時(shí)間：2022-09-14 17:20:21
序論：在您撰寫(xiě)路徑規(guī)劃時(shí)，參考他人的優(yōu)秀作品可以開(kāi)闊視野，小編為您整理的7篇范文，希望這些建議能夠激發(fā)您的創(chuàng)作熱情，引導(dǎo)您走向新的創(chuàng)作高度。
關(guān)鍵詞：最小生成樹(shù)；Floyd；規(guī)劃模型
中圖分類號(hào)：TB文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-3198（2013）08-0189-02
1基本假設(shè)
（1）不變更各區(qū)內(nèi)交通線路及節(jié)點(diǎn)設(shè)置，新增平臺(tái)和“圍堵點(diǎn)”均不設(shè)在節(jié)點(diǎn)之外。（2）市內(nèi)6城區(qū)各點(diǎn)不會(huì)在同一時(shí)間出現(xiàn)突發(fā)事件。（3）交巡警在趕往案發(fā)地的路途中保持60km/h勻速前進(jìn)且沒(méi)有發(fā)生道路擁堵。（4）平臺(tái)警力集中使用，不能分散。（5）管轄范圍的劃分以及任務(wù)的分配可以最優(yōu)化。（6）接到各類報(bào)案，交巡警決策部門(mén)的決策用時(shí)均為零。（7）盡管各區(qū)面積、人口數(shù)、人口密度分別與報(bào)案率完全不成比例，從題目要求中的任務(wù)的性質(zhì)，警力部署看，可以肯定：各區(qū)人口數(shù)、面積與警力空間配置與優(yōu)化無(wú)關(guān)，所以此二列數(shù)據(jù)不在本模型中使用。
2參數(shù)符號(hào)說(shuō)明
i――A區(qū)各出入口標(biāo)號(hào)；t――時(shí)間；j――節(jié)點(diǎn)標(biāo)號(hào)；m――方案標(biāo)號(hào)；ti――警力封鎖第i個(gè)出入口所需要的時(shí)間；tjm――交巡警從平臺(tái)出發(fā)到達(dá)j節(jié)點(diǎn)所需要的時(shí)間；xα――節(jié)點(diǎn)橫坐標(biāo)；yα――節(jié)點(diǎn)縱坐標(biāo)；xb――與所求節(jié)點(diǎn)相鄰節(jié)點(diǎn)的橫坐標(biāo)；yb――與所求節(jié)點(diǎn)相鄰節(jié)點(diǎn)的縱坐標(biāo)；Emm――距離矩陣。
3模型的建立和求解
3.1模型Ⅰ：規(guī)劃模型
minmmaxj{tjm|j=1，2，…，92，tjm≤3}
交巡警平臺(tái)管轄范圍的大小取決于他到周圍節(jié)點(diǎn)所需要的最長(zhǎng)時(shí)間（盡量不超過(guò)3分鐘）即maxtj，所以要求出各平臺(tái)到j(luò)點(diǎn)需要的最長(zhǎng)時(shí)間（由于某平臺(tái)到某節(jié)點(diǎn)有若干種方案，所以將maxtj用maxtjm代替，m代表方案），為了能保證交巡警以最快速度到達(dá)案發(fā)平臺(tái)，我們從各方案的maxtjm中篩選出maxtjm最小的一個(gè)方案，即合理分配轄區(qū)的最優(yōu)方案。
我們用excel軟件對(duì)數(shù)據(jù)進(jìn)行了大量處理，從而將時(shí)間問(wèn)題轉(zhuǎn)換為路徑距離問(wèn)題：交巡警3分鐘內(nèi)能走過(guò)的最長(zhǎng)路徑距離為3min*60km/h，即30mm，同時(shí)用Matlab繪制出了A區(qū)各點(diǎn)的關(guān)系圖（如圖1）。我們分別以A區(qū)中的每一個(gè)平臺(tái)為起點(diǎn)，在C++6.0的環(huán)境中連續(xù)20次運(yùn)用最小生成樹(shù)法，初步確定出每一個(gè)平臺(tái)所能管轄的最大范圍（如表1）。
圖1A區(qū)各點(diǎn)關(guān)系圖表1中存在如下問(wèn)題：（1）許多平臺(tái)的管轄范圍有重復(fù)。（2）個(gè)別節(jié)點(diǎn)沒(méi)有被劃分到任何一個(gè)平臺(tái)的轄區(qū)（28、29、38、39、61、92號(hào)點(diǎn)）。（3）個(gè)別平臺(tái)沒(méi)有發(fā)揮作用（10、14號(hào)點(diǎn)）。為了解決這些問(wèn)題，我們考慮以各平臺(tái)的業(yè)務(wù)量為新標(biāo)準(zhǔn)優(yōu)化轄區(qū)范圍的分配（此處我們用各點(diǎn)發(fā)案率的高低衡量各點(diǎn)業(yè)務(wù)量的大?。M量使各平臺(tái)的業(yè)務(wù)量均衡。另外，對(duì)于那些沒(méi)有被劃分到任何一個(gè)轄區(qū)的點(diǎn)，我們實(shí)行“就近原則”使之有主可依。分配情況見(jiàn)表2。
相鄰節(jié)點(diǎn)間距離=（xa-xb）2+（ya-yb）2
為確定交巡警的全力逮捕范圍，即在案發(fā)后一段時(shí)間（大概是6分鐘）后罪犯逃亡的路線。因涉及全市的交通要道，所以要先用最小生成樹(shù)確定P點(diǎn)逃亡的區(qū)域。則在案發(fā)一段時(shí)間后，第一種情況是：罪犯仍在A區(qū)范圍內(nèi)，則動(dòng)用一切交巡警服務(wù)平臺(tái)的警力資源全面封鎖路口，以確?？梢约皶r(shí)的逮捕罪犯。第二中情況是不在A區(qū)內(nèi)，通過(guò)C++語(yǔ)言可以知道罪犯只能向B區(qū)逃亡。在B區(qū)內(nèi)，可以用最小路徑的方法求得罪犯逃亡的最大范圍，再利用就近原則給這個(gè)區(qū)間分配交巡警服務(wù)平臺(tái)，然后快速地進(jìn)行全面封鎖，以達(dá)到逮捕罪犯的目的。圖2是我們根據(jù)數(shù)據(jù)用MATLAB繪制出的包圍圈（綠色線所包圍的范圍）。其中空白區(qū)域的頂點(diǎn)即是B區(qū)域中的237號(hào)節(jié)點(diǎn)，也是罪犯逃亡路線中唯一位于B區(qū)域中的點(diǎn)。
圖2包圍圈我們?cè)俅芜\(yùn)用Floyd算法，找出包圍圈各頂點(diǎn)與臨近交巡警服務(wù)平臺(tái)間的最短路徑，形成我們的最優(yōu)圍堵方案。特別需要指出的是，由于案發(fā)三分鐘后才接到報(bào)警，所以此處所說(shuō)的最短路徑必須能在三分鐘內(nèi)到達(dá)。我們得到的最優(yōu)圍堵方案（如表4）。
表4新增平臺(tái)后的最優(yōu)方案
服務(wù)平臺(tái)節(jié)點(diǎn)最優(yōu)方案所需時(shí)間（分鐘）583（新增）2922到29必然小于3584（新增）2821到28必然小于3101010到100161616到160585（新增）3923到39必然小于3232到31.23543到55到542.275535到49到531.176596到591.6586（新增）6124到61必然小于37487到30到481.29173237（C區(qū)點(diǎn)）173到235到2371.181參考文獻(xiàn)
[1]陽(yáng)明盛，等.最優(yōu)化原理、方法及求解軟件[M].北京：科學(xué)出版社，2006.
[2]施繼紅.數(shù)學(xué)建模與計(jì)算機(jī)應(yīng)用的融合[J].信息系統(tǒng)工程，2011，（05）：14-15.
[3]馬莉.MATLAB語(yǔ)言實(shí)用教程[M].北京：清華大學(xué)出版社，2010.
關(guān)鍵詞 自動(dòng)泊車；最佳泊車路徑
中圖分類號(hào)：TP182 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671—7597（2013）041-184-01
經(jīng)過(guò)一百二十多年的發(fā)展，汽車逐漸向小型化、智能化和安全化的方向發(fā)展。而隨著我國(guó)經(jīng)濟(jì)的發(fā)展，汽車的需求量逐年遞增。于此同時(shí)帶來(lái)的問(wèn)題是停車位需求量越來(lái)越大。而在國(guó)內(nèi)，城市占道停車不但能有效的滿足停車位的需求，而且能有效緩解交通堵塞。但是，對(duì)于許多駕駛員而言，順式駐車通常是駕駛員考試中最令人擔(dān)心的一項(xiàng)，而且?guī)缀趺總€(gè)人都會(huì)在某些地點(diǎn)碰到這樣的事情。大城市停車空間有限，將汽車駛?cè)氇M小的空間已成為一項(xiàng)必備技能。 很少有不費(fèi)一番周折就停好車的情況，特別是城市占道停車可能導(dǎo)致交通阻塞、神經(jīng)疲憊和保險(xiǎn)杠被撞彎，占道停車成為了一種痛苦的經(jīng)歷。
在實(shí)際泊車中駕駛員的視野狹隘，僅通過(guò)后視鏡來(lái)觀察車身后面和車周圍的情況，即使如此，也很難準(zhǔn)確的把握車尾的情況。不僅如此，駕駛員還要兼顧控制方向盤(pán)、油門(mén)、剎車和換擋等，易造成操作失誤。如果停車時(shí)間過(guò)長(zhǎng)，又容易造成交通堵塞，特別是駕車新手，在缺乏經(jīng)驗(yàn)的情況下，很難準(zhǔn)確停入車位。
基于以上問(wèn)題，尋找到了最佳泊車路徑，以解決廣大駕駛員泊車難的問(wèn)題。
1 自動(dòng)泊車最佳路徑規(guī)劃
最佳路徑雖然可以通過(guò)數(shù)學(xué)建模和泊車經(jīng)驗(yàn)等方法得出，但可靠性低，運(yùn)算復(fù)雜，而且變量較多，如果通過(guò)CAD與Pro/e等繪圖軟件模擬其幾何路徑，則可節(jié)省多處計(jì)算而且能簡(jiǎn)潔直觀的表達(dá)。使用CAD繪圖軟件尋找最佳路徑，主要是通過(guò)一些相關(guān)約束條件和泊車要求繪制最佳幾何路徑。
1.1 泊車危險(xiǎn)點(diǎn)與安全圓
倒車最難在于兼顧控制車輛的時(shí)候，難以觀察自己車輛是否與其它車輛相撞，經(jīng)過(guò)分析可知，倒車時(shí)，最容易觸碰的地方是尾部的后對(duì)角點(diǎn)和前部的前對(duì)角點(diǎn)。根據(jù)避免碰撞要求，可以在停車前方的最佳停車位上的對(duì)角點(diǎn)繪制一個(gè)以汽車前輪軸中點(diǎn)與對(duì)角的距離為半徑的圓R1，圓R1稱為安全圓。
汽車行駛的軌跡為一個(gè)個(gè)圓弧構(gòu)成的圓，由此可知，只需要其自動(dòng)泊車軌跡與安全圓相離或者相切就不會(huì)與前方車輛相撞，而后對(duì)角點(diǎn)只需控制其倒車行程即可避免碰撞。
1.2 泊車關(guān)鍵圓的確定
自動(dòng)泊車進(jìn)入車位是關(guān)鍵階段，把倒入車位的大圓稱為關(guān)鍵圓。首先可以認(rèn)為軸距是其軌跡圓的一根弦，經(jīng)分析可知，此圓越大，倒入車位后此弦與水平線所成的夾角a也就越小，泊車就越準(zhǔn)確，泊車后需要調(diào)整的角度就越小，因此假設(shè)關(guān)鍵圓R2與R1相切，且與車位中線相切時(shí)可取最大圓，由于與R1安全圓相切，所以能保證兩個(gè)對(duì)角點(diǎn)不與其他車輛發(fā)生碰撞，并且有足夠的空間可以進(jìn)行泊車后的角度調(diào)整。
由CAD模擬可以直接測(cè)量得出R2=5702 mm，又由汽車參數(shù)可知模擬車輛最小轉(zhuǎn)彎半徑為r=5500 mm，有R2>r，所以其關(guān)鍵圓R2符合汽車的行駛要求。
1.3 泊車輔助圓的確定
輔助圓是為了幫助車輛倒入關(guān)鍵圓的一段圓弧，使得車輛最終在倒車時(shí)能夠按照R1的軌跡進(jìn)入車位。經(jīng)過(guò)分析可知，輔助圓R3越大，越是難以矯正車輛進(jìn)入關(guān)鍵圓R2，故以最小轉(zhuǎn)向半徑5500 mm計(jì)算，經(jīng)過(guò)測(cè)試調(diào)查可知，駕駛員使車輛行駛在車道中間較容易控制，所以把初始位置定在車道中線上，故輔助圓需與行駛車道中線和關(guān)鍵圓R2相切，這樣便可以確定輔助圓R3。
另外，考慮到變換軌跡時(shí)，車輛是以車身前后軸中心的連線即軸距所構(gòu)成的弦進(jìn)入R2軌道，所以，需使R3向左平移，使得R3與R2相割所構(gòu)成的弦與車身前后軸中心的連線即軸距長(zhǎng)度相等。經(jīng)過(guò)CAD模擬和測(cè)量可知需使R3向左平移452.3 mm，即可獲得R3的最終位置。
1.4 泊車路徑總結(jié)
如上分析和建?？芍?，找到了安全圓、關(guān)鍵圓和輔助圓，將其合并在一起，即可得到最佳泊車路徑如圖1所示。
如上所示，駕駛員需要先將車輛行駛至道路中間，當(dāng)找到停車位時(shí)，駕駛員需要尋找一定的參照，使得車量后輪與車位前方車輛的前輪稍后的地方確定初始位置。首先把方向盤(pán)右轉(zhuǎn)至打死，開(kāi)始倒車，車輛進(jìn)入輔助圓，當(dāng)車輛與水平方向夾角大致成50度時(shí)，再把方向盤(pán)左轉(zhuǎn)打死，直到車輛進(jìn)入車位，再調(diào)整車輛與水平線所成的角度，即可進(jìn)入最佳車位。
