前言：想要寫(xiě)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(guī)劃范文，相信會(huì)為您的寫(xiě)作帶來(lái)幫助，發(fā)現(xiàn)更多的寫(xiě)作思路和靈感。

路徑規(guī)劃范文第1篇

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

0 引 言

流通領(lǐng)域中,許多物流配送企業(yè)借助外部經(jīng)濟(jì)的發(fā)展,實(shí)現(xiàn)了規(guī)模擴(kuò)張與快速發(fā)展,但對(duì)如何控制成本,提高運(yùn)營(yíng)效率的迫切性并不強(qiáng)?，F(xiàn)在隨著經(jīng)營(yíng)環(huán)境的變化,物流需求量更大,客戶、網(wǎng)絡(luò)更復(fù)雜,對(duì)服務(wù)的要求更多樣化。但面臨的競(jìng)爭(zhēng)更加激烈,不管是從事跨區(qū)域配送還是城市配送,首先需要考慮顧客服務(wù)水平,贏得客戶的認(rèn)可,然后考慮配送運(yùn)營(yíng)的成本問(wèn)題,因而如何創(chuàng)新物流服務(wù),提高運(yùn)營(yíng)效率和控制日常運(yùn)營(yíng)成本成為每個(gè)配送企業(yè)需要時(shí)刻思考的問(wèn)題。

傳統(tǒng)的基于經(jīng)驗(yàn)的方法,在企業(yè)規(guī)模有限,客戶數(shù)量不是非常多,配送網(wǎng)絡(luò)相對(duì)簡(jiǎn)單的情況下,只要員工和管理者技能過(guò)關(guān),執(zhí)行力好,都應(yīng)該能夠較好地完成配送任務(wù),獲得企業(yè)的發(fā)展。但是隨著銷(xiāo)售區(qū)域擴(kuò)大,客戶數(shù)量的不斷增加,客戶需求持續(xù)增長(zhǎng),配送業(yè)務(wù)量大增,配送周期縮短,配送線路更復(fù)雜,并且需求的隨機(jī)性、變動(dòng)性加大,光憑經(jīng)驗(yàn)和手工安排,已無(wú)法做到配送計(jì)劃的優(yōu)化,必須借助于統(tǒng)計(jì)分析、利用數(shù)學(xué)模型和智能算法,才能獲得較好的配送計(jì)劃,節(jié)省時(shí)間,提高效率。本文就是針對(duì)這些問(wèn)題,從企業(yè)應(yīng)用的角度,提出先合理劃分配送區(qū)域,再優(yōu)化配送路線的方法,從而達(dá)到降低成本,提高競(jìng)爭(zhēng)力的目標(biāo)。

1 論文總體思路綜述

排單和車(chē)輛調(diào)度是整個(gè)配送計(jì)劃和作業(yè)實(shí)施的核心,是配送任務(wù)和客戶服務(wù)按時(shí)完成的有力保證。

傳統(tǒng)的訂單排單和車(chē)輛調(diào)度、路線安排都是由公司里業(yè)務(wù)能手來(lái)完成,送貨區(qū)域大了,客戶多了,這項(xiàng)工作的效率和完成工作的成本控制都會(huì)不理想,現(xiàn)在常用的智能優(yōu)化方法,把它作為一個(gè)典型的VSP問(wèn)題,建立數(shù)學(xué)模型,利用智能化的算法,求解可行的配送路徑規(guī)劃,作為理論研究,這樣的做法是有意義的。但是有兩個(gè)問(wèn)題:(1)這個(gè)模型數(shù)據(jù)的收集整理工作量特別大,計(jì)算過(guò)程也較長(zhǎng),因而成本不會(huì)低。(2)模型本身一定要適合實(shí)際的作業(yè)過(guò)程,這就需要有一個(gè)不斷測(cè)試和優(yōu)化的過(guò)程,并且還要適應(yīng)每天的動(dòng)態(tài)變化,否則反而會(huì)影響到日常的作業(yè)過(guò)程。許多研究理論完備、精深,但是在適應(yīng)產(chǎn)業(yè)化運(yùn)營(yíng)時(shí),工程上的可實(shí)現(xiàn)性還有待提高和完善。因而影響了這些很有價(jià)值的研究在企業(yè)實(shí)際中的運(yùn)用。

本文的研究并不針對(duì)配送路徑規(guī)劃做理論上的深究,而是立足實(shí)際應(yīng)用,在可接受的范圍內(nèi),利用較簡(jiǎn)易實(shí)用的智能優(yōu)化方法,在較短的時(shí)間內(nèi),以較低的成本獲得相對(duì)優(yōu)化的配送路徑規(guī)劃方案。不求最佳,但求有效。為今后電子排單和送貨線路優(yōu)化軟件的開(kāi)發(fā)和應(yīng)用作必要的鋪墊。

具體設(shè)想:第一步,利用聚類(lèi)分析法對(duì)配送區(qū)域進(jìn)行合理分區(qū),先把復(fù)雜問(wèn)題簡(jiǎn)單化。第二步,每個(gè)分區(qū)內(nèi)就是個(gè)典型的TSP問(wèn)題,有很成熟的解決辦法。在平衡好各分區(qū)工作時(shí)間安排后,就能很快獲得較理想的配送方案。

重點(diǎn)是第一步,分區(qū)時(shí)一定要考慮到客戶位置、需求量、車(chē)輛載重、作業(yè)時(shí)間均衡限制等因素,需要花費(fèi)好多功夫。

2 配送區(qū)域動(dòng)態(tài)優(yōu)化及其方法

2.1 配送區(qū)域的初始劃分方法。配送區(qū)域優(yōu)化方法對(duì)最終優(yōu)化的結(jié)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(lèi)算法,在配送客戶有限、區(qū)域較小時(shí)運(yùn)用掃描法就可以了,但是當(dāng)客戶數(shù)量很多,區(qū)域較大,又要考慮約束條件時(shí),聚類(lèi)算法就是我們必然的選擇了,聚類(lèi)算法中K- means比較成熟,操作簡(jiǎn)單,原理是:把大量d維(二維)數(shù)據(jù)對(duì)象n個(gè)聚集成k個(gè)聚類(lèi)k 在運(yùn)用聚類(lèi)分析法時(shí)有幾個(gè)問(wèn)題要注意:第一,k的選擇,以一天送貨總量/單車(chē)載重量,也可以放寬一些,到:一天送貨總量/單車(chē)載重量+1。第二,k個(gè)聚類(lèi)內(nèi)的密度,分區(qū)密度大,效率高,成本低。第三,每個(gè)分區(qū)內(nèi)工作時(shí)間大體相當(dāng),這樣便于運(yùn)行的穩(wěn)定,進(jìn)行成本控制和人員、車(chē)輛的考核。第四,每個(gè)聚類(lèi)間不重合。做到這樣分區(qū)效果會(huì)比較好。

傳統(tǒng)的K-means聚類(lèi)法,k個(gè)聚類(lèi)區(qū)內(nèi),初始點(diǎn)是隨機(jī)產(chǎn)生的,運(yùn)行時(shí)間長(zhǎng),收斂效果差?；诰饣紤],在配送對(duì)象分布不均勻時(shí),用密度法效果較好,初始中心點(diǎn)以密度來(lái)定義,運(yùn)用兩點(diǎn)間歐氏距離方法,求解所有對(duì)象間的相互距離,并求平均數(shù),用meanD表示,確定領(lǐng)域半徑R,n是對(duì)象數(shù)目,coefR是半徑調(diào)節(jié)系數(shù),0 coefR=0.13時(shí),效果最好。如果使用平均歐

氏距離還不理想,可增加距離長(zhǎng)度,甚至用最大距離選擇法,收斂速度比較快。 在配送對(duì)象分布較均勻時(shí),可考慮用網(wǎng)格法,效果較好,整個(gè)配送區(qū)域劃分用k=Q/q,k為初始點(diǎn)個(gè)數(shù),假設(shè)k=mn,將地圖劃分成m行n列,以每格中心點(diǎn)為初始點(diǎn),通過(guò)網(wǎng)格內(nèi)的反復(fù)聚類(lèi)運(yùn)算,達(dá)到收斂,獲得網(wǎng)格穩(wěn)定的聚類(lèi)中心。

