《表4 行车成本：生鲜产品的纯电动冷藏车配送路径问题研究》

  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

《生鲜产品的纯电动冷藏车配送路径问题研究》

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

元

利用本文设计的蚁群算法，将模型中的目标函数和众多约束结合算法转化成相应的编程语言，在MATLAB a2013中运行计算，通过计算机实验仿真分析后发现，转移概率对算法的运行结果影响很大，而转移概率受其参数影响。就本文模型和算例而言，α值越大，蚂蚁搜索路径的随机性越小，而α值越小，蚂蚁的搜索范围减小，容易陷入局部最优；β值越大，蚂蚁越容易选择局部短路径，陷入局部最优，β值越小，距离因子的重要程度减小，越容易得到总路径较长的最终解；γ值越大，蚂蚁越容易选择时间窗紧迫的点，γ值越小，越容易偏离时间窗，惩罚成本越高。蚂蚁数量值越大，得到的最优解越精确，但是会增加算法运行时间。为了得到较好的最优解，本文根据仿真分析的结果选择一组较为合适的参数值，设定参数α=1，β=3，γ=2，蚂蚁数量K=100。分别利用粒子群算法（Particle Swarm Optimization，PSO）、遗传算法（Genetic Algorithm，GA）和本文设计的蚁群算法（Ant Colony Optimization，ACO），对纯电动冷藏车配送生鲜产品的路径问题进行求解，每种算法随机运行10次后取最好解，得到的最优结果如表2所示。最后，以此算例和蚁群算法对具有和上述纯电动冷藏车同样运载能力的传统冷藏车配送生鲜产品的路径问题进行求解，本文假设不考虑传统冷藏车在配送过程中需要进行燃料补充，得到的路径规划情况如表3所示，行车成本如表4所示。