《表6 单位车辆具体配送方案及配送成本》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于自适应动态搜索蚁群算法的车辆路径规划》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

观察图5-图8可得，4种配送方案中2号和4号车辆的行驶路线一致，1号和3号车辆的行驶路线稍有差别，配送成本也是各不相同。其中，各方案中单位车辆的行驶路线及配送成本见表6，图9也直观地展示了4种方案的细微差别。对照图表，并结合相关实验数据综合性地研究和分析，ACO算法在第32代绘制出最佳配送方案，如图5 (a）所示。表6显示了该算法中1号车辆的行驶路线为：0-20-16-14-13-12-0，该车辆在遍历完20号、16号分店后转向14号分店，直接违背了公理“两点之间线段最短”，由此可以判定该路线不是最优的。此外，从图5 (b）可以看出，该算法在第5代的配送成本几乎接近4710，有突破瓶颈的迹象，然而却没能稳定于这一点，而且算法长期处于动荡搜索状态，最终归拢于4758，说明该算法具有一定的提升空间；AACO算法和DACO算法分别在第29代和第31代绘制出最佳配送方案，如图6 (a）和图7 (a）所示。对比这两种配送方案，清晰地看到两者之间仅3号车辆的行驶路线略有不同，但总的配送成本却相差15，这项差值充分说明DACO算法中3号车辆的行驶路线是可取的。从图6 (b）可得知，AACO算法同比ACO算法在收敛代数上缩短了9.68%，并降低了0.69%的配送成本。图7 (b）清楚显示DACO算法在第20代有陷入局部困境的迹象，但信息素强度区间性设置引导群体在第30代及时逃离困境构造新的解，并且配送成本最终降低并稳定于4710；图8显示ADACO算法的最佳配送方案于第27代绘制完毕，同图7 (a）相比，两者仅1号车辆的行驶路线不同，然而对应的配送成本却迅速降低到4674，而且也不存在交叉或ACO算法中1号车辆的绕路现象，由此可判断ADACO算法1号车辆的配送路线为最佳路线。此外，ADACO算法中3号车辆的行驶路线与DACO算法相同，均为可取路线。