2.2 分區(qū)內(nèi)配送工作量的均衡。這樣就完成了配送區(qū)域的初步劃分,但是沒(méi)有考慮各個(gè)分區(qū)內(nèi)工作量的均衡問(wèn)題,如果工作量不均衡,對(duì)于客戶服務(wù)水平的保證,成本的控制,作業(yè)的安排,人員、車(chē)輛的考核都存在問(wèn)題。

在實(shí)際的物流企業(yè)配送作業(yè)過(guò)程中,一般一輛車(chē)一天也就送貨10多家或20來(lái)家,多余的時(shí)間要用于收款,與公司財(cái)務(wù)部門(mén)交賬,核算出車(chē)相關(guān)費(fèi)用,所以不考慮同一車(chē)同一天出車(chē)多次的情況,多次出車(chē)待以后深入探討。那么就意味著每個(gè)分區(qū)就是一輛車(chē)一條線路,把問(wèn)題大大簡(jiǎn)化了,需要說(shuō)明的是:這種方法對(duì)于配送規(guī)模不是特別大的單個(gè)城市配送是適用的,也具有廣泛性。

各分區(qū)內(nèi)的每日配送工作量是以配送作業(yè)耗用時(shí)間來(lái)衡量的,耗用時(shí)間有兩部分構(gòu)成:(1)車(chē)輛行駛時(shí)間;(2)客戶服務(wù)時(shí)間。由于配送分區(qū)有限,每個(gè)分區(qū)內(nèi)的客戶數(shù)量不是很多,可以采用實(shí)地測(cè)時(shí)的方式,把每條線路的配送時(shí)間統(tǒng)計(jì)出來(lái),這是一種手工辦法,但比較符合實(shí)際來(lái)調(diào)整超過(guò)差值的分區(qū)內(nèi)的客戶,從而使得各區(qū)作業(yè)時(shí)間基本均衡。

如果客戶數(shù)量眾多,分區(qū)也較復(fù)雜,就需要借助統(tǒng)計(jì)學(xué)方法,通過(guò)對(duì)樣本線路車(chē)輛行駛時(shí)間以及服務(wù)時(shí)間,擬合出分區(qū)作業(yè)時(shí)間函數(shù),然后,計(jì)算出所有線路作業(yè)時(shí)間,即使分區(qū)重新調(diào)整,線路重新組合,仍可以很快計(jì)算出線路作業(yè)時(shí)間。本文不在這個(gè)方面進(jìn)行深入探討。

2.3 重新組合客戶,確定最終區(qū)域劃分。觀察各線路作業(yè)時(shí)間超過(guò)允許差值的部分,由大到小來(lái)調(diào)整,將離聚類(lèi)中心最遠(yuǎn)的數(shù)據(jù)點(diǎn)彈出,使本區(qū)T值下降,直至在差值以內(nèi),將彈出點(diǎn)加入到臨近的不足均衡作業(yè)時(shí)間的分區(qū)內(nèi),如果臨近分區(qū)作業(yè)時(shí)間超過(guò)允許差值,這個(gè)點(diǎn)就不能彈出,只能彈出另外的次遠(yuǎn)數(shù)據(jù)點(diǎn),以此類(lèi)推,任何一個(gè)數(shù)據(jù)點(diǎn)只能彈出一次,直到所有數(shù)據(jù)點(diǎn)和分區(qū)調(diào)整完畢。

這樣最終確定的分區(qū),既能做到區(qū)域劃分緊密,效率、成本更低,又能做到各區(qū)作業(yè)時(shí)間均衡,便于工作指派,車(chē)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(qū)域劃分,不僅是配送作業(yè)合理化的重要步驟,也是業(yè)務(wù)人員訪銷(xiāo)工作和客戶服務(wù)的重要依據(jù)。

3 基于改進(jìn)蟻群算法的分區(qū)線路優(yōu)化方法

分區(qū)內(nèi)線路安排,就是一輛送貨車(chē)由DC出發(fā),依次經(jīng)過(guò)分區(qū)內(nèi)每一個(gè)客戶點(diǎn),完成送貨后返回DC,求出近似最優(yōu)的行車(chē)順序,這是個(gè)典型的旅行商問(wèn)題(Traveling Salesman Problem,TSP),TSP是NP完全問(wèn)題,解法很多,有精確算法,也有啟發(fā)式算法,目前許多智能算法就屬于啟發(fā)式算法,可以解決較復(fù)雜的線路優(yōu)化問(wèn)題,對(duì)于一般線路優(yōu)化也能做得更準(zhǔn)確,這里介紹蟻群算法解決實(shí)際問(wèn)題。原因是蟻群算法與其他啟發(fā)式算法相比,在求解性能上,具有較強(qiáng)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(jié)合。克服基本算法缺點(diǎn),改善算法性能。

3.1 蟻群算法簡(jiǎn)介。蟻群算法(Ant Colony Algorithm, ACA)是由意大利學(xué)者M(jìn).Dorigo等人于20世紀(jì)90年代初提出的一種新的模擬進(jìn)化算法,其真實(shí)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(wèn)題TSP,并取得了較好的實(shí)驗(yàn)結(jié)果。

蟻群算法用于解決優(yōu)化問(wèn)題的基本思路是:用螞蟻的行走路徑表示待優(yōu)化問(wèn)題的可行解,整個(gè)螞蟻群體的所有路徑構(gòu)成待優(yōu)化問(wèn)題的解空間。路徑較短的螞蟻釋放的信息素?cái)?shù)量較多,隨時(shí)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(shù)量也越來(lái)越多,最終整個(gè)螞蟻會(huì)在正反饋的作用下集中到最佳線路上,這個(gè)路線就是最有解。

蟻群算法解決TSP問(wèn)題具體步驟:(1)基本參數(shù)設(shè)置:包括螞蟻數(shù)m,信息素重要程度因子0≤α≤5,啟發(fā)函數(shù)重要因子1≤β≤5,信息素消逝參數(shù)0.1≤ρ≤0.99,信息素釋放總量10≤Q≤10 000,最大迭代次數(shù)iter_max,迭代次數(shù)初值iter=1。用試驗(yàn)方法確定α、β、ρ、Q值,以獲得較優(yōu)的組合,有助于改進(jìn)基本蟻群算法,提高整體優(yōu)化效果,并縮短運(yùn)算時(shí)間。(2)初始解的求解:利用最近鄰算法,以縮短算法運(yùn)算時(shí)間,并以此算法產(chǎn)生初始解的路徑長(zhǎng)度作為產(chǎn)生初始信息素的基礎(chǔ)。 (3)構(gòu)建解空間:將各個(gè)螞蟻隨機(jī)地置于不同出發(fā)點(diǎn),對(duì)每個(gè)螞蟻,按公式(1)計(jì)算其下一個(gè)待訪問(wèn)的網(wǎng)點(diǎn),直到所有螞蟻訪問(wèn)完區(qū)域內(nèi)所有網(wǎng)點(diǎn)。(4)更新信息素:計(jì)算各個(gè)螞蟻經(jīng)過(guò)的路徑長(zhǎng)度Lk=1,2,…,m,記錄當(dāng)前迭代次數(shù)中的最優(yōu)解。同時(shí),根據(jù)(2)式和(3)式對(duì)各個(gè)網(wǎng)點(diǎn)連接路徑上的信息素濃度進(jìn)行更新。(5)判斷是否終止:若iter 蟻群算法如結(jié)合其他啟發(fā)式算法,建立混合算法,能夠解決許多現(xiàn)實(shí)問(wèn)題,達(dá)到較好運(yùn)算效果,結(jié)合具體問(wèn)題,可以深入研究。

