基于蚁群算法的仓库车辆调度优化技术的研究

叶迎亮 严 毅

（安徽理工大学，安徽淮南232001）

军队仓库装卸搬运系统中运输效率和运输顺序直接的关系到整个军用仓库的出入仓库效率，在这个过程中，对它的搬运军用车辆进行的合理调度，缩短它们的过程行驶路程，减少它们的过程等待时间，对于提高整个系统装卸军用搬运系统的效率具有非常重要的意义[1]。 本文在利用蚁群算法求解军用车辆调度问题的基础上， 利用Sweep 算法对初始种群进行优化[2]，提出了一种改进的过程局部搜索算法，解决了过程高效邻域结构的设置的技术难题，并且利用实际例子进行了验证。

1 库装卸搬运流程

军用仓库货物的装卸搬运过程主要包括入军用库和出军用库两个环节。 入军用库环节使用军用龙门起重机从军用卡车、军列等运输工具上将军用货物卸至卸货区，然后使用军用搬运车辆（叉车）将军用货物分送至各军用仓库[3-5]。出军用库环节搬运军用车辆将军用货物从各军用仓库运至军用装货区，后使用龙门起重机将军用货物搬运上各军用运输工具[6-7]。

本文主要研究同时面对多个军用搬运任务，如何合理调度停放在各军事场所的多辆军用搬运车辆，使它们能以最短时间、最少行驶路程完成军用搬运任务，从而节约搬运军事车辆使用费用，提高军用仓库装卸搬运效率。

2 数学模型

根据上面的分析，我们将研究过程限定为：对给定任意军事搬运任务，多辆军用搬运车分别从各自军事区域初始停放点出发，行至军事装货点装货，再行至军事卸货点卸货三点之间的过程运行距离之和最短（其中时间最短，费用最低）。 如军用车辆停放点正好是军用装货点，其中两点距离设为0；军用初始停放点为任意一处军事仓库或军事起重机处；任意军事仓库或军事起重机两点间距离为已知。 根据问题描述，军用仓库搬运车辆的调度问题的数学模型可以设为：

2.1 变量定义

m：设为军用起重机的数量；n：设为军用仓库的数量；q：军用搬运叉车数量；S1=（1，2，…n，n+l，…n+m）军用仓库和军用起重机的编号集合；S2=（1，…q）军用搬运车辆编号的集合；Lijg（i，j，g∈S1）军用仓库或军用起重机任意三点间距离（即军事停放点、军事装货点、军事卸货点三点距离之和）。

2.2 数学模型

军用车辆调度问题要求各项军事搬运任务须在多个约束条件之下完成，如果不满足其约束条件那么其解为不可行之解。 它的目标函数和约束关系如下所示：

3 蚁群优化步骤

本文所提出的蚂蚁优化的算法具体流程可分以下个步骤进行。

3.1 首先初始化m、n 和q，再初始化蚂蚁算法所需数据（迭代次数，蚂蚁群体规模，蚂蚁个数，算法中信息素的残留系数，初始信息素，所用横向滤波器的权值系数矩阵等等都要被初始化）；

3.2 利用0～1 均匀分布随机数生成初始蚂蚁群体；

3.3 然后计算蚂蚁个体的目标函数值， 将过程目标函数值映射为个体评价值，记录整个过程具有最好评价值的精英蚂蚁，其具体映射公式为F（x）＝Cmax－f（x），Cmax为相对于所有个体目标函数值适当较大的数；其中f（x）为蚂蚁个体目标函数值；F（x）为蚂蚁个体评价值；

3.5 进入蚂蚁优化搜索，通过过程转移搜索、邻域搜索和交叉运算得整个过程出新一代蚂蚁群体；

3.7 最后当迭代次数小于设定次数，就重复进行步骤（3）至步骤（6）；在当迭代次数到设定次数，跳出循环，将迭代过程中得到的具有过程最优评价值的蚂蚁个体作为过程最优解输出，终止计算。

4 总结

本文在针对军用仓库搬运军用车辆调度问题。建立了相应的数学模型。 在标准蚁群算法基础上设计了种群优化和局部搜索方案。 实验结果表明该采用算法是求解军用车辆调度问题的一个很好方案。

［1］卢军.淮安综合交通运输：经济复合系统协同发展评价[J].物流科技，2012（203）：21-24.

［2］胡贵强.多目标优化的遗传算法及其实现[J].重庆文理学院学报，2008（10）：12-15.

［3］刘国红.第三方物流企业仓单质押融资模式与风险分析[J].物流科技，2012（202）：35-39.

［4］刘扬，胡仕成.面向物流企业车辆调度模型研究及应用[J].计算机应用与软件，2009（8）：86-89.

［5］余家祥，王绍华，程文鑫.基于改进局部搜索遗传算法的目标分配决策[J].系统工程与电子技术，2008（6）：56-60.

［6］关淞元，刘大有，金弟，王新华.基于局部搜索遗传算法求解自动组卷问题[J].吉林大学学报，2009（9）：67-72.

［7］姜昌华，戴树贵，胡幼华.求解车辆路径问题的混合遗传算法田[J].计算机集成制造系统，2007，13（10）：2047-2052.