任长安　黄银珍　罗庆云　黎昂

摘  要： 传统的物流配送路径规划系统所用算法的收敛速度慢，为此设计一种基于改进萤火虫算法的物流配送路径规划系统。通过界面服务管理层、数据交换层、数据处理层和数据存储层，搭建系统总体架构;通过GPS设备、交换机、存储器、应用服务器和显示器，完成系统硬件设计;通过获取GPS数据，再采用改进螢火虫算法得到最优值，完成系统软件设计。至此完成基于改进萤火虫算法的物流配送路径规划系统设计。通过对比实验，与萤火虫算法、传统的物流配送路径规划系统所用算法作实验比较，实验结果表明，改进萤火虫算法具有更快的收敛速度，能更快速地得到最优配送路径。

关键词： 物流配送; 路径规划; 萤火虫算法; 系统设计; GPS信号处理; 对比验证

中图分类号： TN820.4?34; TP301                文献标识码： A                      文章编号： 1004?373X（2020）20?0105?04

Logistics distribution route planning system based on improved firefly algorithm

REN Changan， HUANG Yinzhen， LUO Qingyun， LI Ang

（School of Computer and Information Science， Hunan Institute of Technology， Hengyang 421002， China）

Abstract： As the convergence speed of algorithm used in the traditional logistics distribution route planning system is slow， a logistics distribution route planning system based on improved firefly algorithm is designed. The overall architecture of the system is constructed by the interface service management layer， data exchange layer， data processing layer and data storage layer. The system hardware design is completed by means of the GPS device， interchanger， memorizer， application server and display. The system software design is completed by acquiring the GPS data， and obtaining the optimal value by the improved firefly algorithm. Thus， the design of logistics distribution route planning system based on the improved firefly algorithm is achieved. By an experiment comparing with firefly algorithm and the algorithm used in the traditional logistics distribution route planning system， the experimental results show that the improved firefly algorithm has faster convergence speed and can get the optimal distribution path more quickly.

Keywords： logistics distribution; route planning; firefly algorithm; system design; GPS signal processing; comparison validation

0  引  言

随着全球化经济的不断发展和生活节奏的加快，优质、快捷的物流配送越来越重要。物流配送路径规划问题一直是学者研究的热点话题[1?3]。物流路径规划问题涉及到配送中心选址、配送中心与客户距离、配送费用、配送路况等诸多问题，不断对其作优化和改进，可以提高配送效率，降低物流配送成本，使经济效益最大化[4?6]。为了优化物流配送路径，相关学者对物流配送路径规划做了大量研究[7?9]。然而，现有的物流配送路径规划系统所用算法存在收敛速度慢等缺点，需要对其做进一步改进。萤火虫算法具有通用性强、效率高、全局搜索能力较好等特点[10?12]，然而，该方法也存在一定的缺点，如收敛速度慢、优化精度低[13?15]。基于上述分析，本文设计一种基于改进萤火虫算法的物流配送路径规划系统。通过改变萤火虫算法的更新搜索策略，得到全局最优解，对其作出改进，以取得更好的优化效果，得到最优物流配送路径。

1  基于改进萤火虫算法的物流配送路径规划系统设计

改进萤火虫算法的物流配送路径规划系统，首先需要搭建系统总体架构，在系统总体架构的基础上，分别对系统硬件和软件进行设计，以完成基于改进萤火虫算法的物流配送路径规划系统设计。

1.1  基于改进萤火虫算法的物流配送路径规划系统总体架构

基于改进萤火虫算法的物流配送路径规划系统的总体架构如图1所示。

物流配送路径规划系统总体架构包括界面服务管理层、数据交换层、数据处理层和数据存储层。

1） 界面服务管理层。实现界面管理数据的输入与输出，包括防止错误信息的输入，传入与接收由数据处理层传到数据交换层的数据;绘制与重绘物流配送路径，对图片移动管理。

2） 数据交换层。主要负责读取数据处理层的数据，并将数据传输给界面服务管理层。

3） 数据处理层。主要负责提取数据存储层的数据，并对数据做相应处理，将数据有效传递给数据交换层。对数据的处理主要是通过改进萤火虫算法对数据做相应的分析计算，实现路径长度、时间、速度等数据的生成，将最优路径的相关数据传输至数据交换层。数据处理层的架构如图2所示。

4） 数据存储层。主要负责存储与物流配送路径相关的数据信息，包括电子地图信息等，为数据处理层提供有用的数据。

1.2  基于改进萤火虫算法的物流配送路径规划系统硬件设计

本文系统的硬件结构如图3所示。

系统硬件主要由GPS设备、交换机、存储器、应用服务器和显示器组成。GPS設备获取地图数据，通过交换机将数据传输到存储器，通过应用服务器提取存储器中的数据并做相应处理，处理结果展现在显示器端。

1.3  基于改进萤火虫算法的物流配送路径规划系统软件设计

系统软件的设计过程即是物流配送路径规划的实现过程。首先，获取物流配送路径的地图信息。GPS信号处理流程如图4所示。

获取地图信息后，采用改进萤火虫算法对信息数据做处理。改进萤火虫算法的实现过程如下：

1） 针对物流配送路径规划目标对萤火虫定义，设萤火虫的亮度为：

[P0=fxiP=P0e-εrij]                （1）

式中：[P0]为萤火虫的最大亮度;[xi]为第[i]只萤火虫的位置;[fxi]为第[i]只萤火虫所在位置的适应度值，即目标配送的总路程;[P]为萤火虫的相对亮度;[ε]为萤火虫的光强吸收因子，表示周围空间对其亮度的影响系数（通常为常数）;[rij]为萤火虫[i]和[j]之间的距离。

