蚁群算法与最优化问题的综合分析

王赛 王家祺 河北农业大学

蚁群算法与最优化问题的综合分析

王赛 王家祺 河北农业大学

蚁群算法在路径优化中有着极为重要的作用，可以对路径的最优化方案作出有效地分析。本文通过蚁群算法在最优化问题中的应用，以供应链配送管理为例，对其展开探讨。

蚁群算法 最优化问题 综合分析

1 蚁群算法概述

蚁群算法(ant colony optimization，ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法是一种模拟进化算法，初步的研究表明该算法具有许多优良的性质。针对PID控制器参数优化设计问题，将蚁群算法设计的结果与遗传算法设计的结果进行了比较，数值仿真结果表明，蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值。

2 蚁群算法平台的设计

2.1 平台层

蚁群算法分布式存储系统可以对大规模的结构数据进行存储，通过大型的存储与管理技术，实现对于数据的高效处理，这个数量级大部分时候在PB级以上，这样才能让科研活动更加合理地进行开展。

2.2 功能层

功能层采用扩展算法进行数据挖掘，采用TB级的数据进行模型建立，实现云计算与分布调度处理，利用负载的均衡技术，使得分布处理能力提升，从而实现高效数据处理。

2.3 服务层

采用基于WEB与Open API的蚁群算法挖掘处理技术，从蚁群算法的环境分析入手，加强端口的管理与流程的优化，从而实现端口的智能配置与数据交换，让蚁群算法的共享变得科学合理简洁。服务层属于高级别管理层次，因此应当加强对输入输出的合理控制，使其可以实现蚁群算法的高效交换。

3 供应链管理中存在的问题

3.1 配送信息系统功能不完善

企业信息化建设能够提升物流服务水平，同时也可以增强企业活力，企业服务质量在一定程度上可以得到提高，服务准确性也可以加以提高，但信息系统需要加以完善，物流信息系统现代化水平与技术水平要不断提高，对于物流产业发展具有重要作用。依据中国仓储协会物流市场调查报告，我国物流企业信息系统要实现物流管理的优化。我国一体化物流管理企业占据大部分比例，供应链管理企业比例相对较少，导致配送信息管理系统仍然存在一些不足的地方，比如很多流程缺乏对事后的跟踪机制。计算机技术的使用也有利于处理物流配送系列问题，对于选址问题以及线路选择发挥很大作用。

3.2 对配送信息的分析挖掘不够

大部分企业采取的是传统配送模式，对货物进行分拣，在送货、配货的分拣过程中仅仅是对货物本身进行区分，区分物流主要进行物流信息收集以及分析，这种措施将会造成地点的重复。例如：企业在不同的配送点都有货物需要运送到A地点，因为没有对配送信息流进行统计、分析，不能进行统一的分配、调度，就很有可能每个配送点都安排车辆、人员将货物配送到A地点，浪费资源，也无法实现高效配送。

4 蚁群算法在供应链中的应用分析

4.1 完善企业配送信息管理的功能

城市供应链的生命在于对道路交通信息的掌握度与熟悉度。供应链公司，尤其是专注于城市供应链配送的企业供应链公司，与道路交通部门形成良好的互动关系，建立优良的信息合作机制就显得尤为重要了。企业供应链配送管理体系必须实现与道路交通部门信息系统的实时对接，获取第一手的道路交通信息，采用蚁群算法进行计算与优化。交通信息对供应链极为重要。例如由于不清楚道路交通状况，企业供应链往往使派出去的运输卡车陷入交通堵塞之中，原定50公里的运输距离只行驶到一半就停滞不前。为了防止这种现象的出现，就必须与道路交通部门沟通及时得到道路交通信息，确保卡车能够按照预定时间到达。

4.2 运用蚁群优化方案加强供应链配送路径的管理

随着企业配送业务的发展壮大，服务的客户越来越多，配送的商品也越来越多。综合公司的配送信息管理数据，对公司配送能力的评估，为公司未来配送业务在市场方面的决策提供辅助支持。根据历史配送信息，采用蚁群算法，统计得出公司在不同类型配送业务上为公司盈利带来的贡献，将资源优先分配给更有竞争力的业务部门，优化公司资源的配置，使得有限的资源得到合理利用，完成企业的更进一步发展壮大。

5 总结

蚁群算法之所以能引起相关领域研究者的注意，是因为这种求解模式能将问题求解的快速性、全局优化特征以及有限时间内答案的合理性结合起来。其中，寻优的快速性是通过正反馈式的信息传递和积累来保证的。蚁群优化算法最初用于解决TSP问题，比如图着色问题、车辆调度问题等。蚁群算法在若干领域已获得成功的应用，其中最成功的是在组合优化问题中的应用，通过对于供应链路径的优化，将让其有更好的发展。

[1]蚁群算法处理中混合型聚类算法的研究与实现[J].陈晓，赵晶玲.信息网络安全.2015(04)

[2]基于多方排序协议的安全电子投票方案[J].杨婷婷，林昌露，刘忆宁，张胜元.计算机系统应用.2015(08)

[3]带有空间机械臂的航天器系统惯性参数辨识[J].文坤，廖瑛，杨雅君.飞行器测控学报.2015(04)