路徑規劃

前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇路徑規劃范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。

路徑規劃范文第1篇

Key words:distribution regional division; distribution vehicle routing optimization; algorithm

0 引 言

流通領域中,許多物流配送企業借助外部經濟的發展,實現了規模擴張與快速發展,但對如何控制成本,提高運營效率的迫切性并不強。現在隨著經營環境的變化,物流需求量更大,客戶、網絡更復雜,對服務的要求更多樣化。但面臨的競爭更加激烈,不管是從事跨區域配送還是城市配送,首先需要考慮顧客服務水平,贏得客戶的認可,然后考慮配送運營的成本問題,因而如何創新物流服務,提高運營效率和控制日常運營成本成為每個配送企業需要時刻思考的問題。

傳統的基于經驗的方法,在企業規模有限,客戶數量不是非常多,配送網絡相對簡單的情況下,只要員工和管理者技能過關,執行力好,都應該能夠較好地完成配送任務,獲得企業的發展。但是隨著銷售區域擴大,客戶數量的不斷增加,客戶需求持續增長,配送業務量大增,配送周期縮短,配送線路更復雜,并且需求的隨機性、變動性加大,光憑經驗和手工安排,已無法做到配送計劃的優化,必須借助于統計分析、利用數學模型和智能算法,才能獲得較好的配送計劃,節省時間,提高效率。本文就是針對這些問題,從企業應用的角度,提出先合理劃分配送區域,再優化配送路線的方法,從而達到降低成本,提高競爭力的目標。

1 論文總體思路綜述

排單和車輛調度是整個配送計劃和作業實施的核心,是配送任務和客戶服務按時完成的有力保證。

傳統的訂單排單和車輛調度、路線安排都是由公司里業務能手來完成,送貨區域大了,客戶多了,這項工作的效率和完成工作的成本控制都會不理想,現在常用的智能優化方法,把它作為一個典型的VSP問題,建立數學模型,利用智能化的算法,求解可行的配送路徑規劃,作為理論研究,這樣的做法是有意義的。但是有兩個問題:(1)這個模型數據的收集整理工作量特別大,計算過程也較長,因而成本不會低。(2)模型本身一定要適合實際的作業過程,這就需要有一個不斷測試和優化的過程,并且還要適應每天的動態變化,否則反而會影響到日常的作業過程。許多研究理論完備、精深,但是在適應產業化運營時,工程上的可實現性還有待提高和完善。因而影響了這些很有價值的研究在企業實際中的運用。

本文的研究并不針對配送路徑規劃做理論上的深究,而是立足實際應用,在可接受的范圍內,利用較簡易實用的智能優化方法,在較短的時間內,以較低的成本獲得相對優化的配送路徑規劃方案。不求最佳,但求有效。為今后電子排單和送貨線路優化軟件的開發和應用作必要的鋪墊。

具體設想:第一步,利用聚類分析法對配送區域進行合理分區,先把復雜問題簡單化。第二步,每個分區內就是個典型的TSP問題,有很成熟的解決辦法。在平衡好各分區工作時間安排后,就能很快獲得較理想的配送方案。

重點是第一步,分區時一定要考慮到客戶位置、需求量、車輛載重、作業時間均衡限制等因素,需要花費好多功夫。

2 配送區域動態優化及其方法

2.1 配送區域的初始劃分方法。配送區域優化方法對最終優化的結果有很大的影響,因而合理的劃分方法的選擇十分重要,目前常用的劃分方法有掃描法和聚類算法,在配送客戶有限、區域較小時運用掃描法就可以了,但是當客戶數量很多,區域較大,又要考慮約束條件時,聚類算法就是我們必然的選擇了,聚類算法中K- means比較成熟,操作簡單,原理是:把大量d維(二維)數據對象n個聚集成k個聚類k 在運用聚類分析法時有幾個問題要注意:第一,k的選擇,以一天送貨總量/單車載重量,也可以放寬一些,到:一天送貨總量/單車載重量+1。第二,k個聚類內的密度,分區密度大,效率高,成本低。第三,每個分區內工作時間大體相當,這樣便于運行的穩定,進行成本控制和人員、車輛的考核。第四,每個聚類間不重合。做到這樣分區效果會比較好。

傳統的K-means聚類法,k個聚類區內,初始點是隨機產生的,運行時間長,收斂效果差。基于均衡化考慮,在配送對象分布不均勻時,用密度法效果較好,初始中心點以密度來定義,運用兩點間歐氏距離方法,求解所有對象間的相互距離,并求平均數,用meanD表示,確定領域半徑R,n是對象數目,coefR是半徑調節系數,0 coefR=0.13時,效果最好。如果使用平均歐

氏距離還不理想,可增加距離長度,甚至用最大距離選擇法,收斂速度比較快。 在配送對象分布較均勻時,可考慮用網格法,效果較好,整個配送區域劃分用k=Q/q,k為初始點個數,假設k=mn,將地圖劃分成m行n列,以每格中心點為初始點,通過網格內的反復聚類運算,達到收斂,獲得網格穩定的聚類中心。

2.2 分區內配送工作量的均衡。這樣就完成了配送區域的初步劃分,但是沒有考慮各個分區內工作量的均衡問題,如果工作量不均衡,對于客戶服務水平的保證,成本的控制,作業的安排,人員、車輛的考核都存在問題。

