Keywords:distributionregionaldivision;distributionvehicleroutingoptimization;algorithm
0引言
流通领域中,许多物流配送企业借助外部经济的发展,实现了规模扩张与快速发展,但对如何控制成本,提高运营效率的迫切性并不强。现在随着经营环境的变化,物流需求量更大,客户、网络更复杂,对服务的要求更多样化。但面临的竞争更加激烈,不管是从事跨区域配送还是城市配送,首先需要考虑顾客服务水平,赢得客户的认可,然后考虑配送运营的成本问题,因而如何创新物流服务,提高运营效率和控制日常运营成本成为每个配送企业需要时刻思考的问题。
1论文总体思路综述
排单和车辆调度是整个配送计划和作业实施的核心,是配送任务和客户服务按时完成的有力保证。
2配送区域动态优化及其方法
氏距离还不理想,可增加距离长度,甚至用最大距离选择法,收敛速度比较快。在配送对象分布较均匀时,可考虑用网格法,效果较好,整个配送区域划分用k=Q/q,k为初始点个数,假设k=mn,将地图划分成m行n列,以每格中心点为初始点,通过网格内的反复聚类运算,达到收敛,获得网格稳定的聚类中心。
2.2分区内配送工作量的均衡。这样就完成了配送区域的初步划分,但是没有考虑各个分区内工作量的均衡问题,如果工作量不均衡,对于客户服务水平的保证,成本的控制,作业的安排,人员、车辆的考核都存在问题。
以上是本文的第一部分工作,也是最有意义的工作,确定好合理的区域划分,不仅是配送作业合理化的重要步骤,也是业务人员访销工作和客户服务的重要依据。
3基于改进蚁群算法的分区线路优化方法
分区内线路安排,就是一辆送货车由DC出发,依次经过分区内每一个客户点,完成送货后返回DC,求出近似最优的行车顺序,这是个典型的旅行商问题(TravelingSalesmanProblem,TSP),TSP是NP完全问题,解法很多,有精确算法,也有启发式算法,目前许多智能算法就属于启发式算法,可以解决较复杂的线路优化问题,对于一般线路优化也能做得更准确,这里介绍蚁群算法解决实际问题。原因是蚁群算法与其他启发式算法相比,在求解性能上,具有较强的鲁棒性和搜索较好解的能力,是一种分布式的并行算法,一种正反馈算法,易于与其它方法结合。克服基本算法缺点,改善算法性能。
3.1蚁群算法简介。蚁群算法(AntColonyAlgorithm,ACA)是由意大利学者M.Dorigo等人于20世纪90年代初提出的一种新的模拟进化算法,其真实地模拟了自然界蚂蚁群体的觅食行为。M.Dorigo等人将其用于解决旅行商问题TSP,并取得了较好的实验结果。
4本文的局限与进一步研究的方向
【关键词】自动导航小车；路径；规划；控制
随着科技的不断进步，我国自动化技术发展越来越好，这对提高人们的生活质量有着较大帮助。应用自动化技术，可以生产出具有更多功能的机器与设备，比如，自动导航小车就是一种新型的机器，其具有自动定位与行驶的特点，可以利用计算机技术，对小车的行驶路径进行规划与控制。自动导航小车的设计与制作涉及多个领域，在科技不断发展的背景下，我国自动化控制水平越来越高，这也促进了自动导航小车的发展。下面笔者对自动导航小车的路径规划以及控制方法进行简单分析。
1.自动导航小车路径规划的定义与方法
1.1自动导航小车路径规划的定义
1.2路径规划的方法
自动导航小车路径规划的方法主要有两类，其一是传统方法，其二是智能方法。第一类传统路径规划方法中，常用的有自由空间法、图搜索法、人工势场法等；第二类智能路径规划方法中，常用的是基于遗传算法的路径规划、基于人工势场的路径规划等等。在现代自动导航小车设计中，应用智能方法比较多，其可以提高路径规划的准确性，下面笔者对自动导航小车的路径规划常用的几种智能方法进行简单的介绍。