如上所述可得到泊車的完整路徑，不容易與其他車輛發(fā)生碰撞，并且容易確定泊車的初始位置，所以安全可靠，具有較高的可行性。但是，即使最佳路徑也不可能一次性倒入車位。第一次倒入車位后需要細(xì)微的調(diào)整，由于調(diào)整路徑比較復(fù)雜，其規(guī)律性需要從汽車試驗(yàn)中尋找規(guī)律，所以調(diào)整路徑暫不使用模擬CAD得出。
2 泊車最佳路徑的驗(yàn)證
選擇模擬小車對(duì)最佳路徑進(jìn)行驗(yàn)證，模擬小車的實(shí)際尺寸與研究對(duì)象車輛的實(shí)際尺寸比為1：10.47，由最佳路徑分析中的CAD模擬路徑可知，輔助圓半徑為5500 mm，而關(guān)鍵圓半徑為：5702 mm。驗(yàn)證過(guò)程選擇PWM波來(lái)控制模擬小車轉(zhuǎn)向，查閱資料可得以上輔助圓應(yīng)當(dāng)采用PWM波比值約為900/200，而關(guān)鍵圓應(yīng)當(dāng)采用PWM波值為：1100/200，再使用單片機(jī)控制PWM波的輸出進(jìn)行實(shí)驗(yàn)。最終，順利驗(yàn)證了最佳泊車路徑的可行性和實(shí)用性。
參考文獻(xiàn)
[1]王芳成.自動(dòng)平行泊車系統(tǒng)的研究[J].中國(guó)科技大學(xué)，2010.
[2]周健.嵌入式模糊自動(dòng)泊車系統(tǒng)的研究[J].廣東工業(yè)大學(xué)，2011.
關(guān)鍵詞：遺傳算法；蟻群算法；路徑規(guī)劃；旅行商問(wèn)題
引言
物流與國(guó)民經(jīng)濟(jì)及生活的諸多領(lǐng)域密切相關(guān)，得到越來(lái)越多的重視，甚至被看作是企業(yè)“第三利潤(rùn)的源泉”。因此，作為物流領(lǐng)域中的典型問(wèn)題，旅行商問(wèn)題(Traveling Salesman Problem，TSP)的研究具有巨大的經(jīng)濟(jì)意義。
TSP(Traveling Salesman Problem)問(wèn)題, 是VRP[2]的特例，也稱為巡回旅行商問(wèn)題,貨擔(dān)郎問(wèn)題。簡(jiǎn)稱為T(mén)SP問(wèn)題，已證明TSP問(wèn)題是NP難題。。TSP問(wèn)題可描述為:給定一組n個(gè)城市和它們兩兩之間的直達(dá)距離,尋找一條閉合的旅程,使得每個(gè)城市剛好經(jīng)過(guò)一次而且總的旅行路徑最短。TSP問(wèn)題的描述很簡(jiǎn)單,簡(jiǎn)言之就是尋找一條最短的遍歷n個(gè)城市的路徑,或者說(shuō)搜索整數(shù)子集X={1,2,…,n}(X中的元素表示對(duì)n個(gè)城市的編號(hào))的一個(gè)排列π(X)={v1, v2,…, vn},使取最小值.式中的d(vi,vi+1)表示城市vi到城市vi+1的距離。它是一個(gè)典型的、容易描述但卻難以處理的NP完全問(wèn)題。同時(shí)TSP問(wèn)題也是諸多領(lǐng)域內(nèi)出現(xiàn)的多種復(fù)雜問(wèn)題的集中概括和簡(jiǎn)化形式。所以,有效解決TSP問(wèn)題在計(jì)算理論上和實(shí)際應(yīng)用上都有很高的價(jià)值。而且TSP問(wèn)題由于其典型性已經(jīng)成為各種啟發(fā)式的搜索、優(yōu)化算法 (如遺傳算法、神經(jīng)網(wǎng)絡(luò)優(yōu)化法、列表尋優(yōu)法、模擬退火法等)的間接比較標(biāo)準(zhǔn)。
1 遺傳算法與蟻群算法
1.1 遺傳算法原理
遺傳算法(Genetic Algorithms，GA) 是一種借鑒生物界自然選擇和自然遺傳機(jī)制的隨機(jī)搜索算法,由美國(guó)J.Holland教授提出,其主要內(nèi)容是種群搜索策略和種群中個(gè)體之間的信息交換,搜索不依賴于梯度信息.該算法是一種全局搜索算法,尤其適用于傳統(tǒng)搜索算法難于解決的復(fù)雜和非線性問(wèn)題.。選擇算子、交叉算子和變異算子是遺傳算法的3個(gè)主要操作算子.遺傳算法中包含了如下5個(gè)基本要素:①對(duì)參數(shù)進(jìn)行編碼;②設(shè)定初始種群大小;③設(shè)計(jì)適應(yīng)度函數(shù);④設(shè)計(jì)遺傳操作;⑤設(shè)定控制參數(shù)(包括種群大小、最大進(jìn)化代數(shù)、交叉率、變異率等)
1.2 蟻群算法原理
研究表明：螞蟻在覓食途中會(huì)留下一種外激素．螞蟻利用外激素與其他螞蟻交流、合作，找到較短路徑．經(jīng)過(guò)某地的螞蟻越多，外激素的強(qiáng)度越大．螞蟻擇路偏向選擇外激素強(qiáng)度大的方向．這種跟隨外激素強(qiáng)度前進(jìn)的行為會(huì)隨著經(jīng)過(guò)螞蟻的增多而加強(qiáng)，因?yàn)橥ㄟ^(guò)較短路徑往返于食物和巢穴之間的螞蟻能以更短的時(shí)間經(jīng)過(guò)這條路徑上的點(diǎn)，所以這些點(diǎn)上的外激素就會(huì)因螞蟻經(jīng)過(guò)的次數(shù)增多而增強(qiáng)．這樣就會(huì)有更多的螞蟻選擇此路徑，這條路徑上的外激素就會(huì)越來(lái)越強(qiáng)，選擇此路徑的螞蟻也越來(lái)越多．直到最后，幾乎所有的螞蟻都選擇這條最短的路徑．這是一種正反饋現(xiàn)象．
2.算法改進(jìn)
在傳統(tǒng)解決方法中，遺傳算法以其快速全局搜索能力在物流領(lǐng)域獲得了廣泛的應(yīng)用。但遺傳算法在求解到一定程度時(shí)，往往作大量的冗余迭代，對(duì)于系統(tǒng)中的反饋信息利用不夠，效率較低；蟻群算法也以其較強(qiáng)的魯棒性和智能選擇能力被廣泛應(yīng)用于旅行商問(wèn)題 。蟻群算法是通過(guò)信息素的累積和更新而收斂于最優(yōu)路徑,具有分布、并行、全局收斂能力，但由于蟻群算法的全局搜索能力較差，易陷入局部最優(yōu)，很難得到最優(yōu)解。