在實際的物流企業配送作業過程中,一般一輛車一天也就送貨10多家或20來家,多余的時間要用于收款,與公司財務部門交賬,核算出車相關費用,所以不考慮同一車同一天出車多次的情況,多次出車待以后深入探討。那么就意味著每個分區就是一輛車一條線路,把問題大大簡化了,需要說明的是:這種方法對于配送規模不是特別大的單個城市配送是適用的,也具有廣泛性。

各分區內的每日配送工作量是以配送作業耗用時間來衡量的,耗用時間有兩部分構成:(1)車輛行駛時間;(2)客戶服務時間。由于配送分區有限,每個分區內的客戶數量不是很多,可以采用實地測時的方式,把每條線路的配送時間統計出來,這是一種手工辦法,但比較符合實際來調整超過差值的分區內的客戶,從而使得各區作業時間基本均衡。

如果客戶數量眾多,分區也較復雜,就需要借助統計學方法,通過對樣本線路車輛行駛時間以及服務時間,擬合出分區作業時間函數,然后,計算出所有線路作業時間,即使分區重新調整,線路重新組合,仍可以很快計算出線路作業時間。本文不在這個方面進行深入探討。

2.3 重新組合客戶,確定最終區域劃分。觀察各線路作業時間超過允許差值的部分,由大到小來調整,將離聚類中心最遠的數據點彈出,使本區T值下降,直至在差值以內,將彈出點加入到臨近的不足均衡作業時間的分區內,如果臨近分區作業時間超過允許差值,這個點就不能彈出,只能彈出另外的次遠數據點,以此類推,任何一個數據點只能彈出一次,直到所有數據點和分區調整完畢。

這樣最終確定的分區,既能做到區域劃分緊密,效率、成本更低,又能做到各區作業時間均衡,便于工作指派,車輛、人員核算。

以上是本文的第一部分工作,也是最有意義的工作,確定好合理的區域劃分,不僅是配送作業合理化的重要步驟,也是業務人員訪銷工作和客戶服務的重要依據。

3 基于改進蟻群算法的分區線路優化方法

分區內線路安排,就是一輛送貨車由DC出發,依次經過分區內每一個客戶點,完成送貨后返回DC,求出近似最優的行車順序,這是個典型的旅行商問題(Traveling Salesman Problem,TSP),TSP是NP完全問題,解法很多,有精確算法,也有啟發式算法,目前許多智能算法就屬于啟發式算法,可以解決較復雜的線路優化問題,對于一般線路優化也能做得更準確,這里介紹蟻群算法解決實際問題。原因是蟻群算法與其他啟發式算法相比,在求解性能上,具有較強的魯棒性和搜索較好解的能力,是一種分布式的并行算法,一種正反饋算法,易于與其它方法結合。克服基本算法缺點,改善算法性能。

3.1 蟻群算法簡介。蟻群算法(Ant Colony Algorithm, ACA)是由意大利學者M.Dorigo等人于20世紀90年代初提出的一種新的模擬進化算法,其真實地模擬了自然界螞蟻群體的覓食行為。 M.Dorigo等人將其用于解決旅行商問題TSP,并取得了較好的實驗結果。

蟻群算法用于解決優化問題的基本思路是:用螞蟻的行走路徑表示待優化問題的可行解,整個螞蟻群體的所有路徑構成待優化問題的解空間。路徑較短的螞蟻釋放的信息素數量較多,隨時間推移,較短路徑上積累的信息素濃度逐步增高,選擇該路線的螞蟻數量也越來越多,最終整個螞蟻會在正反饋的作用下集中到最佳線路上,這個路線就是最有解。

蟻群算法解決TSP問題具體步驟:(1)基本參數設置:包括螞蟻數m,信息素重要程度因子0≤α≤5,啟發函數重要因子1≤β≤5,信息素消逝參數0.1≤ρ≤0.99,信息素釋放總量10≤Q≤10 000,最大迭代次數iter_max,迭代次數初值iter=1。用試驗方法確定α、β、ρ、Q值,以獲得較優的組合,有助于改進基本蟻群算法,提高整體優化效果,并縮短運算時間。(2)初始解的求解:利用最近鄰算法,以縮短算法運算時間,并以此算法產生初始解的路徑長度作為產生初始信息素的基礎。 (3)構建解空間:將各個螞蟻隨機地置于不同出發點,對每個螞蟻,按公式(1)計算其下一個待訪問的網點,直到所有螞蟻訪問完區域內所有網點。(4)更新信息素:計算各個螞蟻經過的路徑長度Lk=1,2,…,m,記錄當前迭代次數中的最優解。同時,根據(2)式和(3)式對各個網點連接路徑上的信息素濃度進行更新。(5)判斷是否終止:若iter 蟻群算法如結合其他啟發式算法,建立混合算法,能夠解決許多現實問題,達到較好運算效果,結合具體問題,可以深入研究。

