蚁群算法对车辆路径优化的影响范文

本站小编为你精心准备了蚁群算法对车辆路径优化的影响参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

《中国新技术新产品杂志》2015年第五期

1最优路径所需研究的问题

最优路径所需要研究的问题主要是：在物流配送环境，在已知客户的位置、货物的种类和装量的条件下，物理配送人员在给定的运力条件下，如何使每一辆运输车辆从同一起点出发在完成所有运输任务的条件下能够使用最少的车辆和行驶里程来完成配送任务，在这一过程中车辆的行驶路线不能重复。

2蚁群算法中参数对于算法的影响

在蚁群算法中参数取值的不同会对算法的效率产生重大的影响，Q参数会对算法的收敛速度产生影响，如果其值过大将会使算法收敛于局部最小值，如果过小将会影响算法的收敛速度，而随着问题规模的扩大Q值也会随着扩大，α值大的小表明留在每个结点上的信息量受重视的程度，其值越大，蚁群选择以前选过的点的可能性越大，但是如果值过大会使搜索过早陷入局部最小点，β的大小表明启发式信息受重视的程度，如果值越大表明选择路径时越依赖启发式信息，ρ值表明挥发程度，对收敛的结果有着重大的影响，经过试验表明，在取值过大或者是过小的情况下运行的结果都不理想，其值一般去在0.5左右。

3DNA-蚁群算法在车辆最优路径中的问题求解

以上对蚁群算法的原理以及参数对于算法的影响，可以看出蚁群算法在求解车辆优化路径中的优越性，但是在试验过程中发现，蚁群算法存在着收敛于局部最优解且收敛速度较慢等问题。使用DNA算法能够解决这一难题，DNA似乎脱氧核糖核酸的简称，其主要是由核苷酸组成，而DNA通常是由2条核苷酸组成，形成了双螺旋结构。DNA是由A、T、C、G组成的，在DNA算法中使用A、T、C、G交叉配对且用一定的概率实现两点交叉的方法，意思就是说通过对一段DN段更换任意一部分核苷酸来形成新的DNA链，DNA算法具有良好的替换性，同时采用DNA算法与蚁群算法进行结合来提高了蚁群算法中对于参数的控制，提高了算法的效率，其具体的DNA-蚁群算法的求解步骤如下：

（1）使用DNA算法来优化参数，建立起蚁群算法中参数的参数矩阵

（2）使用DNA算法对这些参数进行变异交叉对比

（3）使用蚁群算法进行车辆最优路径的模型建立以及问题求解。

（4）在试验时选用不同的参数进行变异交叉对比来选用合理的蚁群算法参数。

4结语

蚁群算法是一种车辆最优路径问题中良好的求解方式，使用DNA算法与蚁群算法相结合，形成了DNA-蚁群算法，使用两种算法相结合的方式来提高对于蚁群算法中参数的选取效率，使用蚁群算法中的参数选取更能符合蚁群算法的需求。

作者：刘波单位：湖南人文科技学院