為了克服兩種算法各自的缺陷,形成優(yōu)勢(shì)互補(bǔ)。為此首先利用遺傳算法的隨機(jī)搜索、快速性、全局收斂性產(chǎn)生有關(guān)問(wèn)題的初始信息素分布。然后,充分利用蟻群的并行性、正反饋機(jī)制以及求解效率高等特征。算法流程如圖1
圖1 遺傳混合算法流程
2.1遺傳混合算法的具體描述如下：
Step1 給出，放置m個(gè)螞蟻在n個(gè)城市上。
Step 2 把所有螞蟻的初始城市號(hào)碼放置到tabuk中，列表tabuk紀(jì)錄了當(dāng)前螞蟻k所走過(guò)的城市，當(dāng)所有n個(gè)城市都加入到tabuk中時(shí)，螞蟻k便完成了一次循環(huán)，此時(shí)螞蟻k所走過(guò)的路徑便是問(wèn)題的一個(gè)解。
Step 3 螞蟻K從起點(diǎn)開(kāi)始，按概率的大小選擇下一個(gè)城市j,k∈{1，2，…,m},j∈allowedk如果螞蟻k轉(zhuǎn)移到j(luò) ,從allowedk中刪除,并將j加入到tabuk直至allowedk= 時(shí)重新回到起點(diǎn)。
Step 4 是否走完所有的城市，否，則轉(zhuǎn)入Step 3。
Step 5 計(jì)算,記錄，更新信息素濃度，所有路徑信息更新，如果,清空tabuk則轉(zhuǎn)入Step 2。
Step 6 當(dāng)時(shí)，得到相對(duì)較優(yōu)螞蟻的序列。初始化種群。
Step 7 計(jì)算適應(yīng)度值。
Step 8 進(jìn)行遺傳交叉與變異操作。
Step 9 輸出得到的最短回路及其長(zhǎng)度。
2.2 算法過(guò)程實(shí)現(xiàn)
（1）種群初始化
用蟻群算法進(jìn)行初始化種群，放m只螞蟻對(duì)所有城市進(jìn)行遍歷，將得到的結(jié)果進(jìn)行優(yōu)化，做為蟻群算法的初始種群。每只螞蟻?zhàn)哌^(guò)的路徑的就代表了一條基因（a0、a1、…、am-1、am），對(duì)于這條基因表示這只螞蟻首先從a0出發(fā)，次之訪問(wèn)a1、…然后依次訪問(wèn)am-1、am最后再回到a0。
（2）狀態(tài)轉(zhuǎn)移規(guī)則設(shè)置
轉(zhuǎn)移概率，為t時(shí)刻螞蟻由i城到j(luò)城的概率。
（1）
式中，allowedk表示螞蟻k下一步允許選則的城市，表示信息啟發(fā)因子，其值越大，該螞蟻越傾向于選擇其他螞蟻經(jīng)過(guò)的路徑，螞蟻之間的協(xié)作性超強(qiáng)；β為期望啟發(fā)因子，β的大小表明啟發(fā)式信息受重視的程度，其值越大，螞蟻選擇離它近的城市的可能性也越大，越接近于貪心規(guī)則［6］。為啟發(fā)因子，其表達(dá)式為: ，每條路上的信息量為：
（2）其中
其中ρ表示路徑上信息的蒸發(fā)系數(shù)，1-ρ表示信息的保留系數(shù)；表示本次循環(huán)路徑(i,j)上信息的增量。表示第k只螞蟻在本次循環(huán)中留在路徑(i,j)上的信息量，如果螞蟻k沒(méi)有經(jīng)過(guò)路徑(i,j)，則的值為零，表示為：
（3）
其中，Q為常數(shù)， 表示第k只螞蟻在本次循環(huán)中所走過(guò)的路徑的長(zhǎng)度。
（3）交叉算子的設(shè)計(jì)
首先隨機(jī)地在父體中選擇兩雜交點(diǎn),再交換雜交段,其它位置根據(jù)保持父體中城市的相對(duì)次序來(lái)確定。例如,設(shè)兩父體及雜交點(diǎn)的A1和A2, A1=(2 6 4 7 3 5 8 9 1), A2=(4 5 2 8 1 6 7 9 3)。交換雜交段于是仍有B1=(2 6 4 1 8 7 6 9 1),B2=(4 5 2 7 3 5 8 9 3)。在新的城市序列中有重復(fù)的數(shù)，將雜交段中對(duì)應(yīng)次序排列,即: 7-8、3-1、5-6，依此對(duì)應(yīng)關(guān)系替換雜交段中重復(fù)的城市數(shù)。將B1中(2 6 4)重復(fù)的6換為5，B2(9 3)中重復(fù)的3換為1.。雜交后的兩個(gè)體為B1=(2 5 4 1 8 7 6 9 1),B2=(4 5 2 7 3 5 8 9 1)。本算法采用此方法交雜交。
3.仿真實(shí)驗(yàn)
對(duì)TSP問(wèn)題仿真所用的數(shù)據(jù)庫(kù)是TSPLIB典型51城市的數(shù)據(jù)。仿真平臺(tái)如表1所示。
表1 仿真試驗(yàn)平臺(tái)
設(shè)備名稱
型號(hào)
CPU
Pentium(R)M 1.66 GH
內(nèi)存
512M
操作系統(tǒng)
Microsoft Windows XP
仿真軟件
MierosoftVisualC++6.0
3.1 遺傳算法仿真
基本遺傳算法仿真。對(duì)51城市路徑優(yōu)化路徑優(yōu)化。參數(shù)設(shè)置如下:種群:50,最大迭代數(shù):5000,交叉概率:0.8,變異概率:0.2
遺傳算法找到最優(yōu)解的時(shí)間是95 s, ,路徑長(zhǎng)度497。
3.2 蟻群算法仿真
基本蟻群算法對(duì)51城市路徑優(yōu)化。其參數(shù)設(shè)置如下：ρ=1α=1，β=8，τ0=0.001Qu=100., m=51
基本蟻群算法找到最優(yōu)解的時(shí)間是68 s, 路徑長(zhǎng)度465。
3.3遺傳混合算法
遺傳混合算法對(duì)51城市路徑優(yōu)化。其參數(shù)設(shè)置如下：種群:51,最大迭代數(shù):5 000,交叉概率:0.8,變異概率:0.001;ρ=1α=1，β=8，τ0=0.001Qu=100，m=51；
遺傳混合算法找到最優(yōu)解的時(shí)間是50 s, 路徑長(zhǎng)度459。
遺傳算法、基本蟻群算法、遺傳混合算法對(duì)TSPLIB典型51城市的數(shù)據(jù)進(jìn)行仿真,仿真結(jié)
果對(duì)比如表2所