4 本文的局限與進一步研究的方向

路徑規劃范文第2篇

【關鍵詞】自動導航小車；路徑；規劃；控制

隨著科技的不斷進步，我國自動化技術發展越來越好，這對提高人們的生活質量有著較大幫助。應用自動化技術，可以生產出具有更多功能的機器與設備，比如，自動導航小車就是一種新型的機器，其具有自動定位與行駛的特點，可以利用計算機技術，對小車的行駛路徑進行規劃與控制。自動導航小車的設計與制作涉及多個領域，在科技不斷發展的背景下，我國自動化控制水平越來越高，這也促進了自動導航小車的發展。下面筆者對自動導航小車的路徑規劃以及控制方法進行簡單分析。

1.自動導航小車路徑規劃的定義與方法

1.1自動導航小車路徑規劃的定義

有學者對自動導航小車這類機器的路徑規劃有著如下定義：在自動導航小車中，設有自動導航系統，該系統是由較多的剛體部件構成的，而且有著不同的自由度。如果該系統可在二維或者三維空間中運行，則說明小車可以在不破壞自身運動約束的條件下，進行自由運動。另外，在工作空間中，也存在較多的幾何參數障礙。路徑規劃指的是自動導航小車在系統設定的連續動作下，由給定的初始位形運動到目標位形的設計。位形指的是自動導向小車位置與形態，相關設計人員通過改變位形，可以控制小車的行車路線。

1.2路徑規劃的方法

自動導航小車路徑規劃的方法主要有兩類，其一是傳統方法，其二是智能方法。第一類傳統路徑規劃方法中，常用的有自由空間法、圖搜索法、人工勢場法等；第二類智能路徑規劃方法中，常用的是基于遺傳算法的路徑規劃、基于人工勢場的路徑規劃等等。在現代自動導航小車設計中，應用智能方法比較多，其可以提高路徑規劃的準確性，下面筆者對自動導航小車的路徑規劃常用的幾種智能方法進行簡單的介紹。

1.2.1基于遺傳算法的路徑規劃

基于遺傳算法的路徑規劃在自動導航小車路徑研究中應用比較廣泛，其是由國外的學者提出的，是在模擬達爾文生物進化論的基礎上創建的，應用這種方法可以解決傳統路徑規劃中存在的漏洞。遺傳算法具有隨機性，而且具有針對性，利用遺傳算法可以對自動導航小車的移動路徑進行準確的規劃，其具有高效的特點。

1.2.2基于人工勢場的路徑規劃

人工勢場是一種虛擬的方法，其將自動導航小車的運動路徑看做是人工受力場下運動，應用虛擬的方法，主要是利用障礙物對自動導航小車所產生出的斥力，以及目標點對小車產生的引力而完成運動路徑的。在斥力與引力的共同作用下，自動導航小車可以從初始位形移動到目標位形，由于斥力與引力對小車的速度有著較大影響，所以，利用加速力相關人員還可以計算出小車所處的位置，從而控制小車的運動方向以及路徑規劃。

2.不同環境下自動導航小車的路徑規劃策略

自動導航小車是一種新型的機器，其在未知的環境下，收集信息的情況也有一定差異，通過分析發現，其收集信息主要有兩種類型，一種是在已知的信息環境下，全局路徑的規劃；另一種是在未知的環境信息下，局部路徑的規劃。下面筆者主要對靜態已知環境下局部路徑規劃方法以及靜態未知環境下局部路徑規劃方法進行分析。

2.1靜態已知環境下局部路徑規劃方法

靜態已知的信息環境下，對小車局部路徑進行規劃是一種比較容易實現的方法，這種規劃方法有著廣泛的應用空間，這種方式最早應用的是可視圖算法，隨著科技的不斷發展，相關人員又提出了隨機路圖法，這兩種方法有著各自的適用范圍。可視圖算法提出的時間比較早，其廣泛應用是在1987年，研究人員利用可視圖算法，解決了小車路徑規劃問題。可視圖是由節點與可視邊組成，在已知的環境下，技術人員通過設置障礙點以及目標點，可以幫助小車快速到達指定位置。為了提高小車運動的效率，設計人員需要了解可視圖算法的最短路徑定理，該定理指出，從初始點到目標點含有窮路徑集合，為了得到最短路徑的算法，需要全面考慮可視圖構造，這種方法在二維空間中發揮較高的效用，但是在高維空間中并不適用。

2.2靜態未知環境下局部路徑規劃方法

靜態未知環境下，自動導航小車需要利用自身傳感器對環境進行感知，在獲得局部信息后，對局部路徑進行規劃，這種規劃方式主要采用了勢場法，但是在應用的過程中也存在一定局限性，設計人員需要重點考慮梯度以及積分問題，而且需要通過分析多個局部信息，掌握全局信息。這種路徑規劃法效用的發揮與傳感器性能有較大關系，為了更好的掌握全局信息，設計人員多采用的是實時傳感器。這種規劃方法的基本思路是：自動導航小車向目標點運動的過程中有多種路徑，相關人員需要將所有可能性進行量化，在通過分析障礙物信息，從而得出最佳的規劃路徑。在對通路進行檢測時，要避免小車進入死路，通過測量障礙物間的距離，判斷小車是否可以通行，如果通路被堵塞，則需要重新優化路徑。

3.自動導航小車的路徑控制

控制軟件與各模塊驅動程序是保障系統正常運行不可或缺的部分。控制軟件在主機上實現，各模塊驅動程序在各自模塊中運行，控制軟件與各模塊驅動程序之間可通過主從式結構進行必要的通信聯系。子機可向主機發出異常情況處理信號，利用通信技術，還可以控制各子模塊的運行狀況。