1.2.1基于遗传算法的路径规划
基于遗传算法的路径规划在自动导航小车路径研究中应用比较广泛，其是由国外的学者提出的，是在模拟达尔文生物进化论的基础上创建的，应用这种方法可以解决传统路径规划中存在的漏洞。遗传算法具有随机性，而且具有针对性，利用遗传算法可以对自动导航小车的移动路径进行准确的规划，其具有高效的特点。
1.2.2基于人工势场的路径规划
2.不同环境下自动导航小车的路径规划策略
自动导航小车是一种新型的机器，其在未知的环境下，收集信息的情况也有一定差异，通过分析发现，其收集信息主要有两种类型，一种是在已知的信息环境下，全局路径的规划；另一种是在未知的环境信息下，局部路径的规划。下面笔者主要对静态已知环境下局部路径规划方法以及静态未知环境下局部路径规划方法进行分析。
2.1静态已知环境下局部路径规划方法
2.2静态未知环境下局部路径规划方法
3.自动导航小车的路径控制
控制软件与各模块驱动程序是保障系统正常运行不可或缺的部分。控制软件在主机上实现，各模块驱动程序在各自模块中运行，控制软件与各模块驱动程序之间可通过主从式结构进行必要的通信联系。子机可向主机发出异常情况处理信号，利用通信技术，还可以控制各子模块的运行状况。
3.1运动控制的位置环调节
参数调节运动控制驱动器的位置控制回路时，运用基于观测器的状态变量控制技术。采用此技术，运动控制驱动器的优点是：⑴系统将具有很高的动态刚度；⑵即使负载和电机的惯量有较大差别，仍可有效减少跟踪误差。在运动之前，必须进行轨迹参数设置及完成参数设置。初始调节时，一般设定运动速度、加速度、加加速度为较大值，而运动位置为一较小值。
3.2轴的运动
轴运动有两种，一种是单轴运动，另一种是多轴协调运动。单轴运动是指某一种运动模式设定后，该轴将保持这种运动模式，直到设置新的运动模式为止。多轴协调运动是指运动控制器可以实现两种轨迹的多轴协调运动。对于各模式之间的切换，除电子齿轮模式之外，其他模式必须是在当前轴运动完全停止的情况下进行。控制器中不同的轴可以工作在不同的运动模式下，在某些情况下，为了安全起见，需要在某些位置或某个时刻使运动停止。
4.结语
【参考文献】
[1]陈亮，黄玉美，林义忠，史恩秀，高峰.陀螺仪角速度的检测与处理[J].传感器与微系统，2006（04）.
关键词：精英策略；蚁群算法；配送中心；信息素；路径
中图分类号：F252.14文献标识码：A
关于物流配送路径规划一直是物流领域研究的热点和难点问题，从国外研究情况来看，1993年Ronald等人提出物流系统设计的四个核心战略规划区域模型（Fourmajorstrategicplanningareasinlogisticssystemdesign），他认为四个核心区域为客户服务水平、选址决策、库存决策和运输决策（Customerservicelevels，Locationdecisions，Inventorydecisions，Transportdecisions），对于配送中心选址方法可简单分为定性和定量两大类，定性方法主要是层次分析法和模糊综合评价相结合对各个方案进行指标评价，找出最优地址。定量方法包括重心法、运输规划法、Cluste法、CFLP法、Baumol-Wolfe模型、混合0—1整数规划法、双层规划法、遗传算法等。蚁群算法是一种新型的优化方法，该算法不依赖于具体问题的数学描述，具有全局优化能力。
