題目：海南大學(xué)外賣配送路徑研究摘????要近年來隨著計算機與網(wǎng)絡(luò)的飛速發(fā)展，我國物流行業(yè)邁上了一個新的臺階，外賣作為物流業(yè)一個特殊分支，自然廣受學(xué)者關(guān)注。在互聯(lián)網(wǎng)+的時代，越來越多的消費者傾向選擇更加便捷的快餐外賣服務(wù)，促進了快餐外賣行業(yè)的迅猛發(fā)展。但是伴隨著行業(yè)的發(fā)展，快餐外賣配送的問題也與日俱增。大學(xué)社區(qū)作為一個人口十分密集的社區(qū)，人員流動與交通路線錯綜復(fù)雜，外賣配送一直是一個難題，如何優(yōu)化校園內(nèi)部的外賣配送，成為一個難題。蟻群算法屬于仿生算法一類，是人們通過螞蟻的群體性行為，受到啟發(fā)并通過進一步改進與研究得到的一種隨即搜索算法。它具有較強的魯棒性，同時具有分布式的特征，使其算法可靠性與全局的搜索能力相較于其他算法都有較大提升。但該算法還存在著兩個不足之處：容易陷入局部最優(yōu)解與搜索時間過長。校園內(nèi)交通錯綜復(fù)雜，新入職的外賣配送員容易在校園丟失正確的配送目標，同時找不到最優(yōu)配送路線。本文在使用Dijkstra算法的基礎(chǔ)上，研究海南大學(xué)校園內(nèi)快餐外賣配送路徑優(yōu)化問題，主要工作如下：介紹快餐外賣相關(guān)理論，物流配送中車輛路徑問題Dijstra基本概念與求解方法，蟻群算法的原理、理論及應(yīng)用。運用Dijkstra算法及其他方法求出校園宿舍樓之間的最短路線，得出距離矩陣，確定基本的配送點和路線網(wǎng)絡(luò)?；谂渌途W(wǎng)絡(luò)，運用Maltlab軟件平臺運行蟻群算法求解TSP問題，得出最短的配送路線。關(guān)鍵詞：外賣配送；車輛路徑問題；Dijkstra算法；蟻群算法；Maltalb軟件AbstractInrecentyears,withtherapiddevelopmentofcomputerandnetwork,China'slogisticsindustryhasreachedanewlevel.Asaspecialbranchoflogisticsindustry,take-outfoodhasattractedwideattentionfromscholars.IntheeraofInternet+,moreandmoreconsumerstendtochoosemoreconvenientfastfooddeliveryservices,promotingtherapiddevelopmentoffastfooddeliveryindustry.Butwiththedevelopmentoftheindustry,theproblemoffastfooddeliveryisalsoincreasing.Asadenselypopulatedcommunity,theuniversitycommunityhasacomplexflowofpeopleandtrafficroutes,sothedeliveryoftake-outfoodhasalwaysbeenadifficultproblem.Howtooptimizethedeliveryoftake-outfoodwithinthecampushasbecomeadifficultproblem.Antcolonyalgorithm(ACO)belongstotheclassofbionicalgorithm,whichisarandomsearchalgorithminspiredbythecolonybehaviorofantsandobtainedbyfurtherimprovementandresearch.Ithasstrongrobustnessanddistributedcharacteristics,whichmakesitsalgorithmreliabilityandglobalsearchabilitygreatlyimprovedcomparedwithotheralgorithms.However,thealgorithmstillhastwoshortcomings:easytofallintothelocaloptimalsolutionandthesearchtimeistoolong.Thetrafficinthecampusiscomplicated,sothenewlyhireddeliverypersonnelareeasytolosethecorrectdeliverytargetonthecampusandcannotfindtheoptimaldeliveryroute.OnthebasisofDijkstraalgorithm,thispaperstudiestheoptimizationoffastfoodtakeoutdeliverypathonthecampusofhainanuniversity.Themainworkisasfollows：introducethetheoriesrelatedtofastfoodtakeout,thebasicconceptandsolutionmethodofDijstraforvehicleroutingprobleminlogisticsdistribution,andtheprinciple,theoryandapplicationofantcolonyalgorithm.useDijkstraalgorithmandothermethodstofindtheshortestroutebetweendormitorybuildingsoncampus,getthedistancematrix,anddeterminethebasicdistributionpointsandroutenetwork.Basedonthedistributionnetwork,theantcolonyalgorithmisusedtosolvetheTSPproblemontheMaltlabsoftwareplatform,andtheshortestdistributionrouteisobtained.Keywords:take-outdelivery;Vehicleroutingproblem;Dijkstraalgorithm;Antcolonyalgorithm;Maltalbsoftware目錄TOC\o"1-4"\h\u11895一、緒論 618019（一）研究背景 61506（二）研究意義 6241401.理論意義 6190212.現(xiàn)實意義 714525（三）研究內(nèi)容 724452（四）研究思路 714495二、文獻綜述及相關(guān)理論研究 76637（一）Dijkstra相關(guān)研究 729013（二）蟻群算法相關(guān)研究 830096三、關(guān)于外賣配送相關(guān)理論描述 85177（一）外賣的基本內(nèi)涵 85672（二）國內(nèi)外賣行業(yè)基本情況與發(fā)展態(tài)勢 958351.行業(yè)現(xiàn)狀 9248302.發(fā)展趨勢和痛點難點 916319四、宿舍兩點之間的距離 918016（一）最短路問題Dijkstra算法相關(guān)理論 10309821.最短路徑問題 10163562.Dijkstra算法流程 10305953.海南大學(xué)校園場景描述 10291644.海南大學(xué)校園內(nèi)各樓群間最短距離 123345五、TSP路徑 154597（一）蟻群算法基本理論 15245721.螞蟻尋找食物的集體行為 151892.蟻群算法模型描述 16233373.海南大學(xué)算例 17159444.海南大學(xué)算例修改 191140六、結(jié)論與展望 2020290致謝 224884參考文獻 23緒論（一）研究背景快餐是一種[1]由餐飲企業(yè)通過便捷的方式為客戶制作的即時可食用、方便快捷及價格易于普羅大眾所接受的特殊餐飲產(chǎn)品。其具有標準化、可復(fù)制性強的特點，越來越受到以學(xué)生和商務(wù)白領(lǐng)等因上課或辦公而無法自己烹飪的年輕人的追捧。在互聯(lián)網(wǎng)＋的時代，人們越來越追求快節(jié)奏的生活，外賣行業(yè)也與互聯(lián)網(wǎng)進行了深度的融合，產(chǎn)生了廣受群眾所知的美團與餓了么外賣平臺。