算法名稱
所用時(shí)間（s）
最優(yōu)結(jié)果
遺傳算法
95
497
基本蟻群算法
68
465
改進(jìn)混合算法
50
456
4.結(jié)論
本文為了更好地解決物流領(lǐng)域中的旅行商問(wèn)題，充分發(fā)揮遺傳算法的全局搜索能力和蟻群算法的正反饋能力和協(xié)同能力，采用了遺傳算法與蟻群算法混合算法進(jìn)行求解，并且進(jìn)行了模擬仿真。仿真結(jié)果表明，利用遺傳與蟻群混合算法可以找到較好解的能力，大大提高計(jì)算效率，結(jié)果質(zhì)量也較好。
參考文獻(xiàn)：
［1］小平,曹立明.遺傳算法———理論、應(yīng)用與軟件實(shí)現(xiàn)[M].西安交通大學(xué)出版社,2002.
［2］[日]玄光男,程潤(rùn)偉.遺傳算法與工程設(shè)計(jì)[M].科學(xué)出版社, 2000.
［3］胡小兵，黃席樾。蟻群優(yōu)化算法及其應(yīng)用[J]. 計(jì)算機(jī)仿真 2004，24（5）
［4］王凌。智能優(yōu)化算法及其應(yīng)用[M]. 北京：清華大學(xué)出版社 2001.
我們知道，課題研究是一個(gè)假設(shè)與驗(yàn)證的過(guò)程，教科研課題研究的質(zhì)量，需要在明確研究?jī)?nèi)容的前提下，設(shè)計(jì)出切實(shí)可行的研究過(guò)程，才能開(kāi)展有一定深度的研究活動(dòng)。筆者結(jié)合自身實(shí)踐，對(duì)課題研究過(guò)程設(shè)計(jì)的問(wèn)題談兩點(diǎn)思考。
一、哪些內(nèi)容是課題研究過(guò)程設(shè)計(jì)時(shí)需要考慮的？
所謂課題研究過(guò)程，是指為完成課題研究工作而經(jīng)歷的程序、階段。課題研究的過(guò)程設(shè)計(jì)，也就是指研究者根據(jù)一定的研究?jī)?nèi)容和研究目標(biāo)，對(duì)課題研究活動(dòng)作出安排的預(yù)設(shè)程序。它是課題研究方案的重要組成部分，既是對(duì)研究?jī)?nèi)容、研究階段、研究方法、研究成員等諸多要素進(jìn)行分析與思考的結(jié)果，更是一個(gè)根據(jù)研究假設(shè)調(diào)動(dòng)各類資源進(jìn)行實(shí)踐的過(guò)程。
研究?jī)?nèi)容往往是課題研究過(guò)程設(shè)計(jì)的基本依據(jù)。不同的內(nèi)容，其研究程序也是有所區(qū)別的。如課題“小學(xué)生家庭作業(yè)習(xí)慣調(diào)查及對(duì)策研究”，其研究程序一般先要有相應(yīng)的現(xiàn)狀調(diào)查，然后根據(jù)調(diào)查了解到的問(wèn)題設(shè)計(jì)針對(duì)性的策略，再通過(guò)實(shí)踐嘗試，檢驗(yàn)預(yù)設(shè)的策略是否有效解決了相應(yīng)的問(wèn)題，最后分析提煉相應(yīng)的對(duì)策。又如“小學(xué)語(yǔ)文‘特色作業(yè)’設(shè)計(jì)研究”這個(gè)課題，在過(guò)程設(shè)計(jì)時(shí)則首先要對(duì)“特色作業(yè)”作一定的思考，分析其具備的特征，然后再進(jìn)行相關(guān)設(shè)計(jì)、應(yīng)用實(shí)踐、分析提煉等。
研究階段則是課題研究過(guò)程設(shè)計(jì)的重要內(nèi)容，它首先涉及一個(gè)課題通過(guò)幾個(gè)階段的研究完成研究任務(wù)的問(wèn)題，其次則需要考慮對(duì)具體的研究工作有大致時(shí)間上的確定。如上面提到的“小學(xué)生家庭作業(yè)習(xí)慣調(diào)查及對(duì)策研究”這一課題，一般分為現(xiàn)狀調(diào)查、問(wèn)題分析、對(duì)策思考、實(shí)踐嘗試、效果分析等階段，且每前一階段研究活動(dòng)都是后一階段研究活動(dòng)的基礎(chǔ)，后一階段研究活動(dòng)則是前一階段研究活動(dòng)的延續(xù)。
這里的研究方法不僅指嚴(yán)格意義上的研究方法，如調(diào)查法、觀察法等，還包括在研究活動(dòng)中采用的一些具體的操作策略，如問(wèn)題設(shè)計(jì)、教學(xué)實(shí)踐等。研究方法設(shè)計(jì)同樣是研究過(guò)程設(shè)計(jì)中的一個(gè)重要組成部分。
研究過(guò)程設(shè)計(jì)除了受到以上三個(gè)方面的基本要素影響之外，其實(shí)有時(shí)也會(huì)受制于某個(gè)課題研究成員的影響。如有的課題涉及的部門(mén)較多，牽涉的人員也就比較多，此時(shí)，在研究過(guò)程設(shè)計(jì)中，需要對(duì)相關(guān)成員的任務(wù)作出相應(yīng)的分配，目的是保證在研究活動(dòng)具體展開(kāi)時(shí)能夠作出及時(shí)有效的協(xié)調(diào)。
二、怎樣的過(guò)程設(shè)計(jì)才能保證課題研究工作的順利進(jìn)行？
從一個(gè)課題來(lái)看，其研究過(guò)程的設(shè)計(jì)一般可以從行動(dòng)路徑和研究策略兩個(gè)方面來(lái)體現(xiàn)。其中行動(dòng)路徑是大方向，是對(duì)課題研究工作的整體把握;研究策略則是具體研究活動(dòng)中的操作方法的總和。
（一）規(guī)劃課題研究行動(dòng)路徑，細(xì)化各項(xiàng)研究任務(wù)
課題研究的行動(dòng)路徑是課題研究整體推進(jìn)的重要基礎(chǔ)，它是一個(gè)課題順利開(kāi)展研究工作的保障。行動(dòng)路徑一般包括三方面的內(nèi)容：研究階段及其說(shuō)明、內(nèi)容選擇及其說(shuō)明以及環(huán)節(jié)設(shè)計(jì)及其說(shuō)明。可用圖表的方式加以呈現(xiàn)，并配以一定的文字作解釋。如《區(qū)域?qū)嵤熬G色評(píng)價(jià)”的實(shí)踐與研究》，將課題研究的行動(dòng)路徑作了如下表述：