本文提出了一种基于改进蚁群算法的物流配送路径规划方法，将物流配送中心看成一个聚类过程，再利用蚁群系统中蚂蚁通过信息素留存寻找最优路径的机制，结合蚂蚁使物体聚堆的行为模式，合理设计转移概率、禁忌列表及信息素更新方式，使系统配送中心的配送路径最短，从而确定配送中心的配送路径。
1蚁群算法
仿生学家经过大量细致观察研究发现，蚂蚁个体之间通过一种称为外激素的物质进行信息传递，蚂蚁在运动过程中，能够在它所经过的路径上留下信息素，而且蚂蚁在运动过程中能够感知这种物质，并且以此指导自己的运动方向。受此启发，它由意大利学者MarcoDorigo于1991年在他的博士论文中引入，提出了一种基于蚂蚁种群的新型优化算法——蚁群算法。
1.1研究目的
本研究拟通过学习蚂蚁觅食回巢的生物本能，对物流配送进行仿真模拟，找出优化的配送路径，提高物流配送的效率和效益。
1.2研究的对象
先对6个同配送点的配送方案进行研究，然后延伸到100个配送点，并找出最佳路径。以上步骤均通过计算机编程进行演化分析。把研究的成果进行实际应用的演算和验证。
1.3研究方法
本文使用蚁群算法，进行人工模拟配送路线，并用计算机编程进行模拟，就如同一只人工蚂蚁，背着背包，到若干个结点，搬运食物回蚁巢。
规则1环境：人工蚂蚁所在的环境是一个虚拟的世界，有确定的路线桥，且两点间路线桥不相交；有信息素，信息素都同质（不区分，找到食物时分泌的信息素和回巢时分泌的信息素），环境以一定的速率让信息素消失。
规则2移动：人工蚂蚁只会沿着路线桥觅食，当走到结点（觅食点），人工蚂蚁会判断是否有信息素及其浓度，优先选择信息素浓度大的路线桥为路径；同时会有一定的概率，随机选择别的路线桥；如路线桥上均无信息素则随机选择路线桥。
规则3觅食：人工蚂蚁沿路线桥到各个结点觅食，当到达该觅食点后，为防止人工蚂蚁原地转圈，它会记住最近刚走过哪些点（禁忌表），如发现下一个结点是已觅食过的结点，则会避开该点。
规则4信息素：每只人工蚂蚁在遍历完各点后，系统会利用蚁周算法更新信息素，对总路径最短的路线进行精英激励，会大量增加该路线信息素；如果总路径较长则少量增加信息素；信息素在人工蚂蚁遍历完后，将会按一定速率自动挥发所有路线桥上的信息素。
2研究步骤
2.1初始化结点
各个结点进行坐标化，数据存入zuobiao（序号：X，Y）表中，见表1，然后构造成路线桥距离矩阵存入jiedian（序列：1，2，3，…，n）表中，见表2，此次研究拟选用zuobiao表中的结点和数据：
2.2信息素表示
所有的路线桥上的信息素全部为0，并把信息素数据存入xinxisu（序号：1，2，3，...，n）表中，见表3，用0表示无信息素。
2.3初始化禁忌表
人工蚂蚁比较聪明，当到达该觅食点后，它会记住已找到的结点，并把结点信息存入jinji（序号，禁忌，先后顺序）表中，其中0表示未用，1表示已用，详见jinji表，见表4。
第1只人工蚂蚁运行状态：人工蚂蚁从巢穴出发，判断与该结点连接的各个路线桥上的信息素的浓度，因信息素均为0，则用随机函数进行选择路线在jinji表中把起点设置为1（已用），先后顺序为1，离开起点沿着该路线桥到达下一觅食结点，信息素为0，则用随机函数进行选择路线同样在jinji表中把第1个觅食结点设置为1（已用），先后顺序为2，离开第1个结点沿着该路线桥到达下一觅食结点，判断信息素，随机函数选择路线桥……当6个觅食结点全部走完后，人工蚂蚁自动沿着路线桥回到巢穴结点，从而形成完整的闭合回路计算总路线桥长度，用L1表示，同时更新xinxisu表，在路线桥闭合回路全部洒上强度为3的信息素。