有數(shù)據(jù)顯示，2019年前三季度，我國外賣產(chǎn)業(yè)交易額分別為1200億元、1430億元、1790億元，第三季度環(huán)比增長25.2%。與此同時，外賣訂單量也持續(xù)上漲。以美團外賣為例，第三季度，美團外賣日均訂單量達2680萬單，同比增長38.1%。訂單量的持續(xù)增長表明，外賣在消費中的作用進一步凸顯，且外賣市場仍有巨大的增長潛力。有數(shù)據(jù)顯示，截止2018年上半年，僅某外賣平臺就有136萬份外賣送往大學(xué)校園，期中有21萬份早餐，99萬份午餐以及16萬份深夜外賣，越來越多的學(xué)生傾向于在校園內(nèi)選擇便捷便宜的外賣。有數(shù)據(jù)顯示[2]，今年以來，?？谝瓜?21時-次日4時)外賣訂單量同比去年增長達132%，遠高于海南平均87%的夜宵增幅，高居全省第一；就區(qū)域來看，數(shù)據(jù)顯示，美蘭區(qū)消費了全?？谝瓜惋?8.7%的訂單，這其中，海南大學(xué)成為?？谝瓜唵瘟孔罡邊^(qū)域。研究意義理論意義\o"添加到收藏夾"目前，很多快遞企業(yè)對產(chǎn)品的質(zhì)量和口感比較重視，而對快遞服務(wù)的關(guān)注較少。企業(yè)往往認為，消費者對價格的敏感程度比送貨時間和服務(wù)質(zhì)量更重要，但這一概念已經(jīng)落后于當前的消費市場。現(xiàn)如今外賣市場主要消費群體是學(xué)生與80、90后白領(lǐng)。有研究表明[3]，注重提供商品服務(wù)的速度與質(zhì)量是他們首要考慮的，對于金錢的成本反而重要程度不及前者。所以，制定良好的配送路線策略至關(guān)重要。現(xiàn)實意義目前，我校校園外賣配送員存在著不清楚主要配送樓群的具體地點，經(jīng)常有學(xué)生反饋配送員詢問配送地點具體方向，對于配送路線的選擇還以個人經(jīng)驗居多?；谝陨戏治觯疚耐ㄟ^研究海南大學(xué)校園內(nèi)外賣配送服務(wù)的配送路徑方案，力求通過建立模型求解出較優(yōu)的配送路線，為配送員提供一定的路線指導(dǎo)，是配送更加科學(xué)有效，對提高服務(wù)水平有著十分重要的意義。研究內(nèi)容本文研究的是，在海南大學(xué)內(nèi)進行外賣服務(wù)配送人員，根據(jù)其所得到的訂單數(shù)量得出較優(yōu)的配送路線，對配送人員進行配送服務(wù)路線的指導(dǎo)，為其提供一定的參考價值。研究思路本文在Dijkstra算法的基礎(chǔ)上，結(jié)合實地觀察法，求出海南大學(xué)各個建筑樓群間最短路程，得出距離矩陣，為后續(xù)蟻群算法的實施奠定基礎(chǔ)。由于海南大學(xué)的特殊政策，所有外賣配送員只能從北門進出，隨后再服務(wù)各個宿舍樓，我們可以將其近似地看成TSP問題，運用蟻群算法，根據(jù)配送員所得到的用戶訂單（所需要服務(wù)的宿舍樓數(shù)量）數(shù)量，運用蟻群算法得出最優(yōu)的配送路線。圖1-1研究路線圖文獻綜述及相關(guān)理論研究Dijkstra相關(guān)研究Dijkstra算法是荷蘭計算機科學(xué)家迪克斯特拉在1959年時提出的一種貪心算法策略,但儲存量與計算量往往過于龐大，該算法的分析效率直接影響到整個系統(tǒng)的性能。樂陽[4]等學(xué)者采用兩個數(shù)組來存儲網(wǎng)絡(luò)圖，一個存儲弧相關(guān)的數(shù)據(jù)，一個存儲頂點相關(guān)的數(shù)據(jù)，這樣就能快速地調(diào)用與分析數(shù)據(jù)。李元臣等人[5]運用二叉樹結(jié)構(gòu)改進算法，降低了算法時間復(fù)雜度；徐立華在1989年提出過最大相關(guān)邊數(shù)概念，通過定義點-邊矩陣，節(jié)省了存儲空間，提高了運算的速度。蟻群算法相關(guān)研究上個世紀，由于收到了螞蟻特殊覓食行為的啟發(fā)，意大利科學(xué)家Dorigo等人[6]提出了類似螞蟻覓食行為的啟發(fā)式搜索算法并用于解決旅行商問題，也就是螞蟻系統(tǒng)AS，雖然效果較好，但與當時一些其他的算法相比卻不太出色。