在以上圖例表述研究的行動(dòng)路徑基礎(chǔ)上，又作了簡(jiǎn)要的說(shuō)明：“理論學(xué)習(xí)，內(nèi)涵理解”階段，主要是通過(guò)學(xué)習(xí)國(guó)家、省、市的相關(guān)文件精神，切實(shí)把握中小學(xué)教育質(zhì)量綜合評(píng)價(jià)改革的核心思想，深入理解評(píng)價(jià)理念及內(nèi)容的變化，明確教育評(píng)價(jià)改革的方向，為本區(qū)實(shí)施“綠色評(píng)價(jià)”奠定基礎(chǔ);“多部門(mén)聯(lián)動(dòng)，整體推進(jìn)”階段，結(jié)合各部門(mén)本身的職能，在基于綜合素養(yǎng)評(píng)價(jià)理念背景下，實(shí)踐教育質(zhì)量綜合評(píng)價(jià)過(guò)程，推進(jìn)課題研究的深入;“梳理成果，總結(jié)推廣”階段，主要在策略性成果和對(duì)象性成果方面作較為完善的分析與提煉。
在以上的“行動(dòng)路徑”中，我們很明顯地看出本課題研究分為三個(gè)階段進(jìn)行，且每個(gè)階段的研究主體與研究任務(wù)都比較明確。因?yàn)橛辛饲逦鞔_的“行動(dòng)路徑”設(shè)計(jì)，不但對(duì)整體課題的研究工作作出了整體規(guī)劃，同時(shí)還有相應(yīng)研究?jī)?nèi)容的分工與階段性推進(jìn)的計(jì)劃，顯然有利于課題研究人員在不同的研究階段，落實(shí)好研究工作，而且還能對(duì)研究工作作出即時(shí)的反思與調(diào)整。
（二）想明白各個(gè)環(huán)節(jié)的研究方式，具化研究活動(dòng)中的操作策略
課題研究過(guò)程的設(shè)計(jì)中，還有一塊相當(dāng)重要的內(nèi)容，便是針對(duì)具體的研究?jī)?nèi)容與研究活動(dòng)作出的策略設(shè)計(jì)、方法選擇以及環(huán)節(jié)預(yù)設(shè)。這是課題研究過(guò)程中最為具體的工作，一般需要基于相應(yīng)的研究?jī)?nèi)容進(jìn)行思考與設(shè)計(jì)。
如我區(qū)有一位教師在研究“運(yùn)用幾何直觀培養(yǎng)小學(xué)生解決問(wèn)題能力的實(shí)踐研究”這一課題時(shí)，針對(duì)“培養(yǎng)小學(xué)生運(yùn)用幾何直觀解決問(wèn)題能力”這樣一個(gè)研究?jī)?nèi)容，提出了“數(shù)形結(jié)合，以數(shù)化形”“強(qiáng)調(diào)直觀，以形析文”和“重視圖例，突出關(guān)系” 這三種策略。并在每一種策略的具體闡述中，又通過(guò)一張流程圖來(lái)表達(dá)策略的操作過(guò)程。
第一步是化境為數(shù)，經(jīng)歷從實(shí)際情境中抽象出數(shù)的過(guò)程，體驗(yàn)抽象。第二步是以數(shù)化形，經(jīng)歷將數(shù)轉(zhuǎn)化成多種形的過(guò)程，體驗(yàn)演繹。第三步將形歸數(shù)，經(jīng)歷多形中發(fā)現(xiàn)共同點(diǎn)的過(guò)程，體驗(yàn)歸納。三步流程使學(xué)生經(jīng)歷數(shù)（式）與形轉(zhuǎn)化的過(guò)程，積累數(shù)形結(jié)合的基本活動(dòng)經(jīng)驗(yàn)，奠定運(yùn)用幾何直觀解決問(wèn)題的能力基礎(chǔ)。以上研究策略設(shè)計(jì)，內(nèi)容明確，路徑清晰，有很強(qiáng)的可操作性，顯然為后續(xù)研究活動(dòng)的順利開(kāi)展奠定了扎實(shí)的基礎(chǔ)。
又如一位幼兒教師在研究課題“幼兒園‘五樂(lè)游戲’活動(dòng)的設(shè)計(jì)研究”時(shí)，提出了“樂(lè)運(yùn)動(dòng)、樂(lè)表達(dá)、樂(lè)交往、樂(lè)探究、樂(lè)表現(xiàn)”等五樂(lè)游戲后，于每一種游戲活動(dòng)的研究中，設(shè)計(jì)了相當(dāng)具體的操作策略――支架。如在“講述類”游戲研究時(shí)，設(shè)計(jì)了如下的一個(gè)支架：
有了相應(yīng)的支架，研究者也就有了具體的實(shí)踐操作依據(jù)，后續(xù)研究實(shí)踐活動(dòng)也就有了“落地”的保證。
通過(guò)以上分析，我們也不難發(fā)現(xiàn)，課題研究的具體研究活動(dòng)操作策略設(shè)計(jì)體現(xiàn)出了三方面的特點(diǎn)：一是具體，盡可能的細(xì)化;二是有針對(duì)性，即與研究?jī)?nèi)容相匹配;三是可操作，即能夠在后續(xù)研究中直接可以運(yùn)用。當(dāng)然，研究策略并不是一般的操作流程或細(xì)節(jié)，而是具有一定結(jié)構(gòu)的操作方法。表達(dá)在文本中時(shí)，需作一定的理論思辨，并有適度的提煉和結(jié)構(gòu)化。
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)。現(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(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k 在運(yùn)用聚類分析法時(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(gè)聚類內(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、車輛的考核。第四,每個(gè)聚類間不重合。做到這樣分區(qū)效果會(huì)比較好。