3.1運動控制的位置環調節

參數調節運動控制驅動器的位置控制回路時，運用基于觀測器的狀態變量控制技術。采用此技術，運動控制驅動器的優點是：⑴系統將具有很高的動態剛度；⑵即使負載和電機的慣量有較大差別，仍可有效減少跟蹤誤差。在運動之前，必須進行軌跡參數設置及完成參數設置。初始調節時，一般設定運動速度、加速度、加加速度為較大值，而運動位置為一較小值。

3.2軸的運動

軸運動有兩種，一種是單軸運動，另一種是多軸協調運動。單軸運動是指某一種運動模式設定后，該軸將保持這種運動模式，直到設置新的運動模式為止。多軸協調運動是指運動控制器可以實現兩種軌跡的多軸協調運動。對于各模式之間的切換，除電子齒輪模式之外，其他模式必須是在當前軸運動完全停止的情況下進行。控制器中不同的軸可以工作在不同的運動模式下，在某些情況下，為了安全起見，需要在某些位置或某個時刻使運動停止。

4.結語

通過上文的分析可以看出，自動導航小車具有較高的性能以及較多的功能，其性能體現了我國科技的進步性。在計算機技術的影響下，相關設計人員利用傳感器，使自動導航小車獲取周圍環境的信息，其獲取的方式有兩種，一種是在已知的信息環境下，獲取全局信息，另一種是在未知的環境下，獲取局部的信息。為了更好的控制小車路徑，相關人員需要掌握傳感器信息融合算法，還要避免外界環境對信息準確性的影響，這樣才能提高路徑規劃與控制測量的可行性。

【參考文獻】

[1]陳亮，黃玉美，林義忠，史恩秀，高峰.陀螺儀角速度的檢測與處理[J].傳感器與微系統，2006（04）.

路徑規劃范文第3篇

關鍵詞：精英策略；蟻群算法；配送中心；信息素；路徑

中圖分類號：F252.14 文獻標識碼：A

關于物流配送路徑規劃一直是物流領域研究的熱點和難點問題，從國外研究情況來看，1993年Ronald 等人提出物流系統設計的四個核心戰略規劃區域模型（Four major strategic planning areas in logistics system design），他認為四個核心區域為客戶服務水平、選址決策、庫存決策和運輸決策（Customer service levels，Location decisions，Inventory decisions，Transport decisions），對于配送中心選址方法可簡單分為定性和定量兩大類，定性方法主要是層次分析法和模糊綜合評價相結合對各個方案進行指標評價，找出最優地址。定量方法包括重心法、運輸規劃法、Cluste法、CFLP法、Baumol-Wolfe模型、混合0—1整數規劃法、雙層規劃法、遺傳算法等。蟻群算法是一種新型的優化方法，該算法不依賴于具體問題的數學描述，具有全局優化能力。

本文提出了一種基于改進蟻群算法的物流配送路徑規劃方法，將物流配送中心看成一個聚類過程，再利用蟻群系統中螞蟻通過信息素留存尋找最優路徑的機制，結合螞蟻使物體聚堆的行為模式，合理設計轉移概率、禁忌列表及信息素更新方式，使系統配送中心的配送路徑最短，從而確定配送中心的配送路徑。

1 蟻群算法

仿生學家經過大量細致觀察研究發現，螞蟻個體之間通過一種稱為外激素的物質進行信息傳遞，螞蟻在運動過程中，能夠在它所經過的路徑上留下信息素，而且螞蟻在運動過程中能夠感知這種物質，并且以此指導自己的運動方向。受此啟發，它由意大利學者Marco Dorigo于1991年在他的博士論文中引入，提出了一種基于螞蟻種群的新型優化算法——蟻群算法。

蟻群算法（ant colony optimization， ACO），又稱螞蟻算法，是一種用來在圖中尋找優化路徑的機率型技術。其靈感來源于螞蟻在尋找食物過程中發現路徑的行為，螞蟻總能找到巢穴與食物源之間得最短路徑。經研究發現，螞蟻的這種群體協作功能是通過一種遺留在其來往路徑上叫做信息素（Pheromone）的揮發性化學物質來進行通信和協調的。化學通信是螞蟻采取得基本信息交流方式之一，在螞蟻的生活習性中起著重要的作用。通過對螞蟻覓食行為的研究發現，整個蟻群就是通過這種信息素進行相互協作，形成正反饋，從而使多個路徑上的螞蟻都逐漸聚集到最短的那條路徑上。

1.1 研究目的

本研究擬通過學習螞蟻覓食回巢的生物本能，對物流配送進行仿真模擬，找出優化的配送路徑，提高物流配送的效率和效益。

1.2 研究的對象

先對6個同配送點的配送方案進行研究，然后延伸到100個配送點，并找出最佳路徑。以上步驟均通過計算機編程進行演化分析。把研究的成果進行實際應用的演算和驗證。

1.3 研究方法

本文使用蟻群算法，進行人工模擬配送路線，并用計算機編程進行模擬，就如同一只人工螞蟻，背著背包，到若干個結點，搬運食物回蟻巢。

規則1 環境：人工螞蟻所在的環境是一個虛擬的世界，有確定的路線橋，且兩點間路線橋不相交；有信息素，信息素都同質（不區分，找到食物時分泌的信息素和回巢時分泌的信息素），環境以一定的速率讓信息素消失。