為了可以解決更多組合優(yōu)化問題[11][19]，螞蟻系統(tǒng)經(jīng)過不斷的演化，最終優(yōu)化成基本蟻群算法ACA（AntColonyAlgorithm）。在基本蟻群算法的基礎(chǔ)上，Dorigo等人[6]通過在當前最優(yōu)解時額外釋放信息素，用來不斷增進系統(tǒng)的正反饋功能，提出了精英螞蟻系統(tǒng)EAS（Eliist-AntSystem）Juang等人[7]通過篩選與隨機抽樣方式與精英策略引導(dǎo)蟻群產(chǎn)生新解決方案，提出了一種基于精英引導(dǎo)連續(xù)蟻群優(yōu)化算法ECACO（Elite-guidedContinuousAntColonyOptimization）。劉寶國[8]等人利用EAS系統(tǒng)，同時加入了最大最小螞蟻機制使系統(tǒng)在尋優(yōu)質(zhì)量與收斂速度保持了一個較好的平衡。杜鵬楨[18]等學(xué)者將城市劃分為不同的類別；同時對蟻群也進行角色劃分，針對不同的城市采用不同角色的蟻群執(zhí)行各自的搜索策略，大大提高了求解質(zhì)量。關(guān)于外賣配送相關(guān)理論描述（一）外賣的基本內(nèi)涵外賣在廣義[1]上講是指賣家向顧客提供可到指定現(xiàn)場的外出服務(wù)與商品，例如上門維修物品等。；從狹義上講，外賣服務(wù)是我們在餐飲業(yè)所熟悉的快餐外賣服務(wù)，是一種餐飲行業(yè)將成品或半成品餐品送至客戶指定地點的配送服務(wù)。本文討論的是狹義上的外賣。打包是快餐外賣的最初雛形，從今時起一直可以追溯到我國的宋朝。我國名畫《清明上河圖》中所描繪的城市東京的繁榮商業(yè)景象，可以讓我們對當時的產(chǎn)業(yè)進行基本的解讀。有研究人員曾經(jīng)在里面找到過一個正提著餐盒的客棧小二，正打算將餐盒送往別處。這證明了當時的餐飲行業(yè)已經(jīng)開始提供了外賣服務(wù)，在中國古漢語中稱為“咄嗟便辦”[9],此后演化成了成語“咄嗟立辦”，其中“立辦”就是指快餐外賣。國內(nèi)外賣行業(yè)基本情況與發(fā)展態(tài)勢行業(yè)現(xiàn)狀在最近幾年，餐飲行業(yè)經(jīng)歷了重大的巨變與整合并購，許多傳統(tǒng)餐飲公司紛紛退出了市場。外賣行業(yè)更是“沙中淘金”，只留下了寥寥幾個大平臺。經(jīng)過了消費市場與互聯(lián)網(wǎng)技術(shù)的巨大變革，許多追不上時代浪潮的企業(yè)只能無奈停下了腳步，退出了市場?？梢钥吹剑惋嫎I(yè)的發(fā)展與經(jīng)濟形勢、互聯(lián)網(wǎng)技術(shù)發(fā)展緊密聯(lián)系。目前，結(jié)合互聯(lián)網(wǎng)+的O2O（on-linetooff-line）的模式是餐飲行業(yè)發(fā)展的大方向。目前來看，快餐外賣是與O2O模式最契合的餐飲行業(yè)業(yè)務(wù)。它不僅能很好的解決傳統(tǒng)電話訂餐所帶來的種種問題，更是[10]迎合了消費者對服務(wù)的便捷性與直觀性、節(jié)省時間以及高性價比的需求，顧客可以通過手機APP的方式，更加直觀的了解并選擇自己心儀的餐飲產(chǎn)品。發(fā)展趨勢和痛點難點目前我國國內(nèi)外賣服務(wù)市場已經(jīng)趨于穩(wěn)定，但本質(zhì)上已經(jīng)從增量競爭轉(zhuǎn)變?yōu)榱舜媪扛偁?，未來的外賣服務(wù)市場競爭將會越來越激烈與殘酷。目前商家在保持良好口感的基礎(chǔ)上，越來越注重樹立品牌形象與自身的服務(wù)，如包裝、配送等基礎(chǔ)服務(wù)，以構(gòu)建屬于自己品牌的“護城河”。但想要保持良好的外賣產(chǎn)品的口感與品質(zhì)，這也與外賣配送服務(wù)的質(zhì)量密切相關(guān)。如果配送時間過長，部分產(chǎn)品本身的口味就會急劇下降，給消費者留下不好的印象。目前，有三個痛點所在：一是用戶下單處于高峰期，等待時間較長。二是交通狀況復(fù)雜難以預(yù)料，影響外賣送達。三是送餐地點分散，配送路線難以優(yōu)化。