基于改进蚁群算法的逆向物流车辆路径优化

陈秀娟，高更君，冯媛媛

（上海海事大学 物流研究中心，上海 201306）

0 引言

在提倡节约型社会，大力发展循环经济的趋势下，供应链闭环管理视角下的逆向物流得到了国内外业界专家的普遍重视。逆向物流车辆路径问题（Vehicle routing problem in reverse logistics，VRPRL）是派车和路径优化的整合，一直以来都是逆向物流领域中的热点问题，研究如何优化逆向物流车辆路径具有重要的理论及经济意义。

目前很多学者对路径优化问题已有一定深入研究，例如，Thibaut Vidal等[1]用一种混合遗传算法解决带时间窗的VRP问题；Chao[2]利用禁忌搜索算法求解了多车型的VRP问题；刘志硕等[3]提出基于可行解两阶段构造策略的自适应蚁群算法求解VRP问题。这些启发式算法在解决车辆路径问题上都取得了一定成果，但也有不足，例如遗传算法可行解质量一般，禁忌搜索算法过于依赖初始解。蚁群算法凭借其鲁棒性和搜索较好解强的特点在解决车辆路径问题方面备受青睐，但蚁群在解决大规模问题时，也有一定局限性。对此，很多学者在逆向物流车辆路径优化中对基本蚁群算法进行了改进。刘艳秋等[4]提出逆选择操作蚁群算法，对蚁群概率选择进行改进，考虑到物流节点间存在不可行路径的问题，但未涉及信息素更新方式和启发因子的改进；胡天军等[5]解决回程取货逆向物流车辆路径问题时，吸收外激素平滑思想，减少信息素各边差异性，有利于产生新的搜索路线，但频繁更新局部信息素的方式降低蚂蚁的收敛速度；……