規則2 移動：人工螞蟻只會沿著路線橋覓食，當走到結點（覓食點），人工螞蟻會判斷是否有信息素及其濃度，優先選擇信息素濃度大的路線橋為路徑；同時會有一定的概率，隨機選擇別的路線橋；如路線橋上均無信息素則隨機選擇路線橋。

規則3 覓食：人工螞蟻沿路線橋到各個結點覓食，當到達該覓食點后，為防止人工螞蟻原地轉圈，它會記住最近剛走過哪些點（禁忌表），如發現下一個結點是已覓食過的結點，則會避開該點。

規則4 信息素：每只人工螞蟻在遍歷完各點后，系統會利用蟻周算法更新信息素，對總路徑最短的路線進行精英激勵，會大量增加該路線信息素；如果總路徑較長則少量增加信息素；信息素在人工螞蟻遍歷完后，將會按一定速率自動揮發所有路線橋上的信息素。

2 研究步驟

2.1 初始化結點

各個結點進行坐標化，數據存入zuobiao（序號：X，Y）表中，見表1，然后構造成路線橋距離矩陣存入jiedian（序列：1，2，3，…，n）表中，見表2，此次研究擬選用zuobiao表中的結點和數據：

2.2 信息素表示

所有的路線橋上的信息素全部為0，并把信息素數據存入xinxisu（序號：1，2，3，...，n）表中，見表3，用0表示無信息素。

2.3 初始化禁忌表

人工螞蟻比較聰明，當到達該覓食點后，它會記住已找到的結點，并把結點信息存入jinji（序號，禁忌，先后順序）表中，其中0表示未用，1表示已用，詳見jinji表，見表4。

第1只人工螞蟻運行狀態：人工螞蟻從巢穴出發，判斷與該結點連接的各個路線橋上的信息素的濃度，因信息素均為0，則用隨機函數進行選擇路線在jinji表中把起點設置為1（已用），先后順序為1，離開起點沿著該路線橋到達下一覓食結點，信息素為0，則用隨機函數進行選擇路線同樣在jinji表中把第1個覓食結點設置為1（已用），先后順序為2，離開第1個結點沿著該路線橋到達下一覓食結點，判斷信息素，隨機函數選擇路線橋……當6個覓食結點全部走完后，人工螞蟻自動沿著路線橋回到巢穴結點，從而形成完整的閉合回路計算總路線橋長度，用L1表示，同時更新xinxisu表，在路線橋閉合回路全部灑上強度為3的信息素。

第2只人工螞蟻運行狀態：人工螞蟻從巢穴出發，判斷與該結點連接的各個路線橋上的信息素的濃度，原則上沿著信息素濃度大的路線橋通往下一覓食結點，但也會有“叛逆”的情況，用隨機函數產生這種小概率事件，如人工螞蟻遇到小概率事件，則沿著小概率事件選擇的路線橋爬行到下一覓食結點在jinji表中把起點設置為1（已用），先后順序為1，離開起點沿著該路線橋到達下一覓食結點，判斷連接該覓食結點各個方向上的信息素濃度，正常是沿著信息素濃度大的方向移動，同時考慮小概率事件是否發生，如發生則沿著小概率選擇的優先路線前進。同樣在jinji表中把第1個覓食結點設置為1（已用），先后順序為2，離開第1個結點沿著該路線橋到達下一覓食結點，判斷信息素濃度，并優先考慮小概率事件……當6個覓食結點全部走完后，人工螞蟻自動沿著路線橋回到巢穴結點，從而形成完整的閉合回路計算總路線橋長度，用L2表示，更新xinxisu表，判斷該輪路線橋總長度是否是最短，如最短則在第2只螞蟻走過的路線橋上全部灑上激勵的信息素，其值為3，同時，在全部路線橋上按1個信息素/每輪的速率，揮發信息素。

2.4 總路線長度最優的判定

判斷路線橋該輪路線橋總長度是否是最短，可分為如下三種情況。

L1

L1=L2 增加L2閉合回路上的信息素+3 把L2設為最短路徑，用Lmin表示，后續人工螞蟻的Ln均與Lmin比較

L1>L2 增加L2閉合回路上的信息素+3 把L2設為最短路徑，用Lmin表示，后續人工螞蟻的Ln均與Lmin比較

后續n只人工螞蟻和第2只螞蟻一樣覓食（n=80），最終沿著信息素最濃的路線橋爬行各個覓食點，其路徑橋為最短路線。

2.5 參數選取

（1）隨機小概率為0.05，結點6個，信息素對精英螞蟻獎勵+3，對一般螞蟻+1，信息素揮發速率為1/輪。

（2）人工螞蟻選取80只（迭代80輪）。

（3）覓食結點的狀態。其中第1只人工螞蟻比較特殊，路線橋選擇不是按信息素的濃度進行選擇，而是人工賦予隨機選擇函數。在離開原點時選擇概率為1/6，到第一個結點后選擇概率為1/5，到第二個結點后選擇概率為1/4，……，1/1回到巢穴。