宿舍兩點之間的距離最短路問題Dijkstra算法相關(guān)理論Dijkstra算法是荷蘭計算機科學(xué)家迪克斯特拉在1959年時提出的一種貪心算法策略，目的是為了解決有權(quán)圖中的最短路徑問題，通過每次遍歷到始發(fā)點最近且未訪問過的頂點的鄰接節(jié)點，直到擴展到終點位置，得出最短路徑。最短路徑問題一般最短路問題都會給定一個賦權(quán)有向圖,其中的每一個弧都會有與之相對應(yīng)的權(quán)。選中給定有向圖中的兩個頂點設(shè)為，。設(shè)從到的一條路徑為，定義路徑中所有弧的權(quán)為。要使從到路徑最短就是要求出一條權(quán)最小的路，其數(shù)學(xué)模型為（1）Dijkstra算法流程算法的具體步驟[12]是在給定的賦權(quán)有向圖中,開始時令，，，對所有，令，;第一步：當時算法終止，對于每個屬于的節(jié)點，其路權(quán)；如果不滿足就跳往第二步;第二步:檢查每一個可以讓同時的點;若，就把更新成；如果不滿足則跳往第三步;第三步：讓（其中），如果其小于正無窮，則將的的標號變?yōu)闃颂?令，把換成后轉(zhuǎn)入第一步；否則停止算法。海南大學(xué)校園場景描述為了計算海南大學(xué)各個宿舍樓之間的實際最短距離，下文將利用Dijkstra算法與實地觀察法計算樓群間的距離,得出距離矩陣。下文先利用百度地圖得到海南大學(xué)校園各樓群間地理位置以及簡化圖片對樓群進行近似劃分，簡化計算流程，以便更好利用算法。圖4-1百度地圖海南大學(xué)圖4-2海南大學(xué)地圖簡化結(jié)個海南大學(xué)校園內(nèi)道路交通狀況與實際配送服務(wù)需求，現(xiàn)在對校園內(nèi)常見配送目標樓群進行近似簡化，當計算與其他樓群距離時，按被人為規(guī)定的中心計算。其中記23、24、25、26號學(xué)生宿舍樓與6、7、8、9、10、號教學(xué)樓為一號樓群，其中心為26號宿舍。記1、2、5號教學(xué)樓，圖書館與社科樓為二號樓群，其中心為5號教學(xué)樓門口紅綠燈。記3、4、5號宿舍樓為三號樓群，其中心為4號宿舍門口小門。記1、2、3、6、7、8、9號宿舍樓為四號樓群，其中心為6號宿舍樓門口。記11，15，16號宿舍樓為五號樓群其中心為15號宿舍樓門口。記12、13、17、19號宿舍樓為六號樓群。記10、14、18號宿舍樓為七號樓群。記紫荊公寓為八號樓群,由于紫荊公寓擴建后有兩個大門，這里規(guī)定每次計算與其他樓群距離時，默認采用距離最短的大門。具體如圖4-3所示。四七號六號五號八號三號四號二號一號四七號六號五號八號三號四號二號一號圖4-3海南大學(xué)樓群分類海南大學(xué)校園內(nèi)各樓群間最短距離為了計算任意兩點的距離，對于距離較近的兩個點，我們采用百度地圖的地圖測距功能。而對于相對較遠的點，我們使用經(jīng)緯度得出距離：[13]設(shè)一個點的經(jīng)度和緯度分別為，另一個點的經(jīng)度和緯度分別為，以零度經(jīng)線為基準，東經(jīng)取正值，西經(jīng)取負值，北緯為90-當前緯度，南緯為90+當前緯度。處理過后便得到兩個點，。由球面計算公式可推導(dǎo)出球面任意兩點距離公式表示為：（2）各宿舍樓的經(jīng)緯度坐標見附錄A。以六號樓與二號樓之間為例，運用Dijkstra算法，并計算出校園內(nèi)各節(jié)點間的距離。首先我們找到六號樓到二號樓實際路線圖并得到有向賦權(quán)有向圖。圖4-4實際路線圖圖4-5賦權(quán)圖P1現(xiàn)在用Dijkstra算法求解圖4-5中從A點到H點的最短路徑，此時：，以及。轉(zhuǎn)入第二步因為，故把修改為，修改為；同理把，把修改為，修改為；當時：對于，故把修改為，。對于,故把修改為。但，故把修改為425，。對于，故把修改為，。以此類推，當算法終止時，，，，，，，，，；，，，，，，，=，。這樣從A（六號樓群）到H（二號樓群）的最短路（圖3-6）為，路長為890。圖4-6六號樓群到二號樓群最短路徑對于運用實地觀察法與Dijkstra算法處理后得到各個樓群間實際距離矩陣如下表所示，其余各宿舍樓間最短路線與所采用的方法（Dijkstra算法或?qū)嵉赜^察法）見附錄B。