4 本文的局限與進(jìn)一步研究的方向

路徑規(guī)劃范文第2篇

【關(guān)鍵詞】自動(dòng)導(dǎo)航小車(chē)；路徑；規(guī)劃；控制

隨著科技的不斷進(jìn)步，我國(guó)自動(dòng)化技術(shù)發(fā)展越來(lái)越好，這對(duì)提高人們的生活質(zhì)量有著較大幫助。應(yīng)用自動(dòng)化技術(shù)，可以生產(chǎn)出具有更多功能的機(jī)器與設(shè)備，比如，自動(dòng)導(dǎo)航小車(chē)就是一種新型的機(jī)器，其具有自動(dòng)定位與行駛的特點(diǎn)，可以利用計(jì)算機(jī)技術(shù)，對(duì)小車(chē)的行駛路徑進(jìn)行規(guī)劃與控制。自動(dòng)導(dǎo)航小車(chē)的設(shè)計(jì)與制作涉及多個(gè)領(lǐng)域，在科技不斷發(fā)展的背景下，我國(guó)自動(dòng)化控制水平越來(lái)越高，這也促進(jìn)了自動(dòng)導(dǎo)航小車(chē)的發(fā)展。下面筆者對(duì)自動(dòng)導(dǎo)航小車(chē)的路徑規(guī)劃以及控制方法進(jìn)行簡(jiǎn)單分析。

1.自動(dòng)導(dǎo)航小車(chē)路徑規(guī)劃的定義與方法

1.1自動(dòng)導(dǎo)航小車(chē)路徑規(guī)劃的定義

有學(xué)者對(duì)自動(dòng)導(dǎo)航小車(chē)這類(lèi)機(jī)器的路徑規(guī)劃有著如下定義：在自動(dòng)導(dǎo)航小車(chē)中，設(shè)有自動(dòng)導(dǎo)航系統(tǒng)，該系統(tǒng)是由較多的剛體部件構(gòu)成的，而且有著不同的自由度。如果該系統(tǒng)可在二維或者三維空間中運(yùn)行，則說(shuō)明小車(chē)可以在不破壞自身運(yùn)動(dòng)約束的條件下，進(jìn)行自由運(yùn)動(dòng)。另外，在工作空間中，也存在較多的幾何參數(shù)障礙。路徑規(guī)劃指的是自動(dòng)導(dǎo)航小車(chē)在系統(tǒng)設(shè)定的連續(xù)動(dòng)作下，由給定的初始位形運(yùn)動(dòng)到目標(biāo)位形的設(shè)計(jì)。位形指的是自動(dòng)導(dǎo)向小車(chē)位置與形態(tài)，相關(guān)設(shè)計(jì)人員通過(guò)改變位形，可以控制小車(chē)的行車(chē)路線。

1.2路徑規(guī)劃的方法

自動(dòng)導(dǎo)航小車(chē)路徑規(guī)劃的方法主要有兩類(lèi)，其一是傳統(tǒng)方法，其二是智能方法。第一類(lèi)傳統(tǒng)路徑規(guī)劃方法中，常用的有自由空間法、圖搜索法、人工勢(shì)場(chǎng)法等；第二類(lèi)智能路徑規(guī)劃方法中，常用的是基于遺傳算法的路徑規(guī)劃、基于人工勢(shì)場(chǎng)的路徑規(guī)劃等等。在現(xiàn)代自動(dòng)導(dǎo)航小車(chē)設(shè)計(jì)中，應(yīng)用智能方法比較多，其可以提高路徑規(guī)劃的準(zhǔn)確性，下面筆者對(duì)自動(dòng)導(dǎo)航小車(chē)的路徑規(guī)劃常用的幾種智能方法進(jìn)行簡(jiǎn)單的介紹。

1.2.1基于遺傳算法的路徑規(guī)劃

基于遺傳算法的路徑規(guī)劃在自動(dòng)導(dǎo)航小車(chē)路徑研究中應(yīng)用比較廣泛，其是由國(guó)外的學(xué)者提出的，是在模擬達(dá)爾文生物進(jìn)化論的基礎(chǔ)上創(chuàng)建的，應(yīng)用這種方法可以解決傳統(tǒng)路徑規(guī)劃中存在的漏洞。遺傳算法具有隨機(jī)性，而且具有針對(duì)性，利用遺傳算法可以對(duì)自動(dòng)導(dǎo)航小車(chē)的移動(dòng)路徑進(jìn)行準(zhǔn)確的規(guī)劃，其具有高效的特點(diǎn)。

1.2.2基于人工勢(shì)場(chǎng)的路徑規(guī)劃

人工勢(shì)場(chǎng)是一種虛擬的方法，其將自動(dòng)導(dǎo)航小車(chē)的運(yùn)動(dòng)路徑看做是人工受力場(chǎng)下運(yùn)動(dòng)，應(yīng)用虛擬的方法，主要是利用障礙物對(duì)自動(dòng)導(dǎo)航小車(chē)所產(chǎn)生出的斥力，以及目標(biāo)點(diǎn)對(duì)小車(chē)產(chǎn)生的引力而完成運(yùn)動(dòng)路徑的。在斥力與引力的共同作用下，自動(dòng)導(dǎo)航小車(chē)可以從初始位形移動(dòng)到目標(biāo)位形，由于斥力與引力對(duì)小車(chē)的速度有著較大影響，所以，利用加速力相關(guān)人員還可以計(jì)算出小車(chē)所處的位置，從而控制小車(chē)的運(yùn)動(dòng)方向以及路徑規(guī)劃。

2.不同環(huán)境下自動(dòng)導(dǎo)航小車(chē)的路徑規(guī)劃策略

自動(dòng)導(dǎo)航小車(chē)是一種新型的機(jī)器，其在未知的環(huán)境下，收集信息的情況也有一定差異，通過(guò)分析發(fā)現(xiàn)，其收集信息主要有兩種類(lèi)型，一種是在已知的信息環(huán)境下，全局路徑的規(guī)劃；另一種是在未知的環(huán)境信息下，局部路徑的規(guī)劃。下面筆者主要對(duì)靜態(tài)已知環(huán)境下局部路徑規(guī)劃方法以及靜態(tài)未知環(huán)境下局部路徑規(guī)劃方法進(jìn)行分析。

2.1靜態(tài)已知環(huán)境下局部路徑規(guī)劃方法

靜態(tài)已知的信息環(huán)境下，對(duì)小車(chē)局部路徑進(jìn)行規(guī)劃是一種比較容易實(shí)現(xiàn)的方法，這種規(guī)劃方法有著廣泛的應(yīng)用空間，這種方式最早應(yīng)用的是可視圖算法，隨著科技的不斷發(fā)展，相關(guān)人員又提出了隨機(jī)路圖法，這兩種方法有著各自的適用范圍?？梢晥D算法提出的時(shí)間比較早，其廣泛應(yīng)用是在1987年，研究人員利用可視圖算法，解決了小車(chē)路徑規(guī)劃問(wèn)題?？梢晥D是由節(jié)點(diǎn)與可視邊組成，在已知的環(huán)境下，技術(shù)人員通過(guò)設(shè)置障礙點(diǎn)以及目標(biāo)點(diǎn)，可以幫助小車(chē)快速到達(dá)指定位置。為了提高小車(chē)運(yùn)動(dòng)的效率，設(shè)計(jì)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(diǎn)到目標(biāo)點(diǎn)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(gòu)造，這種方法在二維空間中發(fā)揮較高的效用，但是在高維空間中并不適用。

2.2靜態(tài)未知環(huán)境下局部路徑規(guī)劃方法

靜態(tài)未知環(huán)境下，自動(dòng)導(dǎo)航小車(chē)需要利用自身傳感器對(duì)環(huán)境進(jìn)行感知，在獲得局部信息后，對(duì)局部路徑進(jìn)行規(guī)劃，這種規(guī)劃方式主要采用了勢(shì)場(chǎng)法，但是在應(yīng)用的過(guò)程中也存在一定局限性，設(shè)計(jì)人員需要重點(diǎn)考慮梯度以及積分問(wèn)題，而且需要通過(guò)分析多個(gè)局部信息，掌握全局信息。這種路徑規(guī)劃法效用的發(fā)揮與傳感器性能有較大關(guān)系，為了更好的掌握全局信息，設(shè)計(jì)人員多采用的是實(shí)時(shí)傳感器。這種規(guī)劃方法的基本思路是：自動(dòng)導(dǎo)航小車(chē)向目標(biāo)點(diǎn)運(yùn)動(dòng)的過(guò)程中有多種路徑，相關(guān)人員需要將所有可能性進(jìn)行量化，在通過(guò)分析障礙物信息，從而得出最佳的規(guī)劃路徑。在對(duì)通路進(jìn)行檢測(cè)時(shí)，要避免小車(chē)進(jìn)入死路，通過(guò)測(cè)量障礙物間的距離，判斷小車(chē)是否可以通行，如果通路被堵塞，則需要重新優(yōu)化路徑。