第2只人工蚂蚁运行状态：人工蚂蚁从巢穴出发，判断与该结点连接的各个路线桥上的信息素的浓度，原则上沿着信息素浓度大的路线桥通往下一觅食结点，但也会有“叛逆”的情况，用随机函数产生这种小概率事件，如人工蚂蚁遇到小概率事件，则沿着小概率事件选择的路线桥爬行到下一觅食结点在jinji表中把起点设置为1（已用），先后顺序为1，离开起点沿着该路线桥到达下一觅食结点，判断连接该觅食结点各个方向上的信息素浓度，正常是沿着信息素浓度大的方向移动，同时考虑小概率事件是否发生，如发生则沿着小概率选择的优先路线前进。同样在jinji表中把第1个觅食结点设置为1（已用），先后顺序为2，离开第1个结点沿着该路线桥到达下一觅食结点，判断信息素浓度，并优先考虑小概率事件……当6个觅食结点全部走完后，人工蚂蚁自动沿着路线桥回到巢穴结点，从而形成完整的闭合回路计算总路线桥长度，用L2表示，更新xinxisu表，判断该轮路线桥总长度是否是最短，如最短则在第2只蚂蚁走过的路线桥上全部洒上激励的信息素，其值为3，同时，在全部路线桥上按1个信息素/每轮的速率，挥发信息素。
2.4总路线长度最优的判定
判断路线桥该轮路线桥总长度是否是最短，可分为如下三种情况。
L1
L1=L2增加L2闭合回路上的信息素+3把L2设为最短路径，用Lmin表示，后续人工蚂蚁的Ln均与Lmin比较
L1>L2增加L2闭合回路上的信息素+3把L2设为最短路径，用Lmin表示，后续人工蚂蚁的Ln均与Lmin比较
后续n只人工蚂蚁和第2只蚂蚁一样觅食（n=80），最终沿着信息素最浓的路线桥爬行各个觅食点，其路径桥为最短路线。
2.5参数选取
（1）随机小概率为0.05，结点6个，信息素对精英蚂蚁奖励+3，对一般蚂蚁+1，信息素挥发速率为1/轮。
（2）人工蚂蚁选取80只（迭代80轮）。
（3）觅食结点的状态。其中第1只人工蚂蚁比较特殊，路线桥选择不是按信息素的浓度进行选择，而是人工赋予随机选择函数。在离开原点时选择概率为1/6，到第一个结点后选择概率为1/5，到第二个结点后选择概率为1/4，……，1/1回到巢穴。
2.6进行演算
觅食结点的状态选取3种状态：离散型、聚合型、平均型；随机小概率事件按分形理论选取20个不同的参数，如下值：0.5、1.5、2.5、3.5、4.5、5.5、6.5、7.5、8.5、9.5、5、15、25、35、45、55、65、75、85、95；每轮蚂蚁选择80只；为了剔除异常收敛，每轮均进行10次演算求出平均值，作为该轮稳定的最短路径。综合考虑状态的聚合度、觅食结点个数、随机小概率事件，通过编程和建立数据库，模拟最优路线结果如下：
1354261其中Lmin=45.2
3实例分析
为了验证本算法的正确性，在Matlab平台上对其进行了仿真实验。建立如下数学模型，选取福州市某配送中心10个点进行配送，并且要求路径最短，如表5所示，10个点经过坐标化后是接均型分布，小概率事件选取0.5，人工蚂蚁选取80只，每轮进行10次迭代并取平均值。结合迭代运算，得出最优路径如下：
23456810912
蚁群算法可以比较完美地解决配送路径问题，但也存在不足之处，特别是在信息不完全的情况下，比如两点之间有捷径，模拟最优线路与实际线路会有偏差，同时算法可能会陷入局部最优，可以通过控制收敛速度和加快趋向最优路径对蚁群算法进行优化。
参考文献：
[1]李云清.物流系统规划[M].上海：同济大学出版社，2004.
[2]秦固.基于蚁群优化的多物流配送中心选址算法[J].系统工程理论与实践，2006（4）：120-124.
[3]魏娜.关于物流配送中心选址优化问题研究[D].大连：东北财经大学（硕士学位论文），2006.
[4]高雷阜，等.基于最大最小蚂蚁系统的物流配送中心选址算法的研究[J].运筹与管理，2007（12）：42-46.