2.6 進行演算

覓食結點的狀態選取3種狀態：離散型、聚合型、平均型；隨機小概率事件按分形理論選取20個不同的參數，如下值：0.5、1.5、2.5、3.5、4.5、5.5、6.5、7.5、8.5、9.5、5、15、25、35、45、55、65、75、85、95；每輪螞蟻選擇80只；為了剔除異常收斂，每輪均進行10次演算求出平均值，作為該輪穩定的最短路徑。綜合考慮狀態的聚合度、覓食結點個數、隨機小概率事件，通過編程和建立數據庫，模擬最優路線結果如下：

1354261 其中Lmin=45.2

3 實例分析

為了驗證本算法的正確性，在Matlab平臺上對其進行了仿真實驗。建立如下數學模型，選取福州市某配送中心10個點進行配送，并且要求路徑最短，如表5所示，10個點經過坐標化后是接均型分布，小概率事件選取0.5，人工螞蟻選取80只，每輪進行10次迭代并取平均值。結合迭代運算，得出最優路徑如下：

23456810912

蟻群算法可以比較完美地解決配送路徑問題，但也存在不足之處，特別是在信息不完全的情況下，比如兩點之間有捷徑，模擬最優線路與實際線路會有偏差，同時算法可能會陷入局部最優，可以通過控制收斂速度和加快趨向最優路徑對蟻群算法進行優化。

參考文獻：

[1] 李云清. 物流系統規劃[M]. 上海：同濟大學出版社，2004.

[2] 秦固. 基于蟻群優化的多物流配送中心選址算法[J]. 系統工程理論與實踐，2006（4）：120-124.

[3] 魏娜. 關于物流配送中心選址優化問題研究[D]. 大連：東北財經大學（碩士學位論文），2006.

[4] 高雷阜，等. 基于最大最小螞蟻系統的物流配送中心選址算法的研究[J]. 運籌與管理，2007（12）：42-46.

[5] 許慧，王正友，楊歡慶. 蟻群算法及其聚類應用[J]. 礦山機械，2007（1）：115-117.

路徑規劃范文第4篇

關鍵詞：運輸貨損；車輛路徑；規劃

本文首先對車輛路徑規劃問題和算法應用，以及運輸貨損理論的研究現狀進行充分調研。在此基礎上，對鮮花配送車輛路徑規劃問題所關注的目標進行分析，除常規的車輛使用數量和車輛行駛里程外，加入了鮮花行業特有的運輸貨損目標，應用遺傳算法與節約算法相結合的兩階段啟發式算法，結合企業物流配送現狀及遠期發展規劃，得出一種鮮花配送車輛路徑規劃的可行方法。

1.車輛路徑規劃理論與研究現狀

作為物流配送中的一個熱門問題，車輛路徑規劃問題最早由Ramser和Dantzing提出，其可以描述為：在一定數量的配送中心和客戶構成的節點網絡中，通過安排合適的行車路線，使配送車輛從配送中心取貨并根據預先設定的路線至每個客戶點卸貨，完成各客戶點所需求的貨物配送量。

1.1車輛路徑規劃理論

1901年，美國的John F.Crowell在政府報告中最早提及物流的概念，用于分析影響農產品流通的不同因素和相關費用。隨著理論研究和實踐應用的不斷深入，為統一對物流的認識，需要對其進行準確的規范化定義。中國的物流術語標準將物流定義為：物流是物品從供應地向接收地的實體流動過程中，根據實際需要，將運輸、儲存、流通加工、包裝、裝卸搬運、配送、信息處理等功能有機結合起來實現用戶要求的過程。

1.2車輛路徑規劃問題研究現狀

VRP是一類具有極強應用性的優化調度問題，它在物流配送、交通運輸等領域獲得了廣泛的應用，其范例大量存在于日常生活之中。由于VRP在應用上的廣泛性和經濟上的重要價值，自1959年由Danzig和Ramser提出以來，一直是學界研究的重點和熱點問題，50多年來已經取得了大量的研究成果。從解法上來看，對VRP的求解算法主要可分為精確算法和啟發式算法，而最近10年來，對于VRP的求解算法研究，主要集中在現代啟發式算法。

2.車輛路徑規劃問題算法分類與概述

自從VRP問題被提出以后，由于其同時具有理論價值和現實意義，VRP問題迅速受到越來越多研究人員的重視，力求能夠發現求解各類VRP問題的高效算法。按照VRP問題發展與研究過程來看，算法大致可分為三類，即精確算法、經典啟發式算法和現代啟發式算法。

通過對大量文獻的分析研究，歸納得出三類算法的優勢與劣勢對比如下：

精確算法，能夠求出問題的精確解，當問題規模較大時，往往會導致計算量過大、存儲信息太多等問題，降低了計算效率，主要適用于較小規模的簡單路徑規劃問題求解。

經典啟發式算法，不斷對解的結果進行優化，能夠保證每次迭代后求得的解都是當前最優解；計算速度快、復雜度低，容易陷入局部搜索，可能無法跳出局部范圍找到全局最優解，與其他算法結合，廣泛應用于復雜大規模路徑規劃問題。