3.自動(dòng)導(dǎo)航小車(chē)的路徑控制

控制軟件與各模塊驅(qū)動(dòng)程序是保障系統(tǒng)正常運(yùn)行不可或缺的部分?？刂栖浖谥鳈C(jī)上實(shí)現(xiàn)，各模塊驅(qū)動(dòng)程序在各自模塊中運(yùn)行，控制軟件與各模塊驅(qū)動(dòng)程序之間可通過(guò)主從式結(jié)構(gòu)進(jìn)行必要的通信聯(lián)系。子機(jī)可向主機(jī)發(fā)出異常情況處理信號(hào)，利用通信技術(shù)，還可以控制各子模塊的運(yùn)行狀況。

3.1運(yùn)動(dòng)控制的位置環(huán)調(diào)節(jié)

參數(shù)調(diào)節(jié)運(yùn)動(dòng)控制驅(qū)動(dòng)器的位置控制回路時(shí)，運(yùn)用基于觀測(cè)器的狀態(tài)變量控制技術(shù)。采用此技術(shù)，運(yùn)動(dòng)控制驅(qū)動(dòng)器的優(yōu)點(diǎn)是：⑴系統(tǒng)將具有很高的動(dòng)態(tài)剛度；⑵即使負(fù)載和電機(jī)的慣量有較大差別，仍可有效減少跟蹤誤差。在運(yùn)動(dòng)之前，必須進(jìn)行軌跡參數(shù)設(shè)置及完成參數(shù)設(shè)置。初始調(diào)節(jié)時(shí)，一般設(shè)定運(yùn)動(dòng)速度、加速度、加加速度為較大值，而運(yùn)動(dòng)位置為一較小值。

3.2軸的運(yùn)動(dòng)

軸運(yùn)動(dòng)有兩種，一種是單軸運(yùn)動(dòng)，另一種是多軸協(xié)調(diào)運(yùn)動(dòng)。單軸運(yùn)動(dòng)是指某一種運(yùn)動(dòng)模式設(shè)定后，該軸將保持這種運(yùn)動(dòng)模式，直到設(shè)置新的運(yùn)動(dòng)模式為止。多軸協(xié)調(diào)運(yùn)動(dòng)是指運(yùn)動(dòng)控制器可以實(shí)現(xiàn)兩種軌跡的多軸協(xié)調(diào)運(yùn)動(dòng)。對(duì)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(dāng)前軸運(yùn)動(dòng)完全停止的情況下進(jìn)行?？刂破髦胁煌妮S可以工作在不同的運(yùn)動(dòng)模式下，在某些情況下，為了安全起見(jiàn)，需要在某些位置或某個(gè)時(shí)刻使運(yùn)動(dòng)停止。

4.結(jié)語(yǔ)

通過(guò)上文的分析可以看出，自動(dòng)導(dǎo)航小車(chē)具有較高的性能以及較多的功能，其性能體現(xiàn)了我國(guó)科技的進(jìn)步性。在計(jì)算機(jī)技術(shù)的影響下，相關(guān)設(shè)計(jì)人員利用傳感器，使自動(dòng)導(dǎo)航小車(chē)獲取周?chē)h(huán)境的信息，其獲取的方式有兩種，一種是在已知的信息環(huán)境下，獲取全局信息，另一種是在未知的環(huán)境下，獲取局部的信息。為了更好的控制小車(chē)路徑，相關(guān)人員需要掌握傳感器信息融合算法，還要避免外界環(huán)境對(duì)信息準(zhǔn)確性的影響，這樣才能提高路徑規(guī)劃與控制測(cè)量的可行性。

【參考文獻(xiàn)】

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

路徑規(guī)劃范文第3篇

關(guān)鍵詞：精英策略；蟻群算法；配送中心；信息素；路徑

中圖分類(lèi)號(hào)：F252.14 文獻(xiàn)標(biāo)識(shí)碼：A

關(guān)于物流配送路徑規(guī)劃一直是物流領(lǐng)域研究的熱點(diǎn)和難點(diǎn)問(wèn)題，從國(guó)外研究情況來(lái)看，1993年Ronald 等人提出物流系統(tǒng)設(shè)計(jì)的四個(gè)核心戰(zhàn)略規(guī)劃區(qū)域模型（Four major strategic planning areas in logistics system design），他認(rèn)為四個(gè)核心區(qū)域?yàn)榭蛻舴?wù)水平、選址決策、庫(kù)存決策和運(yùn)輸決策（Customer service levels，Location decisions，Inventory decisions，Transport decisions），對(duì)于配送中心選址方法可簡(jiǎn)單分為定性和定量?jī)纱箢?lèi)，定性方法主要是層次分析法和模糊綜合評(píng)價(jià)相結(jié)合對(duì)各個(gè)方案進(jìn)行指標(biāo)評(píng)價(jià)，找出最優(yōu)地址。定量方法包括重心法、運(yùn)輸規(guī)劃法、Cluste法、CFLP法、Baumol-Wolfe模型、混合0—1整數(shù)規(guī)劃法、雙層規(guī)劃法、遺傳算法等。蟻群算法是一種新型的優(yōu)化方法，該算法不依賴(lài)于具體問(wèn)題的數(shù)學(xué)描述，具有全局優(yōu)化能力。

本文提出了一種基于改進(jìn)蟻群算法的物流配送路徑規(guī)劃方法，將物流配送中心看成一個(gè)聚類(lèi)過(guò)程，再利用蟻群系統(tǒng)中螞蟻通過(guò)信息素留存尋找最優(yōu)路徑的機(jī)制，結(jié)合螞蟻使物體聚堆的行為模式，合理設(shè)計(jì)轉(zhuǎn)移概率、禁忌列表及信息素更新方式，使系統(tǒng)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(xué)家經(jīng)過(guò)大量細(xì)致觀察研究發(fā)現(xiàn)，螞蟻個(gè)體之間通過(guò)一種稱(chēng)為外激素的物質(zhì)進(jìn)行信息傳遞，螞蟻在運(yùn)動(dòng)過(guò)程中，能夠在它所經(jīng)過(guò)的路徑上留下信息素，而且螞蟻在運(yùn)動(dòng)過(guò)程中能夠感知這種物質(zhì)，并且以此指導(dǎo)自己的運(yùn)動(dòng)方向。受此啟發(fā)，它由意大利學(xué)者M(jìn)arco 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(yōu)化算法——蟻群算法。

蟻群算法（ant colony optimization， ACO），又稱(chēng)螞蟻算法，是一種用來(lái)在圖中尋找優(yōu)化路徑的機(jī)率型技術(shù)。其靈感來(lái)源于螞蟻在尋找食物過(guò)程中發(fā)現(xiàn)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(jīng)研究發(fā)現(xiàn)，螞蟻的這種群體協(xié)作功能是通過(guò)一種遺留在其來(lái)往路徑上叫做信息素（Pheromone）的揮發(fā)性化學(xué)物質(zhì)來(lái)進(jìn)行通信和協(xié)調(diào)的?；瘜W(xué)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(xí)性中起著重要的作用。通過(guò)對(duì)螞蟻覓食行為的研究發(fā)現(xiàn)，整個(gè)蟻群就是通過(guò)這種信息素進(jìn)行相互協(xié)作，形成正反饋，從而使多個(gè)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(guò)學(xué)習(xí)螞蟻覓食回巢的生物本能，對(duì)物流配送進(jìn)行仿真模擬，找出優(yōu)化的配送路徑，提高物流配送的效率和效益。

1.2 研究的對(duì)象

先對(duì)6個(gè)同配送點(diǎn)的配送方案進(jìn)行研究，然后延伸到100個(gè)配送點(diǎn)，并找出最佳路徑。以上步驟均通過(guò)計(jì)算機(jī)編程進(jìn)行演化分析。把研究的成果進(jìn)行實(shí)際應(yīng)用的演算和驗(yàn)證。