[5]许慧，王正友，杨欢庆.蚁群算法及其聚类应用[J].矿山机械，2007（1）：115-117.
关键词：运输货损；车辆路径；规划
1.车辆路径规划理论与研究现状
1.1车辆路径规划理论
1.2车辆路径规划问题研究现状
VRP是一类具有极强应用性的优化调度问题，它在物流配送、交通运输等领域获得了广泛的应用，其范例大量存在于日常生活之中。由于VRP在应用上的广泛性和经济上的重要价值，自1959年由Danzig和Ramser提出以来，一直是学界研究的重点和热点问题，50多年来已经取得了大量的研究成果。从解法上来看，对VRP的求解算法主要可分为精确算法和启发式算法，而最近10年来，对于VRP的求解算法研究，主要集中在现代启发式算法。
2.车辆路径规划问题算法分类与概述
自从VRP问题被提出以后，由于其同时具有理论价值和现实意义，VRP问题迅速受到越来越多研究人员的重视，力求能够发现求解各类VRP问题的高效算法。按照VRP问题发展与研究过程来看，算法大致可分为三类，即精确算法、经典启发式算法和现代启发式算法。
通过对大量文献的分析研究，归纳得出三类算法的优势与劣势对比如下：
精确算法，能够求出问题的精确解，当问题规模较大时，往往会导致计算量过大、存储信息太多等问题，降低了计算效率，主要适用于较小规模的简单路径规划问题求解。
经典启发式算法，不断对解的结果进行优化，能够保证每次迭代后求得的解都是当前最优解；计算速度快、复杂度低，容易陷入局部搜索，可能无法跳出局部范围找到全局最优解，与其他算法结合，广泛应用于复杂大规模路径规划问题。
现代启发式算法，具有能够跳出当前搜索领域而进行全局搜索的能力；结构开放性，与问题无关性，应用理论要求较高，针对不同问题的研究还不完善，广泛应用于复杂大规模路径规划问题。
3.考虑运输货损的鲜花配送车辆路径规划问题概述
中国鲜花行业伴随供给侧结构性改革与消费升级的浪潮，近几年也在发生翻天覆地的变化。
3.1参数定义及约束条件
设有n个客户节点，每个客户节点的需求量为（i=1，2，…，n）；有m辆配送车辆（型号种类完全一致），每辆车的最大载重量为Q。客户i到客户j的距离为，0表示配送中心，则配送中心到客户点的距离为（i=1，2，…，n）。由于一条线路上所有客户点由一辆车进行配送，所以要求考虑货损量的前提下，每条线路客户点需求量之和不超过每辆车的最大载重量。
4.小结
[2]刘勇，崔炳谋，王小东.物流配送路径优化问题的模型及改进混合算法[J].物流科技.2008（4）：88-90.
【关键词】低碳电力系统；规划；环境资源
1低碳电力系统
发展低碳电力系统，不仅能够在一定程度上提升电力系统的实际工作效率，而且还能最大程度的降低运营成本，尤为重要的是因为碳排放相对减少了，对于外部环境资源的影响明显降低了，使得电力系统能够长期处于一个稳健且可持续发展的状态之中。
2低碳电力系统的规划
3低碳电力系统的运行优化
4低碳电力系统的展望
5结语
提出“中国正在全面深化改革，发挥市场在资源配置中的决定性作用，更好发挥政府作用，努力建设开放型经济新体制。”电力系统的低碳规划与运行，也应该完全接受市场的检验，特别是在市场对资源配置进行重组的过程中，政府起到的是引导作用，而电厂，尤其是火力发电厂在其中起到的是落实作用。只有不断的在改革中发展，将低碳电力系统的运行长期保持在稳健及可持续的状态下，那么才真正的符合社会主义市场经济的实际需求。
参考文献:
［1］邓晶，周任军，郑思，任俞霖．计及低碳效益的分布式发电优化配置［J］．电力系统及其自动化学报，2012(04)．
［2］康重庆，季震，陈启鑫．碳捕集电厂灵活运行方法评述与展望［J］．电力系统自动化，2012(06)．