[发明专利]一种改进型人工鱼群算法的物流配送方法

说明书

本发明公开了一种改进型人工鱼群算法的物流配送方法，包括获取多个客户配送点位置和每一客户配送点需求量，基于人工鱼群算法的觅食行为，判断移动步数；获取物流中心位置X_c和物流中心供给量Y_c，基于人工鱼群算法的聚群行为，判断移动步数；基于人工鱼群算法的追尾行为，判断移动步数；基于感知距离自适应变化条件和移动步长自适应变化条件，求解全局最优解。实现结合感知距离自适应变化和移动步长自适应变化适用于物流配送路径问题，全局收敛速度快，算法精度高。

技术领域

本发明涉及物流配送技术领域，尤其涉及一种改进型人工鱼群算法的物流配送方法。

背景技术

物流配送是指物流企业依据客户要求，对货物进行备货、储存、分拣及配货、配装、配送运输、送达服务、配送加工等一系列的物流活动过程。在物流配送过程中，由于配送用户多，一般城市交通路线又较复杂，如何选择最佳路径，使配装和配送路径有效搭配是物流配送的关键环节。合理确定配送路径就是用最少的动力，走最短的里程，花最少的费用，以最快的速度把货物送达客户，因此，如何合理优化配送路径，制定高效的运输路线，直接影响着物流运输的速度和效益。

目前，智能算法解决组合优化问题得到了广泛的应用，国内外很多专家学者运用遗传算法、蚁群算法等智能启发式算法求解物流配送问题，取得了不错的研究效果。但是现在的物流配送算法收敛速度慢、算法精度低。

发明内容

本发明的目的在于提供一种改进型人工鱼群算法的物流配送方法，旨在解决现在的物流配送算法收敛速度慢、算法精度低的问题。

为实现上述目的，本发明提供了一种改进型人工鱼群算法的物流配送方法，包括：

获取多个客户配送点位置和每一客户配送点需求量，基于人工鱼群算法的觅食行为，判断移动步数；

获取物流中心位置X_c和物流中心供给量Y_c，基于人工鱼群算法的聚群行为，判断移动步数；

基于人工鱼群算法的追尾行为，判断移动步数；

基于感知距离自适应变化条件和移动步长自适应变化条件，求解全局最优解。

在一实施方式中，获取多个客户配送点位置和每一客户配送点需求量，基于人工鱼群算法的觅食行为，判断移动步数，包括：

获取第一目标客户配送点位置X_i对应的客户配送点需求量Y_i与第二目标客户配送点位置X_j对应的客户配送点需求量Y_j进行比较；

当Y_i＜Y_j，则向第二目标客户配送点位置X_j移动一步；

当Y_i≥Y_j，则重新选择第二目标客户配送点位置X_j，直至try_number次后，仍不满足Y_i＜Y_j，则随机移动一步，其中，try_number为尝试次数。

在一实施方式中，获取物流中心位置X_c和物流中心供给量Y_c，基于人工鱼群算法的聚群行为，判断移动步数，包括：