1.3 研究方法

本文使用蟻群算法，進(jìn)行人工模擬配送路線，并用計(jì)算機(jī)編程進(jìn)行模擬，就如同一只人工螞蟻，背著背包，到若干個(gè)結(jié)點(diǎn)，搬運(yùn)食物回蟻巢。

規(guī)則1 環(huán)境：人工螞蟻所在的環(huán)境是一個(gè)虛擬的世界，有確定的路線橋，且兩點(diǎn)間路線橋不相交；有信息素，信息素都同質(zhì)（不區(qū)分，找到食物時(shí)分泌的信息素和回巢時(shí)分泌的信息素），環(huán)境以一定的速率讓信息素消失。

規(guī)則2 移動(dòng)：人工螞蟻只會(huì)沿著路線橋覓食，當(dāng)走到結(jié)點(diǎn)（覓食點(diǎn)），人工螞蟻會(huì)判斷是否有信息素及其濃度，優(yōu)先選擇信息素濃度大的路線橋?yàn)槁窂?；同時(shí)會(huì)有一定的概率，隨機(jī)選擇別的路線橋；如路線橋上均無(wú)信息素則隨機(jī)選擇路線橋。

規(guī)則3 覓食：人工螞蟻沿路線橋到各個(gè)結(jié)點(diǎn)覓食，當(dāng)?shù)竭_(dá)該覓食點(diǎn)后，為防止人工螞蟻原地轉(zhuǎn)圈，它會(huì)記住最近剛走過(guò)哪些點(diǎn)（禁忌表），如發(fā)現(xiàn)下一個(gè)結(jié)點(diǎn)是已覓食過(guò)的結(jié)點(diǎn)，則會(huì)避開(kāi)該點(diǎn)。

規(guī)則4 信息素：每只人工螞蟻在遍歷完各點(diǎn)后，系統(tǒng)會(huì)利用蟻周算法更新信息素，對(duì)總路徑最短的路線進(jìn)行精英激勵(lì)，會(huì)大量增加該路線信息素；如果總路徑較長(zhǎng)則少量增加信息素；信息素在人工螞蟻遍歷完后，將會(huì)按一定速率自動(dòng)揮發(fā)所有路線橋上的信息素。

2 研究步驟

2.1 初始化結(jié)點(diǎn)

各個(gè)結(jié)點(diǎn)進(jìn)行坐標(biāo)化，數(shù)據(jù)存入zuobiao（序號(hào)：X，Y）表中，見(jiàn)表1，然后構(gòu)造成路線橋距離矩陣存入jiedian（序列：1，2，3，…，n）表中，見(jiàn)表2，此次研究擬選用zuobiao表中的結(jié)點(diǎn)和數(shù)據(jù)：

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?cái)?shù)據(jù)存入xinxisu（序號(hào)：1，2，3，...，n）表中，見(jiàn)表3，用0表示無(wú)信息素。

2.3 初始化禁忌表

人工螞蟻比較聰明，當(dāng)?shù)竭_(dá)該覓食點(diǎn)后，它會(huì)記住已找到的結(jié)點(diǎn)，并把結(jié)點(diǎn)信息存入jinji（序號(hào)，禁忌，先后順序）表中，其中0表示未用，1表示已用，詳見(jiàn)jinji表，見(jiàn)表4。

第1只人工螞蟻運(yùn)行狀態(tài)：人工螞蟻從巢穴出發(fā)，判斷與該結(jié)點(diǎn)連接的各個(gè)路線橋上的信息素的濃度，因信息素均為0，則用隨機(jī)函數(shù)進(jìn)行選擇路線在jinji表中把起點(diǎn)設(shè)置為1（已用），先后順序?yàn)?，離開(kāi)起點(diǎn)沿著該路線橋到達(dá)下一覓食結(jié)點(diǎn)，信息素為0，則用隨機(jī)函數(shù)進(jìn)行選擇路線同樣在jinji表中把第1個(gè)覓食結(jié)點(diǎn)設(shè)置為1（已用），先后順序?yàn)?，離開(kāi)第1個(gè)結(jié)點(diǎn)沿著該路線橋到達(dá)下一覓食結(jié)點(diǎn)，判斷信息素，隨機(jī)函數(shù)選擇路線橋……當(dāng)6個(gè)覓食結(jié)點(diǎn)全部走完后，人工螞蟻?zhàn)詣?dòng)沿著路線橋回到巢穴結(jié)點(diǎn)，從而形成完整的閉合回路計(jì)算總路線橋長(zhǎng)度，用L1表示，同時(shí)更新xinxisu表，在路線橋閉合回路全部灑上強(qiáng)度為3的信息素。

第2只人工螞蟻運(yùn)行狀態(tài)：人工螞蟻從巢穴出發(fā)，判斷與該結(jié)點(diǎn)連接的各個(gè)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(jié)點(diǎn)，但也會(huì)有“叛逆”的情況，用隨機(jī)函數(shù)產(chǎn)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(jié)點(diǎn)在jinji表中把起點(diǎn)設(shè)置為1（已用），先后順序?yàn)?，離開(kāi)起點(diǎn)沿著該路線橋到達(dá)下一覓食結(jié)點(diǎn)，判斷連接該覓食結(jié)點(diǎn)各個(gè)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(dòng)，同時(shí)考慮小概率事件是否發(fā)生，如發(fā)生則沿著小概率選擇的優(yōu)先路線前進(jìn)。同樣在jinji表中把第1個(gè)覓食結(jié)點(diǎn)設(shè)置為1（已用），先后順序?yàn)?，離開(kāi)第1個(gè)結(jié)點(diǎn)沿著該路線橋到達(dá)下一覓食結(jié)點(diǎn)，判斷信息素濃度，并優(yōu)先考慮小概率事件……當(dāng)6個(gè)覓食結(jié)點(diǎn)全部走完后，人工螞蟻?zhàn)詣?dòng)沿著路線橋回到巢穴結(jié)點(diǎn)，從而形成完整的閉合回路計(jì)算總路線橋長(zhǎng)度，用L2表示，更新xinxisu表，判斷該輪路線橋總長(zhǎng)度是否是最短，如最短則在第2只螞蟻?zhàn)哌^(guò)的路線橋上全部灑上激勵(lì)的信息素，其值為3，同時(shí)，在全部路線橋上按1個(gè)信息素/每輪的速率，揮發(fā)信息素。

2.4 總路線長(zhǎng)度最優(yōu)的判定

判斷路線橋該輪路線橋總長(zhǎng)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(shè)為最短路徑，用Lmin表示，后續(xù)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(shè)為最短路徑，用Lmin表示，后續(xù)人工螞蟻的Ln均與Lmin比較

后續(xù)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(gè)覓食點(diǎn)，其路徑橋?yàn)樽疃搪肪€。

2.5 參數(shù)選取

（1）隨機(jī)小概率為0.05，結(jié)點(diǎn)6個(gè)，信息素對(duì)精英螞蟻獎(jiǎng)勵(lì)+3，對(duì)一般螞蟻+1，信息素?fù)]發(fā)速率為1/輪。

（2）人工螞蟻選取80只（迭代80輪）。

（3）覓食結(jié)點(diǎn)的狀態(tài)。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(jìn)行選擇，而是人工賦予隨機(jī)選擇函數(shù)。在離開(kāi)原點(diǎn)時(shí)選擇概率為1/6，到第一個(gè)結(jié)點(diǎn)后選擇概率為1/5，到第二個(gè)結(jié)點(diǎn)后選擇概率為1/4，……，1/1回到巢穴。

2.6 進(jìn)行演算

覓食結(jié)點(diǎn)的狀態(tài)選取3種狀態(tài)：離散型、聚合型、平均型；隨機(jī)小概率事件按分形理論選取20個(gè)不同的參數(shù)，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(jìn)行10次演算求出平均值，作為該輪穩(wěn)定的最短路徑。綜合考慮狀態(tài)的聚合度、覓食結(jié)點(diǎn)個(gè)數(shù)、隨機(jī)小概率事件，通過(guò)編程和建立數(shù)據(jù)庫(kù)，模擬最優(yōu)路線結(jié)果如下：

