论文总字数：35686字

摘 要

企业得以存活的动力和最后的目标是为了能够有所盈利从而能够获得利润。此中运输这一项就占了企业的资产消耗的很大比例。所以我们需要通过科学有效的方法来降低货物在路上的运输成本以便高效的开展配送活动。利用TSP模型来对配送中的回路问题进行探索，是现今比较科学普及的方法。蚁群算法概念比较简单，求解的结果与遗传算法相比更好，被认为是一种解决TSP问题很优越的方法。是以本文主要运用蚁群算法来进行配送计划的优化。

本文则首先根据运输距离以及需求量分配工厂的配货仓库，运用lingo算法以各工厂配货的仓库数应大致相同为对配送地先进行优化。接着基于蚁群算法，给出了各仓库向各个商场配货的满意配送线路的方案。最后通过与之前的配送方案相比较为解决MDL公司的配送问题提供了数据支持和理论支持。

关键词：物流配送 TSP模型 lingo算法 蚁群算法

MDL Company Logistics Transportation Route Optimization Based On Ant Colony Algorithm

ABSTRACT

The driving force and ultimate aim of the enterprise is to make profit. Which transport costs accounted for a large proportion of the total cost of enterprises. So planning the transport routes reasonably, not only can reduce transportation costs and improve distribution efficiency but also can improve the level of customer service. Using TSP model to explore the distribution of the loop is a more popular method of scientific popularization. The concept of ant colony algorithm is relatively simple and the result of the solution is better than the genetic algorithm, which is considered to be a very good method to solve the TSP problem. So this article mainly uses the ant colony algorithm to carry on the distribution plan optimization.

In this paper, according to the transport distance and demand design factory’s picking warehouse firstly. By using LINGO algorithm, to carry out preliminary optimization of the company. Then based on the ant colony algorithm, giving the satisfied plan of distribution line. At last, it provides the data support and theoretical support to solve the problem of MDL distribution by comparing with the previous distribution plan.

Key words: TSP problem; ant colony algorithm; lingo

目录

摘要 I

ABSTRACT II

第一章 理论分析 1

1.1 几种智能优化算法的简要介绍 1

1.1.1 禁忌搜索算法 1

1.1.2 遗传算法 2

1.1.3 模拟退火算法 3

1.1.4 神经网络算法 3

1.1.5 粒子群优化算法 4

1.1.6 LINGO算法 5

1.2 基本蚁群算法 5

1.2.1 蚁群算法的基本原理 5

1.2.2 蚁群算法求解 TSP 问题的过程 5

1.3 VRP 问题概述 6

第二章 分析与建模 8

2.1分析 8

2.1.1公司介绍 8

2.1.2 M公司物流配送的特点 9

2.2 建立模型 9

2.2.1 建模思路 9

2.2.2 确定仓库负责的商场 11

第三章 用蚁群算法优化 15

3.1 蚁群算法的基本步骤 15

3.2 工厂与仓库的配送线路优化 15

3.2.1蚁群算法的数学模型 15

3.2.2用蚁群算法求解TSP问题的具体过程： 16

3.2.3利用蚁群算法求解案例结果 17

第四章 具体优化方案 18

4.1 仓库配送方案 18

4.1.1 A仓库路线优化： 18

4.1.2 B仓库运输路线优化 19

4.1.3 C仓库路线优化 20

4.2 优化前后对比 22

结语 23

参考文献： 24

附录A：lingo算法所得结果 26

附录B：lingo优化后结果： 29

附录C：蚁群算法MATLAB程序 32

致谢 36

第一章 理论分析

所谓优化物流运输的路线，也就是说是要在有确定的并且确保运送的货物能够在规定时间内达到目的地的前提下，尽可能地减少运输车运输的次数以及运输的里程数，总结而言就是如何进行车辆合理调度的问题。党确定了配送的最佳线路的时候，配送效率也就得到了很大的提高。运输成本也就比较之前降低了很多。利用TSP模型和VRP模型来对配送中的回路问题进行探索，是现今两种比较科学普及的方法，对配送企业线路优化也具有较强指导作用。TSP（旅行商）问题已经被证明是一个NP-hard问题，它在运筹学、工程优化等领域都有着广泛地应用。自1932年提出以来就得到了学者的广泛关注，但是迄今为止这类问题都没有找到一种有效的算法，对于大规模的线路优化问题，人们还是没有办法来取得最佳解决方案，所以也只能近似的算出其大概解决方案（例如启发式算法）获得令人满意的解。近年来，人们通过仿生学机理，研究搜索算法。对求解TSP问题提出了很多智能的求解算法，例如神经网络、遗传算法、萤火虫优化算法等并且这些算法在一些特地问题时都获得了不小的好评，但还是都存在一些缺憾。

在优化前需要对一些基础算法进行必要的了解已掌握，这有利于整合总结其优缺点，以便更好地进行合理配的送优化。以下几个算法常被用来解决TSP问题。

请支付后下载全文，论文总字数：35686字