現代啟發式算法，具有能夠跳出當前搜索領域而進行全局搜索的能力；結構開放性，與問題無關性，應用理論要求較高，針對不同問題的研究還不完善，廣泛應用于復雜大規模路徑規劃問題。

3.考慮運輸貨損的鮮花配送車輛路徑規劃問題概述

中國鮮花行業伴隨供給側結構性改革與消費升級的浪潮，近幾年也在發生翻天覆地的變化。

隨著線下連鎖店數量逐漸增加，物流配送壓力與成本也不斷上升，配送車輛路徑規劃便成為亟待考慮并解決的問題。對于中心倉庫-連鎖店運營模式，采用巡回配送方式更優于點對點的直送方式。通過對運輸貨損研究的分析，一般整個配送過程中的貨損可分為兩部分：一是在配送運輸過程當中的損耗，由生鮮品時間累積產生損耗和路況引起的顛簸、碰撞損耗組成；二是在客戶點裝卸貨物時，由溫度變化與時間累積產生的損耗和裝卸操作（例如野蠻操作）引起的貨損損耗組成。

3.1參數定義及約束條件

設有n個客戶節點，每個客戶節點的需求量為（i=1，2，…，n）；有m輛配送車輛（型號種類完全一致），每輛車的最大載重量為Q。客戶i到客戶j的距離為， 0表示配送中心，則配送中心到客戶點的距離為 （i=1，2，…，n）。由于一條線路上所有客戶點由一輛車進行配送，所以要求考慮貨損量的前提下，每條線路客戶點需求量之和不超過每輛車的最大載重量。

4.小結

通過對考慮運輸貨損的鮮花配送車輛路徑規劃問題進行概述，介紹了中心倉庫-連鎖店運營模式下，車輛路徑規劃問題的多目標函數。本文求解的VRP問題屬于大規模VRP問題，參數定義和約束條件與一般VRP問題類似，同時根據問題實際情況增加了貨損相關的各類參數、例如多種貨物損耗比例等。具體建模階段，遵循“化繁為簡”思想以及多目標函數求解思路，將目標函數通過各自獨立的成本轉換因子轉化為成本相關的目標函數，最終通過疊加得到了以總成本為目標的車輛路徑規劃單目標函數，從而確定最經濟鮮花配送路徑。

參考文獻：

[1]丁秋雷，胡祥培，李永先.求解有時間窗的車輛路徑問題的混合蟻群算法[J].系統工程理論與實踐，2007，10：98.104.

[2]劉勇，崔炳謀，王小東.物流配送路徑優化問題的模型及改進混合算法[J].物流科技.2008（4）：88-90.

[3]李大衛，王莉，王夢光.遺傳算法在有時間窗車輛路徑問題上的應用[J].系統工程理論與實踐，1999，8：65.69.

[4]張麗萍，柴躍廷，曹瑞.有時間窗車輛路徑問題的改進遺傳算法[J].計算機集成制造系統-CIMS，2002，8（6）：451-454.

路徑規劃范文第5篇

【關鍵詞】低碳電力系統；規劃；環境資源

1低碳電力系統

發展低碳電力系統，不僅能夠在一定程度上提升電力系統的實際工作效率，而且還能最大程度的降低運營成本，尤為重要的是因為碳排放相對減少了，對于外部環境資源的影響明顯降低了，使得電力系統能夠長期處于一個穩健且可持續發展的狀態之中。

2低碳電力系統的規劃

就目前的實際情況來看，涉及低碳電力系統的規劃主要包括了對低碳電源與低碳電網的兩個主要環節。從低碳電源的角度上來說，是與前期的負荷預測有直接關系的，如果在整個電網投入實際運營之后再進行改造，無論是從成本支出的角度上，還是從機組工作效力與效率的角度上來說都不是十分的經濟，因此相關的措施基本上都是基于前期的論證與規劃開展的，受到外部主觀因素的影響較大，能夠實際拓展的空間的確有限。但是從低碳電網的角度上來說，可以整合與規劃的資源就相對較多了。首先說電網的建設與投資規劃中，完全可以基于輸電線路的實際運行狀況進行綜合分析。目前輸電線路的實際損耗過高，是導致輸電成本激增的一個重要環節，能夠采用新技術對輸電線路的運行進行改造，最大程度的降低輸電損耗的實際支出，就已經為電網的低碳運行打下了一個堅實的基礎。另外，由于不同輸電線路中網架結構明顯的存在較大差異，網際之間存在的融合性電損也是造成輸電線路實際損耗過大的一個重要因素。在降低同規格電網單位額度損耗的前提下，能夠實現網際之間的融合性，提升有效輸電的支撐作用，是實現低碳電網運行的突破口。

