針對當(dāng)前車輛配送過程中存在的配送路徑不合理、配送效率低和需求不確定性等問題,提出一種基于改進(jìn)智能水滴算法的動態(tài)車輛配送路徑優(yōu)化方法。構(gòu)建軟時(shí)間窗懲罰函數(shù),考慮顧客對配送時(shí)間的要求,建立顧客滿意度函數(shù)。綜合車輛配送過程的車速、貨損成本、懲罰成本、顧客滿意度等特征,建立車輛路徑優(yōu)化模型。采用智能水滴算法對車輛路徑優(yōu)化模型進(jìn)行求解,使用灰狼優(yōu)化算法改善智能水滴算法的搜索能力,獲取最優(yōu)路徑。實(shí)驗(yàn)結(jié)果表明該方法能夠提供實(shí)時(shí)優(yōu)化的路徑,減少調(diào)配成本。 

【文章來源】：系統(tǒng)仿真學(xué)報(bào). 2020,32(09)北大核心CSCD

【文章頁數(shù)】：10 頁

【部分圖文】：

顧客滿意度示意圖Fig.1Customersatisfactiondiagram

第32卷第9期Vol.32No.92020年9月范雙南,等:基于改進(jìn)智能水滴算法的動態(tài)車輛配送路徑優(yōu)化Sep.,2020http:∥www.china-simulation.com1815圖3本文算法最優(yōu)路徑圖4IAC最優(yōu)路徑Fig.3OptimalrouteofalgorithminthispaperFig.4IACOptimalRoute圖5IABC最優(yōu)路徑圖6AGAeSA最優(yōu)路徑Fig.5IABCOptimalRouteFig.6AGAeSAOptimalRoute表3不同算法實(shí)驗(yàn)結(jié)果比較Tab.3Comparisonofexperimentresultsofdifferentalgorithms算法配送車輛總里程數(shù)/km配送成本/元顧客滿意度配送時(shí)間/h迭代次數(shù)IWDbGWO478.81908.350.9892.35653IAC479.92036.290.9822.61687IABC480.52096.510.9842.65556AGAeSA479.21983.730.9852.56645由表3可知，經(jīng)過多次迭代計(jì)算，4種算法均能得到最優(yōu)的配送路徑；在配送成本方面，本文算法100次實(shí)驗(yàn)的平均結(jié)果是1908.35，相比于其它3種方法，其成本分別降低了6.2%、8.9%、3.8%。在顧客滿意度方面，本文算法具有最高的滿意度，達(dá)到0.989，其他3種方法的滿意度也比較高，總體而言，都能達(dá)到較好的滿意度。在配送時(shí)間方面，本文算法的配送時(shí)間最少，只有2.35h，相比于其他3種方法，分別降低了10%，11.3%，8.2%。在迭代次數(shù)方面，IAC算法收斂的較慢，需要迭代695次才能得到最優(yōu)解，IABC在進(jìn)行556次迭代后就尋到了最優(yōu)解。綜上所述，本文算法在配送成本、配送時(shí)間、顧客滿意度方面都具有優(yōu)勢，在迭代次數(shù)方面性能適中。此外，為了更進(jìn)一步驗(yàn)證本文方法的有效性和可行性，本文還比較了本文算法與其它3種算

第32卷第9期Vol.32No.92020年9月范雙南,等:基于改進(jìn)智能水滴算法的動態(tài)車輛配送路徑優(yōu)化Sep.,2020http:∥www.china-simulation.com1815圖3本文算法最優(yōu)路徑圖4IAC最優(yōu)路徑Fig.3OptimalrouteofalgorithminthispaperFig.4IACOptimalRoute圖5IABC最優(yōu)路徑圖6AGAeSA最優(yōu)路徑Fig.5IABCOptimalRouteFig.6AGAeSAOptimalRoute表3不同算法實(shí)驗(yàn)結(jié)果比較Tab.3Comparisonofexperimentresultsofdifferentalgorithms算法配送車輛總里程數(shù)/km配送成本/元顧客滿意度配送時(shí)間/h迭代次數(shù)IWDbGWO478.81908.350.9892.35653IAC479.92036.290.9822.61687IABC480.52096.510.9842.65556AGAeSA479.21983.730.9852.56645由表3可知，經(jīng)過多次迭代計(jì)算，4種算法均能得到最優(yōu)的配送路徑；在配送成本方面，本文算法100次實(shí)驗(yàn)的平均結(jié)果是1908.35，相比于其它3種方法，其成本分別降低了6.2%、8.9%、3.8%。在顧客滿意度方面，本文算法具有最高的滿意度，達(dá)到0.989，其他3種方法的滿意度也比較高，總體而言，都能達(dá)到較好的滿意度。在配送時(shí)間方面，本文算法的配送時(shí)間最少，只有2.35h，相比于其他3種方法，分別降低了10%，11.3%，8.2%。在迭代次數(shù)方面，IAC算法收斂的較慢，需要迭代695次才能得到最優(yōu)解，IABC在進(jìn)行556次迭代后就尋到了最優(yōu)解。綜上所述，本文算法在配送成本、配送時(shí)間、顧客滿意度方面都具有優(yōu)勢，在迭代次數(shù)方面性能適中。此外，為了更進(jìn)一步驗(yàn)證本文方法的有效性和可行性，本文還比較了本文算法與其它3種算

【參考文獻(xiàn)】：
期刊論文
[1]考慮實(shí)時(shí)路況下的商砼配送路徑優(yōu)化研究[J]. 郭琪,韋金銀,郭鵬祥,張碩,史彬.  軟件工程. 2019(04)
[2]基于道路狀況的生鮮農(nóng)產(chǎn)品配送路徑優(yōu)化[J]. 王恒,徐亞星,王振鋒,周天鵬,田德春.  系統(tǒng)仿真學(xué)報(bào). 2019(01)
[3]不確定環(huán)境下多品類共同配送路徑優(yōu)化[J]. 葛顯龍,薛桂琴.  計(jì)算機(jī)工程與應(yīng)用. 2019(09)
[4]路段通行時(shí)間不確定下取送貨車輛路徑優(yōu)化研究[J]. 郭敏,馬昌喜,何彥剛.  西部交通科技. 2017(12)
[5]易腐生鮮貨品車輛路徑問題的改進(jìn)混合蝙蝠算法[J]. 殷亞,張惠珍.  計(jì)算機(jī)應(yīng)用. 2017(12)
[6]真實(shí)路況下的快遞配送路徑優(yōu)化研究[J]. 葉威惠,張飛舟.  計(jì)算機(jī)工程與科學(xué). 2017(08)
[7]一種新型非線性收斂因子的灰狼優(yōu)化算法[J]. 王敏,唐明珠.  計(jì)算機(jī)應(yīng)用研究. 2016(12)
[8]供應(yīng)鏈中車輛路徑問題的改進(jìn)模擬退火算法[J]. 吳艷群,董鵬.  計(jì)算機(jī)工程與應(yīng)用. 2016(12)
[9]混沌擾動模擬退火蟻群算法低碳物流路徑優(yōu)化[J]. 張立毅,王迎,費(fèi)騰,周修飛.  計(jì)算機(jī)工程與應(yīng)用. 2017(01)



本文編號：3562892