1234567815853856554558707001070274572511001190810800331030043051560044304802154405135210630626069074258表3-1各樓群距離矩陣TSP路徑蟻群算法基本理論螞蟻尋找食物的集體行為科學(xué)家在對螞蟻的群體覓食行為中發(fā)現(xiàn)它們有兩個特點：（1）螞蟻會釋放一種信息素（個體分泌到體外，被同物種的其他個體通過嗅覺器官察覺，并改變后者行為）留在自己所行進過的道路上，形成信息素軌跡，該信息素具有揮發(fā)性質(zhì)，會隨著時間而減少；（2）螞蟻會察覺先前經(jīng)過這條路徑的螞蟻留下的信息素，并根據(jù)信息素濃度做出后續(xù)行為。由于信息素的特點，螞蟻之間會通過信息素來傳遞信息并指引其他螞蟻自己搜索過的方向，當信息素濃度越高時，該路徑吸引的螞蟻數(shù)量也就越多，如此循環(huán)，隨著時間的增加[14]，所有螞蟻都會選擇一條信息素濃度最大的路徑。在螞蟻實際覓食的行動中，假設(shè)螞蟻們都選擇了所有不同路徑去尋找食物并返回蟻巢，必定會有螞蟻尋找到最短路徑并提前返回，并且在該路徑上留下更多的信息素，這樣由于隨著時間的推移，這條道路的信息素濃度會因為螞蟻們的提前返回而積累的越來越多，這樣會導(dǎo)致更多的螞蟻也會選擇這條更短的路徑?？茖W(xué)家Goss[15]曾經(jīng)做過非對稱雙橋?qū)嶒炦M行了實驗。如圖5-1所示，在該實驗中，率先返回蟻巢的螞蟻會在最短分支從蟻巢到食物上經(jīng)過經(jīng)過兩次，所以會在短路徑上留下更多信息素，從而誘使更多的螞蟻選擇這條短路徑。圖5-1非對稱雙橋?qū)嶒灒℅ossetal，1989）從上述實驗我們可以看出，每只螞蟻的行為都能夠影響環(huán)境，被改變的環(huán)境又進一步對螞蟻的群體行為產(chǎn)生控制壓力，進而影響其他螞蟻的行為。通過這種機制，螞蟻會相互影響各自的行為，表現(xiàn)出一種正反饋現(xiàn)象：當一條路徑上的螞蟻越多，后來的螞蟻選擇這條路徑的概率也就越高，導(dǎo)致越來越多的螞蟻選擇這條路徑。這種行為被稱為螞蟻的自催化行為，其原理是一種正反饋機制。結(jié)合蟻群覓食行為的特點，我們運用“人工蟻群”來進行配送服務(wù)，它與真實的蟻群有以下區(qū)別。相同點：都存在個體相互交流的通訊機制；都要完成尋找最短路徑的任務(wù)；都采用根據(jù)當前信息選擇路徑的模式。不同點：人工蟻群具有記憶能力；人工螞蟻選擇路徑不是完全盲目的；人工蟻群生活在離散時間的環(huán)境中。蟻群算法模型描述以TSP問題來說明蟻群算法模型，假設(shè)旅行商需要遍歷N個城市，每個城市只能到達一次，已知城市間的距離或坐標。這樣算法模型中各個參數(shù)和方程的含義為：:信息啟發(fā)式因子[17]，表示運動軌跡的重要程度，其越大，螞蟻選擇之前走過的路徑概率也就越大，搜索路徑的隨機性減弱；越小，蟻群搜索的范圍就會減少，容易陷入局部最優(yōu)解；：期望啟發(fā)式因子，其越大，蟻群越容易選擇局部較短路徑，陷入貪心規(guī)則，導(dǎo)致隨機性不高，容易陷入局部相對最優(yōu)；：螞蟻數(shù)量[17]，m數(shù)量越多，得到的最優(yōu)解就越精確，但會產(chǎn)生不少重復(fù)解，隨著算法接近最優(yōu)值的收斂，信息正反饋的作用也就降低，產(chǎn)生了大量重復(fù)工作，消耗了資源，增加了時間復(fù)雜度；：信息揮發(fā)因子，1-表示殘留因子。當過小時，在各路徑上殘留的信息素過多，會導(dǎo)致無效的路徑繼續(xù)被搜索，影響到算法的收斂速率；但是過大，無效的路徑雖然可以被排除，但是不能保證有效的路徑也會被放棄搜索，從而影響到最優(yōu)值的搜索；：表示t時刻路徑（i，j）上信息素濃度，開始時設(shè)為常數(shù)c；：啟發(fā)函數(shù)，表示螞蟻從城市節(jié)點i轉(zhuǎn)移到城市節(jié)點j的期望；：表示[16]t時刻螞蟻k由城市節(jié)點i轉(zhuǎn)移到城市節(jié)點j的概率；狀態(tài)轉(zhuǎn)移方程：為了避免殘留的信息素過多而淹沒了啟發(fā)信息，在每只螞蟻走完一步或者完成對所有城市的遍歷后（一個循環(huán)的結(jié)束），要對殘留信息進行更新處理，由此t+n時刻在路徑（i，j）信息量做如下處理：（3）（4）在蟻群算法中，主要參數(shù)的理想選擇為：，，，。