3低碳電力系統的運行優化

需要強調的一點是，個別觀點認為低碳運行的電力系統其本質應該從立項初期就定位在新興能源結構上，這其實是對低碳電力系統運行的一種誤讀，因為相比較風能、太陽能這些新興能源需要對客觀環境存在一定限制而言，火電電力系統對于地理位置幾乎沒有什么過多的要求，火電的存在對于緩解區域范圍內的電力緊張，對于降低遠距離或者超遠距離輸電過程中出現的電力損耗也是一種補充，其實這在一定的意義上就已經顯示胡了低碳的效力來了。對于那些已經實際投入運行的火力電廠而言，要想實現低碳電力系統的運行優化，在經過科學的論證之后，可以從發電機組的運行角度來實現性能的整體優化。首先，要確定發電機組的低碳運行模目標。發電機組的實際運行情況，直接關系到火力發電廠的成本支出，只有將發電機組低碳運行作為工作目標，這樣才能有效的做到節約成本。其次，要對發電機組的實際運行進行優化調度。這是法典機組實現運行優化，確保電力系統實現低碳目標的關鍵。因為預設的發電任務規劃是既定的，涉及到輸電網絡的有效載荷問題，因此在常規情況下來說，發電機組的實際運行優化方案并不涉及到發電機組的實際輸出總電量。主要是把參與實際工作的若干個不同機組，按照其最優化輸出功率的比例，來分配系統有效負荷。從電力行業投資效率看，我國近十多年來呈明顯下降趨勢。如1995年，每新增一千瓦時發電量需投入資金約1．3元，2000年至2007年穩定在1．5元左右，2012年、2013年卻分別上升為2．8和2元。電網2011年投資為2003年的3．5倍，但新增變電容量僅為2003年的2倍，新增輸電線路長度僅為2003年的1．3倍。從單位GDP電耗和能耗看，我國分別為870千瓦時/萬元和0．7噸標煤/萬元，是世界平均水平的2．1倍和2倍，遠高于美、日、歐等發達國家，也大幅高于印度、巴西等發展中國家。以30萬kV的火電機組為例，在峰值階段，可能需要四臺機組同時運行才能滿足實際需求，但是在谷值階段，不僅輸電網承受不了超高的電力輸出，而且實際需求也根本達不到額定的負荷標準，尤為重要的是這種情況下再強調滿負荷運轉已經相對的提升了發電成本。因此，在谷值的時候，可以考慮根據實際情況讓其中2臺機組正常運轉，如果谷值周期較長的情況下，甚至可以考慮對其它兩臺機組進行停機檢修，當下一個谷值來臨的時候，就可以輪換著使用檢修完畢的兩臺機組。這樣一方面讓機組處于最優化的工作環境中，一方面讓機器設備實現了周期性的檢修，最主要的一方面是采用這種科學的規劃方式，不僅降低了發電的單位成本，而且直接減少了碳排放。無論從哪個角度上來說都是實現了低碳電網的實際運行。最后，要對發電機組的碳排放進行科學規劃。在傳統的發電機組碳排放過程中，雖然也采取了一些環保措施，但是這些措施基本上都是本著降低硫化物角度考慮的，至于碳排放量的層面涉及的較少。自從國家相關部門對發電廠的碳排放采取了量化制約的措施志愿后，發電機組的碳排放已經進入了一個“剛性制約”的時期。利用計算機模擬系統，對不同階段發電機組的實際運行效果統一展開測算，從而計算出總體的碳排放量，根據最新的技術革新手段，對部分碳排放進行二次回收和利用，能夠在一定程度上提升其實際利用率，也能夠最大程度上降低碳排放對環境造成的污染。在這個過程將建立一種預警制約機制，對于碳排放的總量和實時數據都進行有效監控，如果實時數據一旦發生較大的波動，首先要對碳回收渠道進行巡檢，然后再開展對機組的設備檢測。這樣一方面提高了機組的實際運行效率，又減少了發電的實際成本支出，尤為重要的是真正的實現了低碳運行模式。

4低碳電力系統的展望

低碳電力系統作為“低碳經濟”的一個重要組成部分，無論是在未來的經濟發展中，還是在未來的能源輸出過程中，都明顯的占據了很重要的比重。下階段，首先要解決從外部立法到內部制度上對低碳電力系統運行的重視，采用內外結合的形式將低碳電力系統的運行納入到電廠的日常管理重點工作內容中，不僅要求管理層樹立低碳運行的指導思想，更需要讓從業人員在日常工作中保持高度的敏感度，以確保相關的設備能夠完全符合低碳運行的相關要求與路徑。其次要解決低碳經濟下的電力機組進一步優化措施，廣泛的吸收和借鑒新技術，讓機組的實際運行進一步降低對能源消耗的依賴，尤其是對煤炭等資源的實際消耗。最后要政府不僅要從行政監督上對電廠的實際運行予以督促，而且也要在宏觀上為電廠的低碳運行提供一些傾斜性政策，以便于電廠能夠在一個相對較為寬松的政策環境中對相關的設備進行改造。

5結語

提出“中國正在全面深化改革，發揮市場在資源配置中的決定性作用，更好發揮政府作用，努力建設開放型經濟新體制。”電力系統的低碳規劃與運行，也應該完全接受市場的檢驗，特別是在市場對資源配置進行重組的過程中，政府起到的是引導作用，而電廠，尤其是火力發電廠在其中起到的是落實作用。只有不斷的在改革中發展，將低碳電力系統的運行長期保持在穩健及可持續的狀態下，那么才真正的符合社會主義市場經濟的實際需求。

參考文獻:

［1］鄧晶，周任軍，鄭思，任俞霖．計及低碳效益的分布式發電優化配置［J］．電力系統及其自動化學報，2012(04)．

［2］康重慶，季震，陳啟鑫．碳捕集電廠靈活運行方法評述與展望［J］．電力系統自動化，2012(06)．