傳統(tǒng)的K-means聚類法,k個(gè)聚類區(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)聚類運(yùn)算,達(dá)到收斂,獲得網(wǎng)格穩(wěn)定的聚類中心。
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,核算出車相關(guān)費(fèi)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(gè)分區(qū)就是一輛車一條線路,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?？朔舅惴ㄈ秉c(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
關(guān)鍵詞：分層路網(wǎng)；拓?fù)浣Y(jié)構(gòu)提取；路徑規(guī)劃；A算法；二叉堆
0引言
路徑規(guī)劃是車載導(dǎo)航系統(tǒng)最重要的功能之一[1]。根據(jù)圖論中最短路徑理論，不管是最短路徑規(guī)劃、最短時(shí)間規(guī)劃還是最低消費(fèi)規(guī)劃，都可以通過(guò)賦予圖中的邊以相應(yīng)的權(quán)值來(lái)滿足用戶的不同需求。
通常情況下，路徑搜索可以分為平面搜索和分層搜索兩大類。平面搜索算法中最經(jīng)典的是20世紀(jì)60年代初期由Dijkstra提出的Dijkstra算法，非常適合在帶權(quán)有向圖中解決最短路徑問(wèn)題。但是該算法的時(shí)間復(fù)雜度為O（n2），效率比較低，因此在實(shí)際應(yīng)用時(shí)受到了很大的限制。后來(lái)許多學(xué)者在存儲(chǔ)結(jié)構(gòu)和排序算法上對(duì)Dijkstra算法進(jìn)行了改進(jìn)[2-3]，通常改進(jìn)算法的時(shí)間復(fù)雜度與節(jié)點(diǎn)數(shù)成正比，如O（mlbn）或O（m+nlbn）[4]。也有學(xué)者通過(guò)引入啟發(fā)函數(shù)的方式進(jìn)行改進(jìn)，啟發(fā)式搜索以1968年Hart等提出的A*算法為代表，現(xiàn)在仍被廣泛應(yīng)用，但這些改進(jìn)算法的效率會(huì)隨節(jié)點(diǎn)數(shù)的增加而急劇下降。此外，平面搜索算法計(jì)算出的“最短”路徑并不一定是“最優(yōu)”路徑，最短路徑中可能存在大量的窄小擁擠的小巷，而最優(yōu)路徑要盡可能多地包括主干道等快速路段[5]，這就有了分層思想。文獻(xiàn)[6]首先提出了層次空間的推理過(guò)程，文獻(xiàn)[7]又將層次空間推理法則引入到行車最優(yōu)路徑搜索中，但這兩篇文獻(xiàn)均沒(méi)有給出具體的路網(wǎng)層次拓?fù)浣Y(jié)構(gòu)的表達(dá)方法[8]。有代表性的分層算法有最近E節(jié)點(diǎn)法[9]和最佳E節(jié)點(diǎn)法[10]，其中最近E節(jié)點(diǎn)法簡(jiǎn)單但準(zhǔn)確率不高，最佳E節(jié)點(diǎn)法能夠得到最優(yōu)解，但效率低[11]。
本文試圖設(shè)計(jì)一種實(shí)用的分層路徑規(guī)劃算法。首先建立分層路網(wǎng)的拓?fù)浣Y(jié)構(gòu)，然后從搜索空間、搜索策略和數(shù)據(jù)結(jié)構(gòu)三個(gè)方面進(jìn)行研究，采用啟發(fā)式的A*算法作為主搜索方式，引入優(yōu)先隊(duì)列二叉堆作為數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)，最后通過(guò)實(shí)驗(yàn)驗(yàn)證每項(xiàng)措施的改善效果。
1分層路網(wǎng)拓?fù)浣Y(jié)構(gòu)提取
杰克韋爾奇說(shuō)：“直面現(xiàn)實(shí)，不要把頭埋在沙子里?！薄Ｄ敲雌髽I(yè)在面對(duì)這個(gè)充滿著巨大機(jī)遇和挑戰(zhàn)的世界時(shí)，應(yīng)該有著怎樣審慎的思考，以便更好的規(guī)劃自己的崛起之路，把握各個(gè)階段的發(fā)展策略。
第一階段：高筑墻 廣積糧
萬(wàn)事開(kāi)頭難，絕大多數(shù)的企業(yè)在成立或發(fā)展初期都是作為中小企業(yè)參與社會(huì)競(jìng)爭(zhēng)的。由于先天的原因，往往存在這樣或那樣的缺陷和不足，比如資金、技術(shù)、智力等資源的缺乏，服務(wù)和渠道體系的不完善等。在這樣的情況下，盲目參與大范圍的市場(chǎng)競(jìng)爭(zhēng)，就更加放大了企業(yè)的先天性不足，而且若戰(zhàn)略意圖暴露，引起競(jìng)爭(zhēng)者的打擊和排斥，處境就會(huì)舉步維艱。
一壇酒倒在河里，一點(diǎn)酒味都沒(méi)有，但倒在碗里就會(huì)酒香四溢。所以企業(yè)在起步階段切記好高騖遠(yuǎn)，應(yīng)該有多大能力辦多大事，踏踏實(shí)實(shí)，專注于區(qū)域市場(chǎng)，進(jìn)行市場(chǎng)聚焦。雖然全國(guó)性企業(yè)在資金、技術(shù)、智力等資源上占有絕對(duì)優(yōu)勢(shì)，但他的棋盤(pán)鋪的太大了，力量就不可避免的被分散，在各個(gè)區(qū)域市場(chǎng)就不再有壓倒性的統(tǒng)治地位。于是只要你專注于區(qū)域市場(chǎng)深耕細(xì)作，提高服務(wù)水平，完善渠道體系，對(duì)有限消費(fèi)者的需求快速反應(yīng)，就不怕強(qiáng)龍來(lái)擺尾！就像封建時(shí)代的諸侯，高筑墻，廣積糧，憑天時(shí)地利割據(jù)一方，就算皇帝老兒也沒(méi)奈何。