海南大學(xué)算例由于海南大學(xué)的特殊政策，所有外賣配送員只能從北門出入校園。假設(shè)外賣配送員隨機接一定數(shù)量的訂單，將訂單目的地設(shè)為所需要服務(wù)的客戶節(jié)點，以北門為起始點和終點，可以看成一個TSP（旅行商）問題。案例一：我們假設(shè)外賣配送員隨機接到一、三、五、七、八號宿舍樓的訂單，他從北門進入校園，每次服務(wù)一個且僅服務(wù)一次宿舍樓，服務(wù)完所有宿舍樓后，從北門離開海南大學(xué)，我們將其看成TSP問題，其中各個參數(shù)如下：參數(shù)αβmρ值151000.1表5-1參數(shù)表選擇蟻群算法，運用matlab工具求解運算后結(jié)果如下：圖5-1一三五七八號宿舍樓路線圖實際配送路線如圖5-2所示：圖5-2一三五七八號宿舍樓實際路線圖案例二：我們假設(shè)外賣配送員隨機接到一、五、六、七、八號宿舍樓的訂單，他從北門進入校園，每次服務(wù)一個且僅服務(wù)一次宿舍樓，服務(wù)完所有宿舍樓后，從北門離開海南大學(xué)，運算結(jié)果如下圖所示：圖5-3一五六七八號宿舍樓路線圖海南大學(xué)算例修改我們發(fā)現(xiàn)，運算結(jié)果是配送五六七八號宿舍樓后，最后配送一號宿舍樓，以達成服務(wù)所有節(jié)點。但是在實際配送過程中，如果繞過一號宿舍樓進行配送，先配送五六七八號宿舍樓。在配送完八號宿舍樓后，再前往一號宿舍樓配送，會浪費大量的時間在運輸途中，使一號宿舍樓群的師生等待太久。所以我們進行人工修改，先配送一號宿舍樓后，再前往五六七八號。因為已經(jīng)服務(wù)完了所有宿舍樓，這樣返程的時間就不會被浪費。這樣上述兩個案例修改后實際配送路線如下：圖4-4一三五七八號宿舍樓修改后實際路線圖圖5-3一五六七八號宿舍樓修改后實際路線圖所有宿舍樓的配送方案見附錄C。結(jié)論與展望本文研究了海南大學(xué)校園外賣實際配送過程中的路線選擇問題，運用Dijkstra算法和實地觀察法為外賣配送員提供了各個宿舍樓之間較優(yōu)的路線選擇，節(jié)省了配送員們的時間，為初入海南大學(xué)校園配送員能提供了一些可以借鑒的指導(dǎo)，將節(jié)省他們學(xué)習(xí)與試錯的時間。本文只考慮了服務(wù)各個宿舍的配送行為，并沒有考慮到實際配送過程中大學(xué)生從宿舍出來領(lǐng)餐時所需要花費的等待時間。在實際的配送過程中，有許多大學(xué)生從接到電話到從宿舍出來需要花費不少的時間，導(dǎo)致外賣配送員在其宿舍門口等待時間過長，這就又使外賣配送員經(jīng)常在還沒到達目標宿舍樓時就已經(jīng)打電話叫學(xué)生下樓。部分學(xué)生在接到其電話后立刻下樓等待，但發(fā)現(xiàn)配送員其實并沒有到達，部分配送員甚至?xí)寣W(xué)生等待五分鐘以上，這就又導(dǎo)致了越來越多的學(xué)生不愿及時下樓，形成了負反饋效應(yīng)。這在實際配送過程中，可以在每個宿舍樓門口放一個專門收集外賣的小平臺，外賣配送員在送到后，如果學(xué)生沒有下樓，可以放在平臺上，但這十分考驗學(xué)生們的公德心，現(xiàn)實生活中也有學(xué)生冒領(lǐng)，偷拿他人外賣的情況。在實際配送過程中也存在著交通擁堵的問題，在學(xué)生上下課高峰期時一些主要路段都是十分擁堵的，不利于外賣配送。在以后的研究中，可以根據(jù)實際配送所處的時間，比如說上下課高峰期時，對一些不太擁堵的路況做加權(quán)處理，使算法更傾向于搜索這些暢通的道路。致謝光陰似箭，日月如梭。四年的時光轉(zhuǎn)眼間就從指尖流淌而過，大學(xué)時光短暫而美好，值得我珍惜一輩子。在這短暫的四年里，有許多應(yīng)該永遠感謝且銘記的人，是他們幫助我成長，使我成為了一個更加優(yōu)秀的人。