外卖配送基于matlab蚁群算法求解外卖配送问题含Matlab源码 2351期

Posted 2023-02-22 海神之光

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了外卖配送基于matlab蚁群算法求解外卖配送问题含Matlab源码 2351期相关的知识，希望对你有一定的参考价值。

⛄一、蚁群算法求解外卖配送问题

1 传统蚁群算法
1.1 蚁群算法的描述
利用蚂蚁运动的随机性进而进行权重的初始化方式,得到迭代次数并计算出全部蚁群的多重路径进行搜索循环。根据模型筛选蚁群选择下一个节点,判断是否全部蚂蚁迭代、信息素的更新,去计算概率并判断禁忌表中是否饱和,当显示饱和已满,最终判断满足结束条件,得出结论。

蚁群系统是在20世纪90年代被意大利学者M.Dorigo、V.Maniezzo等通过观察记录蚂蚁的觅食性所发现的。蚂蚁的觅食过程中会释放一种信息素,蚂蚁之间通过信息素来进行通信和协调,根据释放信息素的浓度选择找到觅食的最短路径。1992年,Marco Doigo的博士论文中正式提出蚁群算法。

在后续对蚁群的觅食行为研究中发现,蚂蚁在外出觅食的路上会释放一种信息素,蚁群内的蚂蚁通过这些信息素从而实现信息的传递。而蚁群算法则是通过模拟蚂蚁种群的这种觅食过程,采用觅食过程中的一些特性,寻找确定最优的路径。

1.2 蚁群算法的优点
蚁群算法(图1)是一种模拟退化算法,反映了蚁群的觅食过程、蚁群在觅食过程中所表现的特性。这种模拟退化算法也具备以下特性:

(1)自组织性。在没有特定的外界干预的条件下,蚂蚁觅食产生自组织性,单个蚂蚁对于路径的无序寻找并且留下信息素产生作用,从而自发地趋向路径的选择,直到寻找到路径的最优解,这一过程经过算法的演变,将无序转化为有序。

(2)并行机制。每只蚂蚁在搜索路径的过程具有独立性的特点,同时也会通过信息素进行搜索路径的交流,也随即共同寻找出最优路径,从而提高搜寻的效率。蚁群算法的普适性是组合优化问题求解的重要方式,也同时增加了算法的可靠性。

(3)鲁棒性。蚁群算法的求解结果不依赖初始路线的选择,搜索过程中也不需要过多的人工因素干扰,收敛程度并不受参数、概率模型的约束。在运行过程中具有稳健性的特点,保障外卖系统大数量分析和接受订单过程中的安全性、系统的可行性。

(4)全局搜索能力强。蚁群算法应用在复杂的搜索任务中时,每一种信息素的产生代表了一只蚂蚁的信息搜索的传递,模型构造继而应用多点同时开始进行独立的解的搜索,从而体现全局进行搜索时其强大搜索的能力,找到多种路径的选择并有效进行最优路径的选择。

2 最优路线求解
对蚂蚁航迹上的信息素优化更新后,求解最优路线,实现过程如下:

(1)将信息素的值设置为1,在迭代中其启发式信息保持不变。

(2)随机选择其一个外卖位置作为蚂蚁a的出发位置,进行第一次航迹的行走,若蚂蚁a未寻访完所有外卖位置,则以蚂蚁a的当前位置开始随机先择下一个外卖位置。

(3)设置一个外卖位置在(1,0)的随机数,如果随机数小于设置的控制参数,则在未走访过多外卖位置中,选择最大可行性的外卖位置作为蚂蚁下一个移动的外卖位置。在蚂蚁走访完所有的外卖位置后返回走访外卖位置的先后顺序。

对蚂蚁个体的选择概率进行积累概率,与产生的随机数进行对比从而选择下一个外卖位置,从不断地迭代中找到最短路径并输出。

⛄二、部分源代码

clc;
clear;
close all;
%% 题目描述：外卖配送问题
%每一个客户都对应特定的商家
%只有一个骑手 %后续可以换成n个骑手
%无限容量、无限里程、无限时间
%现在已经更新为可以有限容量了
%一般是最小里程等求和作为目标函数，比较符合自然规律；暂时没想到里程接近
%收到订单后要先到商家才能再到客户

%% 数据
% 坐标
Buyer = [-4,-1; -4.5,-0.5; -3,-3; -3,2.5; -3,0.5; -1,-2; -1,-1; -0.5,-1;
-0.5,0; 0,3; 1.5,-4; 1,-3; 1, -2; 0.5,-1; 0.5,3; 2.5,-1; 1.5,0;
2,1; 3,-1; 3,4];
Seller = [2,-3; 0,4; 1,0; -4,-3; 2, -2; 4,-1; 3,3; 4,2; 4,-1; 3,1;
-3,-1; 5,0; -2,0; -4,2; -3,1; -3,-2; -1,2; -1,0;0,1;0,2 ];

% 配重
global Weight
global W_max
Weight = [1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1];
Weight = [Weight;-Weight];%到卖家加上重量，到买家加上负的重量
W_max = 3;%这样就意味着不能带超过W_max份的物品

n = size(Seller,1);

% 前提
global pre %前提列表，必须要先经过前提
pre(1:n) = 0; %卖家无前提
pre(n+1:2*n) = 1:n; %买家前提是对应卖家

%% 求解部分
% 测试外卖问题
X = [Seller;Buyer];
[Result,~] = ACO(X, 0);
% 测试TSP
% X = Seller;
% [Result,~] = ACO(X, 1);

%% 画图
plot(Result(:,1),Result(:,2),‘o-’);
hold on;
plot(Seller(:,1),Seller(:,2),‘o’);
plot(Result(1,1),Result(1,2),‘rp’,‘MarkerSize’,9);