萤火虫之间的吸引度为：

[η=η0e-γr2ij]              （2）

式中：[η0]为萤火虫之间的最大吸引度系数。当萤火虫[i]被萤火虫[j]所吸引，萤火虫[i]向萤火虫[j]移动，并将自己的位置实时更新，得到萤火虫[i]位置的更新公式为：

[x′i=xi+η0e-εr2ijxi-xj+βrand-0.5] （3）

式中：[x′i]为萤火虫[i]的新位置;[βrand-0.5]为更新公式的扰动项;[β]为更新公式的补偿因子，且[0<β<1];[rand]为更新公式中服从均匀分布的随机因子，[0

改进萤火虫算法的基本流程图如图5所示。

由图5可知，通过改变萤火虫算法更新搜索策略，使萤火虫在每次更新自己位置之前与全种群的萤火虫亮度的平均值作对比，当萤火虫亮度低于平均值则对萤火虫执行自由变异操作，以找到最佳位置。通过判断移动后的萤火虫亮度，直到计算出新种群的最优值，即可获得物流配送的最优路径。

2  实  验

以某物流配送路径为例，采用基于改进萤火虫算法的物流配送路径规划系统对其实施规划，以获得最佳物流配送路径，并将所用算法的收敛速度与传统的物流配送路径规划系统算法及未改进萤火虫算法的收敛速度作比较。

2.1  实验过程

搭建系统实验环境，部分实验环境参数见表1。

在上述实验环境下，对物流配送路径实施规划，得到的最佳规划结果如图6所示。

2.2  实验结果分析

改进萤火虫算法、传统的物流配送路径规划系统所用算法以及未改进萤火虫算法的收敛速度对比结果如图7所示。

由图7可知，在最优路径下，萤火虫算法迭代至96代左右趋于稳定，达到最优状态;传统的物流配送路径规划系统所用算法迭代至160代左右趋于稳定;而改进萤火虫算法迭代至64代左右趋于稳定。通过对比发现，改进萤火虫算法的收敛速度更快。

3  结  语

针对传统的物流配送路径规划系统所用算法存在收敛速度慢的缺点，基于改进萤火虫算法，设计了物流配送路径规划系统。在搭建系统总体架构的基础上，通过对系统硬件和软件的设计，完成了基于改进萤火虫算法的物流配送路径规划系统。通过与传统的物流配送路径规划系统所用算法做对比实验，证明了改进萤火虫算法具有更快的收敛速度。希望其可以为物流配送路径规划研究提供一定的理论依据。

注：本文通讯作者为黄银珍。

参考文献

[1] 陈婵丽，钟映竑.基于改进K?means聚类方法的新零售物流配送路径优化[J].物流技术，2019，38（5）：73?78.

[2] 周鲜成，刘长石，周开军，等.时间依赖型绿色车辆路径模型及改进蚁群算法[J].管理科学学报，2019，22（5）：57?68.

[3] 杨捷.基于动态交通网络的城市物流配送路径优化研究[J].物流工程与管理，2019，41（3）：86?88.

[4] 卢扬扬，戴勇波，范秀斌.数字化总装车间智能物流配送系统的应用[J].制造业自动化，2017，39（6）：12?15.

[5] 潘浩.基于模型优化的物流配送中心选址免疫优化算法[J].电子设计工程，2019，27（10）：78?81.

[6] 鲍春玲，张世斌.考虑碳排放的冷链物流联合配送路径优化[J].工业工程与管理，2018，23（5）：95?100.

[7] 师嘉欣，高更君.城市物流配送订单分配排序优化研究[J].制造业自动化，2019，41（6）：74?77.

[8] 黄继磊，王慧.基于RFID技术的食用菌供应鏈物流管理系统设计[J].中国食用菌，2019，38（5）：86?91.

[9] 楼振凯.应急物流系统LRP的双层规划模型及算法[J].中国管理科学，2017，25（11）：151?157.

[10] 赵燕，武鹏林，祝雪萍.基于改进萤火虫算法的水资源优化配置[J].人民黄河，2019，41（5）：62?66.

[11] 段昌敏.一种改进的萤火虫算法的研究[J].科技通报，2018，34（6）：206?210.

[12] 李敬明，倪志伟，朱旭辉，等.基于佳点萤火虫算法与BP神经网络并行集成学习的旱情预测模型[J].系统工程理论与实践，2018，38（5）：1343?1353.

[13] 许喆，潘金生，樊淑娴，等.基于改进萤火虫算法的含DG配电网重构方法[J].电力系统保护与控制，2018，46（14）：26?32.

[14] 魏科.基于改进萤火虫算法的梯级水库优化调度研究[J].水利水电技术，2017，48（12）：132?137.

[15] 杨旺旺，白涛，赵梦龙，等.基于改进萤火虫算法的水电站群优化调度[J].水力发电学报，2018，37（6）：25?33.

[16] 许伦辉，陈凯勋.基于改进萤火虫算法优化BP神经网络的路网速度分布预测[J].广西师范大学学报（自然科学版），2019（2）：1?8.

[17] 邓青，朱晓军，杨宁.基于维度权重和遗传因子的萤火虫算法在聚类分析中的应用[J].山东农业大学学报（自然科学版），2019（5）：889?892.

[18] 戴璐平，吴薇，黄蓓雯.考虑不确定性的分布式家庭并网光伏系统鲁棒优化能量调度[J].电力系统保护与控制，2019（3）：48?55.