謝謝熊浩老師，經(jīng)常督促我們寫論文,關(guān)心我們論文的寫作進度，一遍遍地指導(dǎo)我們的論文。正是吉老師一次又一次耐心的指導(dǎo)我們撰寫畢業(yè)論文,我才能順利完成畢業(yè)論文。老師的盡心盡責，我銘記于心。謝謝給我們上課的老師們，教授我們知識，傳道授業(yè)解惑，教會我們更好的思考思考問題并解決它，傳授了我們一生實用的知識，撥開了迷霧，照亮了我們的夢想，謝謝老師們辛苦的付出！同時謝謝家人在生活上對我的支持，你們是我堅實的后盾！還要謝謝313的室友們，一直陪伴了我大學(xué)四年，給我的生活帶來了許多的歡樂，還經(jīng)常在學(xué)習(xí)和生活上幫助我。感謝聞香識，是他在我緊張繁忙的學(xué)習(xí)工作生活中帶來了快樂。參考文獻[1]王荃菲.快餐外賣配送路徑方案研究[D].北京交通大學(xué),2017.[2]張永生.“夜經(jīng)濟”，激蕩城市另一種美[N].海南日報,2019-08-02(A04).[3]劉雅坤.消費主義影響下我國居民消費觀研究[D].北京郵電大學(xué),2015.[4]樂陽,龔健雅.Dijkstra最短路徑算法的一種高效率實現(xiàn)[J].武漢測繪科技大學(xué)學(xué)報,1999(03):209-212.[5]李元臣,劉維群.基于Dijkstra算法的網(wǎng)絡(luò)最短路徑分析[J].微計算機應(yīng)用,2004(03):295-298+362.[6]DorigoM,GambardellaLM.Antcolonysystem:acooperativelearningapproachtothetravelingsalesmanproblem[J].IEEETransactionsonEvolutionaryComputation,1997,1(1):53-66.[7]JuangCF,ChangPH.Recurrentfuzzysystemdesignusingelite-guidedcontinuousantcolonyoptimization[J].appliedsoftcomputing,2011,11(2):2687-2697.[8]劉國寶,張潔.基于改進滾動時域優(yōu)化策略的動態(tài)調(diào)度方法%DynamicScheduleMethodBasedonImprovedRollingTimeDomainOptimizationStrategy[J].機械工程學(xué)報,2013,049(014):182-190.[9]劉義慶.世說新語譯注[M].北京燕山出版社,1996.[10]太金萍,陳虹.餐飲電商O2O模式研究——以麥當勞為例[J].中國市場,2016(41):121-122.[11]段海濱,王道波,朱家強,黃向華.蟻群算法理論及應(yīng)用研究的進展[J].控制與決策,2004(12):1321-1326+1340.[12]胡運權(quán).運籌學(xué)基礎(chǔ)及應(yīng)用[M].哈爾濱工業(yè)大學(xué)出版社,1998.[13]王特起,謝亞琴.基于Dijkstra算法的校園導(dǎo)航系統(tǒng)的設(shè)計與實現(xiàn)[J].通信技術(shù),2019(8).[14]鄧新文,鄧南明.蟻群算法在遠程魚雷航路規(guī)劃中的應(yīng)用[J].艦船電子工程,2019,39(05):49-52.[15]GossS,AronS,DeneubourgJL,etal.Self-organizedshortcutsintheArgentineant[J].Naturwissenschaften,1989.[16]孫亮.MATLAB語言與控制系統(tǒng)仿真[M].北京工業(yè)大學(xué)出版社,2001.[17]陳一昭,姜麟.蟻群算法參數(shù)分析%ParametricStudyofAntColonyOptimization[J].科學(xué)技術(shù)與工程,2011,011(036):9080-9084.[18]杜鵬楨,唐振民,孫研.一種面向?qū)ο蟮亩嘟巧伻核惴捌銽SP問題求解%Anobject-orientedmulti-roleantcolo