流调度的散粮车辆进行优化，可以看出：蚁群算法是成功的，在粮食物流的散粮车辆
7、上的应用是可行的，并取得了比较理想的效果。这将为粮食企业在散粮车辆路线安排，车辆调度都将起到好的优化效果，为粮食企业快速决策，迅速对粮食做出反应提供了一定的参考价值。
其他参考文献Baker,Sheridan.ThePracticalStylist.6thed.NewYork:Harper&Row,1985.Flesch,Rudolf.TheArtofPlainTalk.NewYork:Harper&Brothers,1946.Gowers,Ernest.TheCompletePlainWords.London:PenguinB
8、ooks,1987.Snell-Hornby,Mary.TranslationStudies:AnIntegratedApproach.Amsterdam:JohnBenjamins,1987
