涂海宁，刘 佩，黄 剑

(1.南昌大学机电工程学院，南昌 330031; 2.温州静音汽车轴承有限公司，浙江 温州 325000)

0 引言

制造业的整个生产过程都是围绕着物料进行的，物料的准时准点配送是车间正常作业的前提。Yi C F提出的准时化生产系统指出，提高物料运输效率、降低库存可以有效地降低物流成本、加快生产节奏[1]。因此，在竞争日益激烈的市场环境下，企业要想以更低的成本快速响应市场和客户的生产需求，对物料配送这一环节进行优化研究尤为必要。

物料配送优化的核心是配送路径的规划，属于带容量限制的车辆寻迹问题，该问题的研究目的可以描述为在满足约束条件的情况下，找到一条最优路径，从而实现如配送路程短、配送速度快和配送成本低等目标。目前用来解决路径优化问题的有以人工势场法[2]和A～*算法[3]为代表的经典算法，以及时下比较流行的遗传算法[4]、蚁群算法[5]、神经网络算法[6]、粒子群算法[7]和模拟退火算法[8]等智能算法。其中蚁群算法非常适合解决路径优化问题，因其具有并行性、收敛速度快等特点，并且与其他启发式算法结合程度高，但是在求解过程中，迭代一定次数后，算法容易陷入停滞状态，同时求解过程中参数的确定也多凭经验而定，主观性较强，因此，本文在针对物料配送路径优化问题进行研究的同时，提出了一种基于粒子群算法调参的混合蚁群算法：首先，引入动态调整惯性因子的粒子群算法以确定蚁群算法的初始参数，代替传统依靠经验取参的方法；……