與此同時(shí)，企業(yè)應(yīng)該清醒看到自己的不足，補(bǔ)強(qiáng)自己的短板，為進(jìn)一步的發(fā)展做好準(zhǔn)備。在硬實(shí)力方面，要積極地整合利用自己和社會(huì)的資源。資金不足，就去融資，銀行不貸給你，就去借助于投資機(jī)構(gòu)；智力資源不足，就多向別人請(qǐng)教學(xué)習(xí)，尤其是你的競(jìng)爭(zhēng)對(duì)手；技術(shù)不行，就去和別人合作，利用別人的技術(shù)。蒙牛有句口號(hào)：“98%的資源都是整合的。”，不在于你有多少資源，而在于你利用了多少資源；在軟實(shí)力方面，企業(yè)愿景和文化的塑造，管理水平的提高，都要積極認(rèn)真的踐行。
第二階段：轉(zhuǎn)折點(diǎn)
當(dāng)企業(yè)經(jīng)過(guò)第一階段的積累以后，一般已成為區(qū)域市場(chǎng)中的佼佼者，屬于較為強(qiáng)勢(shì)的地方品牌，在區(qū)域市場(chǎng)上占有較大的市場(chǎng)份額。這時(shí)候，企業(yè)的處境會(huì)微妙，既已到了轉(zhuǎn)型的關(guān)鍵時(shí)期。因?yàn)閰^(qū)域市場(chǎng)空間有限，再固守于此，就會(huì)遭遇發(fā)展瓶頸。而且企業(yè)經(jīng)過(guò)第一階段的積累，已經(jīng)有能力走出去，參與更大范圍的市場(chǎng)競(jìng)爭(zhēng)，不進(jìn)則退，企業(yè)要想繼續(xù)發(fā)展，走出去已是不二選擇。
參與大范圍市場(chǎng)爭(zhēng)奪的企業(yè)一般都是具有強(qiáng)勢(shì)品牌的大型企業(yè)。他們?cè)趦r(jià)值鏈的各個(gè)環(huán)節(jié)都相對(duì)比較成熟，具有明顯的競(jìng)爭(zhēng)優(yōu)勢(shì)。而地方企業(yè)剛一進(jìn)入全國(guó)性競(jìng)爭(zhēng)市場(chǎng)就想與它們直接競(jìng)爭(zhēng)無(wú)異于以卵擊石。這時(shí)候有兩條路對(duì)于新進(jìn)入者是較為安全的。
（一）側(cè)翼競(jìng)爭(zhēng)策略。孫子兵法說(shuō)，“進(jìn)而不可御者，沖其虛也。是說(shuō)進(jìn)攻而敵人不可抵抗，是因?yàn)闆_擊的是敵人的薄弱處，想要對(duì)你打擊也力不從心。在市場(chǎng)競(jìng)爭(zhēng)極度激烈或者市場(chǎng)中存在消費(fèi)者需要空白點(diǎn)時(shí)，走此路線較為安全，因?yàn)槭袌?chǎng)競(jìng)爭(zhēng)極度激烈，你只有另辟蹊徑，避開(kāi)競(jìng)爭(zhēng)，才能生存下來(lái)求得發(fā)展?；蛘呤鞘袌?chǎng)中存在消費(fèi)者需求空白點(diǎn)，若你能填補(bǔ)這個(gè)空白，你也就相應(yīng)的獲得了一大片市場(chǎng)。柒牌男裝提出了“中華立領(lǐng)”這一新概念，引導(dǎo)了一個(gè)新的服裝品類的誕生，得以迅速壯大；廣藥集團(tuán)發(fā)現(xiàn)了人們由于生活節(jié)奏的加快，經(jīng)常熬夜上火，需要一種能降火降燥的飲品，而市場(chǎng)上并沒(méi)有相應(yīng)的飲品來(lái)滿足人們的這一需求，即使有這樣的產(chǎn)品也沒(méi)有好好的被推廣，占領(lǐng)消費(fèi)者的心智，于是他們強(qiáng)勢(shì)推出了王老吉中藥涼茶，彌補(bǔ)了這一消費(fèi)空白點(diǎn)，取得了極大的成功！地板行業(yè)中，生活家率先提出純手工制造，生活家巴洛克仿古地板隨之一炮而紅。
（二）市場(chǎng)追隨策略。當(dāng)市場(chǎng)競(jìng)爭(zhēng)不太激烈或市場(chǎng)未被完全占領(lǐng)時(shí)，走此路線較為安全。市場(chǎng)競(jìng)爭(zhēng)不太激烈，往往代表著這個(gè)市場(chǎng)還不太成熟，競(jìng)爭(zhēng)者不多，跟隨市場(chǎng)領(lǐng)先者也可獲得大量的市場(chǎng)機(jī)會(huì)。在企業(yè)力量尚不是很強(qiáng)大時(shí)，這不失為一種明智的選擇，這叫做借力，市場(chǎng)領(lǐng)先者辛辛苦苦的把市場(chǎng)培養(yǎng)好了，這時(shí)你進(jìn)來(lái)了，咱中國(guó)有句俗話叫：“見(jiàn)面分一半”，咱不說(shuō)分一半了，分三分之一總行吧！想當(dāng)年萬(wàn)燕含辛茹苦地把VCD市場(chǎng)開(kāi)發(fā)出來(lái)了，卻讓一班后來(lái)者白白的撿了個(gè)大便宜。
第三階段：第二次飛躍
當(dāng)企業(yè)經(jīng)過(guò)第二階段艱辛的努力以后，已經(jīng)能在像全國(guó)市場(chǎng)等這樣的大市場(chǎng)占穩(wěn)腳跟，在整個(gè)市場(chǎng)格局中占據(jù)一席之地，擠入行業(yè)的第一陣營(yíng)，但這時(shí)候若想百尺竿頭，更進(jìn)一步，成為市場(chǎng)領(lǐng)先者，會(huì)更加困難，因?yàn)榕旁谀闱懊娴亩际切袠I(yè)巨頭。
此種情況下，完成市場(chǎng)超越的最有效方式是創(chuàng)新，也只有創(chuàng)新才能真正的從競(jìng)爭(zhēng)中突圍。彼得德魯克在《管理未來(lái)》中說(shuō)，“我們必須以生產(chǎn)率和創(chuàng)新這兩座燈塔為目標(biāo)。”。企業(yè)想做到市場(chǎng)領(lǐng)先，就必須用好創(chuàng)新這個(gè)武器，打破現(xiàn)有競(jìng)爭(zhēng)秩序和游戲規(guī)則，延展市場(chǎng)邊界，從而越過(guò)市場(chǎng)領(lǐng)先者的防御陣地或競(jìng)爭(zhēng)壁壘，掃除成長(zhǎng)路上的前進(jìn)障礙，成為新的的市場(chǎng)領(lǐng)導(dǎo)者。