1354261 其中Lmin=45.2

3 實(shí)例分析

為了驗(yàn)證本算法的正確性，在Matlab平臺(tái)上對(duì)其進(jìn)行了仿真實(shí)驗(yàn)。建立如下數(shù)學(xué)模型，選取福州市某配送中心10個(gè)點(diǎn)進(jìn)行配送，并且要求路徑最短，如表5所示，10個(gè)點(diǎn)經(jīng)過(guò)坐標(biāo)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(jìn)行10次迭代并取平均值。結(jié)合迭代運(yùn)算，得出最優(yōu)路徑如下：

23456810912

蟻群算法可以比較完美地解決配送路徑問(wèn)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(diǎn)之間有捷徑，模擬最優(yōu)線路與實(shí)際線路會(huì)有偏差，同時(shí)算法可能會(huì)陷入局部最優(yōu)，可以通過(guò)控制收斂速度和加快趨向最優(yōu)路徑對(duì)蟻群算法進(jìn)行優(yōu)化。

參考文獻(xiàn)：

[1] 李云清. 物流系統(tǒng)規(guī)劃[M]. 上海：同濟(jì)大學(xué)出版社，2004.

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

[3] 魏娜. 關(guān)于物流配送中心選址優(yōu)化問(wèn)題研究[D]. 大連：東北財(cái)經(jīng)大學(xué)（碩士學(xué)位論文），2006.

[4] 高雷阜，等. 基于最大最小螞蟻系統(tǒng)的物流配送中心選址算法的研究[J]. 運(yùn)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(lèi)應(yīng)用[J]. 礦山機(jī)械，2007（1）：115-117.

路徑規(guī)劃范文第4篇

關(guān)鍵詞：運(yùn)輸貨損；車(chē)輛路徑；規(guī)劃

本文首先對(duì)車(chē)輛路徑規(guī)劃問(wèn)題和算法應(yīng)用，以及運(yùn)輸貨損理論的研究現(xiàn)狀進(jìn)行充分調(diào)研。在此基礎(chǔ)上，對(duì)鮮花配送車(chē)輛路徑規(guī)劃問(wèn)題所關(guān)注的目標(biāo)進(jìn)行分析，除常規(guī)的車(chē)輛使用數(shù)量和車(chē)輛行駛里程外，加入了鮮花行業(yè)特有的運(yùn)輸貨損目標(biāo)，應(yīng)用遺傳算法與節(jié)約算法相結(jié)合的兩階段啟發(fā)式算法，結(jié)合企業(yè)物流配送現(xiàn)狀及遠(yuǎn)期發(fā)展規(guī)劃，得出一種鮮花配送車(chē)輛路徑規(guī)劃的可行方法。

1.車(chē)輛路徑規(guī)劃理論與研究現(xiàn)狀

作為物流配送中的一個(gè)熱門(mén)問(wèn)題，車(chē)輛路徑規(guī)劃問(wèn)題最早由Ramser和Dantzing提出，其可以描述為：在一定數(shù)量的配送中心和客戶構(gòu)成的節(jié)點(diǎn)網(wǎng)絡(luò)中，通過(guò)安排合適的行車(chē)路線，使配送車(chē)輛從配送中心取貨并根據(jù)預(yù)先設(shè)定的路線至每個(gè)客戶點(diǎn)卸貨，完成各客戶點(diǎn)所需求的貨物配送量。

1.1車(chē)輛路徑規(guī)劃理論

1901年，美國(guó)的John F.Crowell在政府報(bào)告中最早提及物流的概念，用于分析影響農(nóng)產(chǎn)品流通的不同因素和相關(guān)費(fèi)用。隨著理論研究和實(shí)踐應(yīng)用的不斷深入，為統(tǒng)一對(duì)物流的認(rèn)識(shí)，需要對(duì)其進(jìn)行準(zhǔn)確的規(guī)范化定義。中國(guó)的物流術(shù)語(yǔ)標(biāo)準(zhǔn)將物流定義為：物流是物品從供應(yīng)地向接收地的實(shí)體流動(dòng)過(guò)程中，根據(jù)實(shí)際需要，將運(yùn)輸、儲(chǔ)存、流通加工、包裝、裝卸搬運(yùn)、配送、信息處理等功能有機(jī)結(jié)合起來(lái)實(shí)現(xiàn)用戶要求的過(guò)程。

1.2車(chē)輛路徑規(guī)劃問(wèn)題研究現(xiàn)狀

VRP是一類(lèi)具有極強(qiáng)應(yīng)用性的優(yōu)化調(diào)度問(wèn)題，它在物流配送、交通運(yùn)輸?shù)阮I(lǐng)域獲得了廣泛的應(yīng)用，其范例大量存在于日常生活之中。由于VRP在應(yīng)用上的廣泛性和經(jīng)濟(jì)上的重要價(jià)值，自1959年由Danzig和Ramser提出以來(lái)，一直是學(xué)界研究的重點(diǎn)和熱點(diǎn)問(wèn)題，50多年來(lái)已經(jīng)取得了大量的研究成果。從解法上來(lái)看，對(duì)VRP的求解算法主要可分為精確算法和啟發(fā)式算法，而最近10年來(lái)，對(duì)于VRP的求解算法研究，主要集中在現(xiàn)代啟發(fā)式算法。

2.車(chē)輛路徑規(guī)劃問(wèn)題算法分類(lèi)與概述

自從VRP問(wèn)題被提出以后，由于其同時(shí)具有理論價(jià)值和現(xiàn)實(shí)意義，VRP問(wèn)題迅速受到越來(lái)越多研究人員的重視，力求能夠發(fā)現(xiàn)求解各類(lèi)VRP問(wèn)題的高效算法。按照VRP問(wèn)題發(fā)展與研究過(guò)程來(lái)看，算法大致可分為三類(lèi)，即精確算法、經(jīng)典啟發(fā)式算法和現(xiàn)代啟發(fā)式算法。

通過(guò)對(duì)大量文獻(xiàn)的分析研究，歸納得出三類(lèi)算法的優(yōu)勢(shì)與劣勢(shì)對(duì)比如下：

精確算法，能夠求出問(wèn)題的精確解，當(dāng)問(wèn)題規(guī)模較大時(shí)，往往會(huì)導(dǎo)致計(jì)算量過(guò)大、存儲(chǔ)信息太多等問(wèn)題，降低了計(jì)算效率，主要適用于較小規(guī)模的簡(jiǎn)單路徑規(guī)劃問(wèn)題求解。

經(jīng)典啟發(fā)式算法，不斷對(duì)解的結(jié)果進(jìn)行優(yōu)化，能夠保證每次迭代后求得的解都是當(dāng)前最優(yōu)解；計(jì)算速度快、復(fù)雜度低，容易陷入局部搜索，可能無(wú)法跳出局部范圍找到全局最優(yōu)解，與其他算法結(jié)合，廣泛應(yīng)用于復(fù)雜大規(guī)模路徑規(guī)劃問(wèn)題。

現(xiàn)代啟發(fā)式算法，具有能夠跳出當(dāng)前搜索領(lǐng)域而進(jìn)行全局搜索的能力；結(jié)構(gòu)開(kāi)放性，與問(wèn)題無(wú)關(guān)性，應(yīng)用理論要求較高，針對(duì)不同問(wèn)題的研究還不完善，廣泛應(yīng)用于復(fù)雜大規(guī)模路徑規(guī)劃問(wèn)題。

