基于蟻群算法的倉庫車輛調度優化技術的研究

葉迎亮 嚴 毅

（安徽理工大學，安徽淮南232001）

軍隊倉庫裝卸搬運系統中運輸效率和運輸順序直接的關系到整個軍用倉庫的出入倉庫效率，在這個過程中，對它的搬運軍用車輛進行的合理調度，縮短它們的過程行駛路程，減少它們的過程等待時間，對于提高整個系統裝卸軍用搬運系統的效率具有非常重要的意義[1]。 本文在利用蟻群算法求解軍用車輛調度問題的基礎上， 利用Sweep 算法對初始種群進行優化[2]，提出了一種改進的過程局部搜索算法，解決了過程高效鄰域結構的設置的技術難題，并且利用實際例子進行了驗證。

1 庫裝卸搬運流程

軍用倉庫貨物的裝卸搬運過程主要包括入軍用庫和出軍用庫兩個環節。 入軍用庫環節使用軍用龍門起重機從軍用卡車、軍列等運輸工具上將軍用貨物卸至卸貨區，然后使用軍用搬運車輛（叉車）將軍用貨物分送至各軍用倉庫[3-5]。出軍用庫環節搬運軍用車輛將軍用貨物從各軍用倉庫運至軍用裝貨區，后使用龍門起重機將軍用貨物搬運上各軍用運輸工具[6-7]。

本文主要研究同時面對多個軍用搬運任務，如何合理調度停放在各軍事場所的多輛軍用搬運車輛，使它們能以最短時間、最少行駛路程完成軍用搬運任務，從而節約搬運軍事車輛使用費用，提高軍用倉庫裝卸搬運效率。

2 數學模型

根據上面的分析，我們將研究過程限定為：對給定任意軍事搬運任務，多輛軍用搬運車分別從各自軍事區域初始停放點出發，行至軍事裝貨點裝貨，再行至軍事卸貨點卸貨三點之間的過程運行距離之和最短（其中時間最短，費用最低）。 如軍用車輛停放點正好是軍用裝貨點，其中兩點距離設為0；軍用初始停放點為任意一處軍事倉庫或軍事起重機處；任意軍事倉庫或軍事起重機兩點間距離為已知。 根據問題描述，軍用倉庫搬運車輛的調度問題的數學模型可以設為：

2.1 變量定義

m：設為軍用起重機的數量；n：設為軍用倉庫的數量；q：軍用搬運叉車數量；S1=（1，2，…n，n+l，…n+m）軍用倉庫和軍用起重機的編號集合；S2=（1，…q）軍用搬運車輛編號的集合；Lijg（i，j，g∈S1）軍用倉庫或軍用起重機任意三點間距離（即軍事停放點、軍事裝貨點、軍事卸貨點三點距離之和）。

2.2 數學模型

軍用車輛調度問題要求各項軍事搬運任務須在多個約束條件之下完成，如果不滿足其約束條件那么其解為不可行之解。 它的目標函數和約束關系如下所示：

3 蟻群優化步驟

本文所提出的螞蟻優化的算法具體流程可分以下個步驟進行。

3.1 首先初始化m、n 和q，再初始化螞蟻算法所需數據（迭代次數，螞蟻群體規模，螞蟻個數，算法中信息素的殘留系數，初始信息素，所用橫向濾波器的權值系數矩陣等等都要被初始化）；

3.2 利用0～1 均勻分布隨機數生成初始螞蟻群體；

3.3 然后計算螞蟻個體的目標函數值， 將過程目標函數值映射為個體評價值，記錄整個過程具有最好評價值的精英螞蟻，其具體映射公式為F（x）＝Cmax－f（x），Cmax為相對于所有個體目標函數值適當較大的數；其中f（x）為螞蟻個體目標函數值；F（x）為螞蟻個體評價值；

3.5 進入螞蟻優化搜索，通過過程轉移搜索、鄰域搜索和交叉運算得整個過程出新一代螞蟻群體；

3.7 最后當迭代次數小于設定次數，就重復進行步驟（3）至步驟（6）；在當迭代次數到設定次數，跳出循環，將迭代過程中得到的具有過程最優評價值的螞蟻個體作為過程最優解輸出，終止計算。

4 總結

本文在針對軍用倉庫搬運軍用車輛調度問題。建立了相應的數學模型。 在標準蟻群算法基礎上設計了種群優化和局部搜索方案。 實驗結果表明該采用算法是求解軍用車輛調度問題的一個很好方案。

［1］盧軍.淮安綜合交通運輸：經濟復合系統協同發展評價[J].物流科技，2012（203）：21-24.

［2］胡貴強.多目標優化的遺傳算法及其實現[J].重慶文理學院學報，2008（10）：12-15.

［3］劉國紅.第三方物流企業倉單質押融資模式與風險分析[J].物流科技，2012（202）：35-39.

［4］劉揚，胡仕成.面向物流企業車輛調度模型研究及應用[J].計算機應用與軟件，2009（8）：86-89.

［5］余家祥，王紹華，程文鑫.基于改進局部搜索遺傳算法的目標分配決策[J].系統工程與電子技術，2008（6）：56-60.

［6］關淞元，劉大有，金弟，王新華.基于局部搜索遺傳算法求解自動組卷問題[J].吉林大學學報，2009（9）：67-72.

［7］姜昌華，戴樹貴，胡幼華.求解車輛路徑問題的混合遺傳算法田[J].計算機集成制造系統，2007，13（10）：2047-2052.