钱漫 钟培泉 张亚萍 张振军

摘 要：烟草配送线路优化问题是烟草行业物流层面的重点问题之一。微粒群算法（Particle Swarm Optimization，简称PSO）是一种利用群体智能的随机全局优化方法，广泛应用于路径寻优、函数优化等领域。为了提高PSO算法的全局搜索能力，本文在标准PSO算法的基础上，定义了一种基于统计步长的微粒群算法：针对PSO算法易出现局部极值问题，引入惯性权重因子进行改进;针对PSO算法中加速步长为常量值而不符合实际情况的问题，定义了基于统计的加速步长进化方程。实践证明，本文研究的算法应用于烟草配送线路优化方案中，可以大大节约运输里程及运输成本。

关键词：线路优化;微粒群算法（PSO）;烟草配送线路优化方案

中图分类号：F252 文献标识码：A 文章编号：1003-5168（2021）09-0028-03

Abstract： he optimization of tobacco distribution routes is one of the key issues at the logistics level of the tobacco industry. Particle swarm optimization （PSO） is a stochastic global optimization method using swarm intelligence， which is widely used in route optimization， function optimization and other fields. In order to improve the global search ability of PSO algorithm， based on the standard PSO algorithm， the paper defined a particle swarm optimization algorithm based on statistical step size： aiming at improving the global search ability of PSO algorithm， the inertia weight factor was defined; aiming at solving the problem that the acceleration step size in PSO algorithm was constant， the evolution equation of acceleration step size based on statistics was defined. The practice shows that the algorithm studied in this paper can greatly save the transportation mileage and transportation cost when it is applied to the tobacco distribution route optimization model.

Keywords： route optimization;particle swarm optimization （PSO）;tobacco distribution route optimization plan

在烟草行业降本增效的大背景下，伴随着烟草物流配送业务的快速发展，成本问题成为制约烟草物流业的突出问题。如何经济、高效地进行卷烟配送成为烟草物流业务重点关注的问题之一。配送线路优化正是以距离最短、成本最低为目标的解决方案。配送线路优化方面的研究较多。谢萍等[1]针对乡镇执法部门的外业巡查工作效率问题，通过空间聚类形成巡查片区、车辆路径优化模型进行线路规划等两阶段设计了土地利用执法巡查路径优化模型;周爱莲等[2]针对卡车-无人机共同配送问题，在满足卡车可达性前提下以总配送时间最短为目标建立了混合整数规划模型;陈汐等……