3.考慮運(yùn)輸貨損的鮮花配送車(chē)輛路徑規(guī)劃問(wèn)題概述

中國(guó)鮮花行業(yè)伴隨供給側(cè)結(jié)構(gòu)性改革與消費(fèi)升級(jí)的浪潮，近幾年也在發(fā)生翻天覆地的變化。

隨著線下連鎖店數(shù)量逐漸增加，物流配送壓力與成本也不斷上升，配送車(chē)輛路徑規(guī)劃便成為亟待考慮并解決的問(wèn)題。對(duì)于中心倉(cāng)庫(kù)-連鎖店運(yùn)營(yíng)模式，采用巡回配送方式更優(yōu)于點(diǎn)對(duì)點(diǎn)的直送方式。通過(guò)對(duì)運(yùn)輸貨損研究的分析，一般整個(gè)配送過(guò)程中的貨損可分為兩部分：一是在配送運(yùn)輸過(guò)程當(dāng)中的損耗，由生鮮品時(shí)間累積產(chǎn)生損耗和路況引起的顛簸、碰撞損耗組成；二是在客戶點(diǎn)裝卸貨物時(shí)，由溫度變化與時(shí)間累積產(chǎn)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(shù)定義及約束條件

設(shè)有n個(gè)客戶節(jié)點(diǎn)，每個(gè)客戶節(jié)點(diǎn)的需求量為（i=1，2，…，n）；有m輛配送車(chē)輛（型號(hào)種類(lèi)完全一致），每輛車(chē)的最大載重量為Q?？蛻鬷到客戶j的距離為， 0表示配送中心，則配送中心到客戶點(diǎn)的距離為 （i=1，2，…，n）。由于一條線路上所有客戶點(diǎn)由一輛車(chē)進(jìn)行配送，所以要求考慮貨損量的前提下，每條線路客戶點(diǎn)需求量之和不超過(guò)每輛車(chē)的最大載重量。

4.小結(jié)

通過(guò)對(duì)考慮運(yùn)輸貨損的鮮花配送車(chē)輛路徑規(guī)劃問(wèn)題進(jìn)行概述，介紹了中心倉(cāng)庫(kù)-連鎖店運(yùn)營(yíng)模式下，車(chē)輛路徑規(guī)劃問(wèn)題的多目標(biāo)函數(shù)。本文求解的VRP問(wèn)題屬于大規(guī)模VRP問(wèn)題，參數(shù)定義和約束條件與一般VRP問(wèn)題類(lèi)似，同時(shí)根據(jù)問(wèn)題實(shí)際情況增加了貨損相關(guān)的各類(lèi)參數(shù)、例如多種貨物損耗比例等。具體建模階段，遵循“化繁為簡(jiǎn)”思想以及多目標(biāo)函數(shù)求解思路，將目標(biāo)函數(shù)通過(guò)各自獨(dú)立的成本轉(zhuǎn)換因子轉(zhuǎn)化為成本相關(guān)的目標(biāo)函數(shù)，最終通過(guò)疊加得到了以總成本為目標(biāo)的車(chē)輛路徑規(guī)劃單目標(biāo)函數(shù)，從而確定最經(jīng)濟(jì)鮮花配送路徑。

參考文獻(xiàn)：

[1]丁秋雷，胡祥培，李永先.求解有時(shí)間窗的車(chē)輛路徑問(wèn)題的混合蟻群算法[J].系統(tǒng)工程理論與實(shí)踐，2007，10：98.104.

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

[3]李大衛(wèi)，王莉，王夢(mèng)光.遺傳算法在有時(shí)間窗車(chē)輛路徑問(wèn)題上的應(yīng)用[J].系統(tǒng)工程理論與實(shí)踐，1999，8：65.69.

[4]張麗萍，柴躍廷，曹瑞.有時(shí)間窗車(chē)輛路徑問(wèn)題的改進(jìn)遺傳算法[J].計(jì)算機(jī)集成制造系統(tǒng)-CIMS，2002，8（6）：451-454.

路徑規(guī)劃范文第5篇

【關(guān)鍵詞】低碳電力系統(tǒng)；規(guī)劃；環(huán)境資源

1低碳電力系統(tǒng)

發(fā)展低碳電力系統(tǒng)，不僅能夠在一定程度上提升電力系統(tǒng)的實(shí)際工作效率，而且還能最大程度的降低運(yùn)營(yíng)成本，尤為重要的是因?yàn)樘寂欧畔鄬?duì)減少了，對(duì)于外部環(huán)境資源的影響明顯降低了，使得電力系統(tǒng)能夠長(zhǎng)期處于一個(gè)穩(wěn)健且可持續(xù)發(fā)展的狀態(tài)之中。

2低碳電力系統(tǒng)的規(guī)劃

就目前的實(shí)際情況來(lái)看，涉及低碳電力系統(tǒng)的規(guī)劃主要包括了對(duì)低碳電源與低碳電網(wǎng)的兩個(gè)主要環(huán)節(jié)。從低碳電源的角度上來(lái)說(shuō)，是與前期的負(fù)荷預(yù)測(cè)有直接關(guān)系的，如果在整個(gè)電網(wǎng)投入實(shí)際運(yùn)營(yíng)之后再進(jìn)行改造，無(wú)論是從成本支出的角度上，還是從機(jī)組工作效力與效率的角度上來(lái)說(shuō)都不是十分的經(jīng)濟(jì)，因此相關(guān)的措施基本上都是基于前期的論證與規(guī)劃開(kāi)展的，受到外部主觀因素的影響較大，能夠?qū)嶋H拓展的空間的確有限。但是從低碳電網(wǎng)的角度上來(lái)說(shuō)，可以整合與規(guī)劃的資源就相對(duì)較多了。首先說(shuō)電網(wǎng)的建設(shè)與投資規(guī)劃中，完全可以基于輸電線路的實(shí)際運(yùn)行狀況進(jìn)行綜合分析。目前輸電線路的實(shí)際損耗過(guò)高，是導(dǎo)致輸電成本激增的一個(gè)重要環(huán)節(jié)，能夠采用新技術(shù)對(duì)輸電線路的運(yùn)行進(jìn)行改造，最大程度的降低輸電損耗的實(shí)際支出，就已經(jīng)為電網(wǎng)的低碳運(yùn)行打下了一個(gè)堅(jiān)實(shí)的基礎(chǔ)。另外，由于不同輸電線路中網(wǎng)架結(jié)構(gòu)明顯的存在較大差異，網(wǎng)際之間存在的融合性電損也是造成輸電線路實(shí)際損耗過(guò)大的一個(gè)重要因素。在降低同規(guī)格電網(wǎng)單位額度損耗的前提下，能夠?qū)崿F(xiàn)網(wǎng)際之間的融合性，提升有效輸電的支撐作用，是實(shí)現(xiàn)低碳電網(wǎng)運(yùn)行的突破口。

3低碳電力系統(tǒng)的運(yùn)行優(yōu)化

需要強(qiáng)調(diào)的一點(diǎn)是，個(gè)別觀點(diǎn)認(rèn)為低碳運(yùn)行的電力系統(tǒng)其本質(zhì)應(yīng)該從立項(xiàng)初期就定位在新興能源結(jié)構(gòu)上，這其實(shí)是對(duì)低碳電力系統(tǒng)運(yùn)行的一種誤讀，因?yàn)橄啾容^風(fēng)能、太陽(yáng)能這些新興能源需要對(duì)客觀環(huán)境存在一定限制而言，火電電力系統(tǒng)對(duì)于地理位置幾乎沒(méi)有什么過(guò)多的要求，火電的存在對(duì)于緩解區(qū)域范圍內(nèi)的電力緊張，對(duì)于降低遠(yuǎn)距離或者超遠(yuǎn)距離輸電過(guò)程中出現(xiàn)的電力損耗也是一種補(bǔ)充，其實(shí)這在一定的意義上就已經(jīng)顯示胡了低碳的效力來(lái)了。對(duì)于那些已經(jīng)實(shí)際投入運(yùn)行的火力電廠而言，要想實(shí)現(xiàn)低碳電力系統(tǒng)的運(yùn)行優(yōu)化，在經(jīng)過(guò)科學(xué)的論證之后，可以從發(fā)電機(jī)組的運(yùn)行角度來(lái)實(shí)現(xiàn)性能的整體優(yōu)化。首先，要確定發(fā)電機(jī)組的低碳運(yùn)行模目標(biāo)。發(fā)電機(jī)組的實(shí)際運(yùn)行情況，直接關(guān)系到火力發(fā)電廠的成本支出，只有將發(fā)電機(jī)組低碳運(yùn)行作為工作目標(biāo)，這樣才能有效的做到節(jié)約成本。其次，要對(duì)發(fā)電機(jī)組的實(shí)際運(yùn)行進(jìn)行優(yōu)化調(diào)度。這是法典機(jī)組實(shí)現(xiàn)運(yùn)行優(yōu)化，確保電力系統(tǒng)實(shí)現(xiàn)低碳目標(biāo)的關(guān)鍵。因?yàn)轭A(yù)設(shè)的發(fā)電任務(wù)規(guī)劃是既定的，涉及到輸電網(wǎng)絡(luò)的有效載荷問(wèn)題，因此在常規(guī)情況下來(lái)說(shuō)，發(fā)電機(jī)組的實(shí)際運(yùn)行優(yōu)化方案并不涉及到發(fā)電機(jī)組的實(shí)際輸出總電量。主要是把參與實(shí)際工作的若干個(gè)不同機(jī)組，按照其最優(yōu)化輸出功率的比例，來(lái)分配系統(tǒng)有效負(fù)荷。從電力行業(yè)投資效率看，我國(guó)近十多年來(lái)呈明顯下降趨勢(shì)。如1995年，每新增一千瓦時(shí)發(fā)電量需投入資金約1．3元，2000年至2007年穩(wěn)定在1．5元左右，2012年、2013年卻分別上升為2．8和2元。電網(wǎng)2011年投資為2003年的3．5倍，但新增變電容量?jī)H為2003年的2倍，新增輸電線路長(zhǎng)度僅為2003年的1．3倍。從單位GDP電耗和能耗看，我國(guó)分別為870千瓦時(shí)/萬(wàn)元和0．7噸標(biāo)煤/萬(wàn)元，是世界平均水平的2．1倍和2倍，遠(yuǎn)高于美、日、歐等發(fā)達(dá)國(guó)家，也大幅高于印度、巴西等發(fā)展中國(guó)家。以30萬(wàn)kV的火電機(jī)組為例，在峰值階段，可能需要四臺(tái)機(jī)組同時(shí)運(yùn)行才能滿足實(shí)際需求，但是在谷值階段，不僅輸電網(wǎng)承受不了超高的電力輸出，而且實(shí)際需求也根本達(dá)不到額定的負(fù)荷標(biāo)準(zhǔn)，尤為重要的是這種情況下再?gòu)?qiáng)調(diào)滿負(fù)荷運(yùn)轉(zhuǎn)已經(jīng)相對(duì)的提升了發(fā)電成本。因此，在谷值的時(shí)候，可以考慮根據(jù)實(shí)際情況讓其中2臺(tái)機(jī)組正常運(yùn)轉(zhuǎn)，如果谷值周期較長(zhǎng)的情況下，甚至可以考慮對(duì)其它兩臺(tái)機(jī)組進(jìn)行停機(jī)檢修，當(dāng)下一個(gè)谷值來(lái)臨的時(shí)候，就可以輪換著使用檢修完畢的兩臺(tái)機(jī)組。這樣一方面讓機(jī)組處于最優(yōu)化的工作環(huán)境中，一方面讓機(jī)器設(shè)備實(shí)現(xiàn)了周期性的檢修，最主要的一方面是采用這種科學(xué)的規(guī)劃方式，不僅降低了發(fā)電的單位成本，而且直接減少了碳排放。無(wú)論從哪個(gè)角度上來(lái)說(shuō)都是實(shí)現(xiàn)了低碳電網(wǎng)的實(shí)際運(yùn)行。最后，要對(duì)發(fā)電機(jī)組的碳排放進(jìn)行科學(xué)規(guī)劃。在傳統(tǒng)的發(fā)電機(jī)組碳排放過(guò)程中，雖然也采取了一些環(huán)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(guó)家相關(guān)部門(mén)對(duì)發(fā)電廠的碳排放采取了量化制約的措施志愿后，發(fā)電機(jī)組的碳排放已經(jīng)進(jìn)入了一個(gè)“剛性制約”的時(shí)期。利用計(jì)算機(jī)模擬系統(tǒng)，對(duì)不同階段發(fā)電機(jī)組的實(shí)際運(yùn)行效果統(tǒng)一展開(kāi)測(cè)算，從而計(jì)算出總體的碳排放量，根據(jù)最新的技術(shù)革新手段，對(duì)部分碳排放進(jìn)行二次回收和利用，能夠在一定程度上提升其實(shí)際利用率，也能夠最大程度上降低碳排放對(duì)環(huán)境造成的污染。在這個(gè)過(guò)程將建立一種預(yù)警制約機(jī)制，對(duì)于碳排放的總量和實(shí)時(shí)數(shù)據(jù)都進(jìn)行有效監(jiān)控，如果實(shí)時(shí)數(shù)據(jù)一旦發(fā)生較大的波動(dòng)，首先要對(duì)碳回收渠道進(jìn)行巡檢，然后再開(kāi)展對(duì)機(jī)組的設(shè)備檢測(cè)。這樣一方面提高了機(jī)組的實(shí)際運(yùn)行效率，又減少了發(fā)電的實(shí)際成本支出，尤為重要的是真正的實(shí)現(xiàn)了低碳運(yùn)行模式。

4低碳電力系統(tǒng)的展望

低碳電力系統(tǒng)作為“低碳經(jīng)濟(jì)”的一個(gè)重要組成部分，無(wú)論是在未來(lái)的經(jīng)濟(jì)發(fā)展中，還是在未來(lái)的能源輸出過(guò)程中，都明顯的占據(jù)了很重要的比重。下階段，首先要解決從外部立法到內(nèi)部制度上對(duì)低碳電力系統(tǒng)運(yùn)行的重視，采用內(nèi)外結(jié)合的形式將低碳電力系統(tǒng)的運(yùn)行納入到電廠的日常管理重點(diǎn)工作內(nèi)容中，不僅要求管理層樹(shù)立低碳運(yùn)行的指導(dǎo)思想，更需要讓從業(yè)人員在日常工作中保持高度的敏感度，以確保相關(guān)的設(shè)備能夠完全符合低碳運(yùn)行的相關(guān)要求與路徑。其次要解決低碳經(jīng)濟(jì)下的電力機(jī)組進(jìn)一步優(yōu)化措施，廣泛的吸收和借鑒新技術(shù)，讓機(jī)組的實(shí)際運(yùn)行進(jìn)一步降低對(duì)能源消耗的依賴(lài)，尤其是對(duì)煤炭等資源的實(shí)際消耗。最后要政府不僅要從行政監(jiān)督上對(duì)電廠的實(shí)際運(yùn)行予以督促，而且也要在宏觀上為電廠的低碳運(yùn)行提供一些傾斜性政策，以便于電廠能夠在一個(gè)相對(duì)較為寬松的政策環(huán)境中對(duì)相關(guān)的設(shè)備進(jìn)行改造。

5結(jié)語(yǔ)

提出“中國(guó)正在全面深化改革，發(fā)揮市場(chǎng)在資源配置中的決定性作用，更好發(fā)揮政府作用，努力建設(shè)開(kāi)放型經(jīng)濟(jì)新體制?！彪娏ο到y(tǒng)的低碳規(guī)劃與運(yùn)行，也應(yīng)該完全接受市場(chǎng)的檢驗(yàn)，特別是在市場(chǎng)對(duì)資源配置進(jìn)行重組的過(guò)程中，政府起到的是引導(dǎo)作用，而電廠，尤其是火力發(fā)電廠在其中起到的是落實(shí)作用。只有不斷的在改革中發(fā)展，將低碳電力系統(tǒng)的運(yùn)行長(zhǎng)期保持在穩(wěn)健及可持續(xù)的狀態(tài)下，那么才真正的符合社會(huì)主義市場(chǎng)經(jīng)濟(jì)的實(shí)際需求。

參考文獻(xiàn):

［1］鄧晶，周任軍，鄭思，任俞霖．計(jì)及低碳效益的分布式發(fā)電優(yōu)化配置［J］．電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2012(04)．

［2］康重慶，季震，陳啟鑫．碳捕集電廠靈活運(yùn)行方法評(píng)述與展望［J］．電力系統(tǒng)自動(dòng)化，2012(06)．