物流配送成本如何最小化？螞蟻演算法 (ACO) 求解多車輛路徑規劃 (VRP)

05蟻群演算法 (ACO) 求解 VRP 的完整 Python 實戰代碼解析

在實際撰寫 ACO 求解車輛路徑問題 (VRP) 時，我們通常會定義 AntColony 類別，包含以下核心參數與方法：

import numpy as np

class AntColonyVRP:
    def __init__(self, distance_matrix, num_ants=30, alpha=1.0, beta=2.0, rho=0.1, Q=100):
        self.distances = distance_matrix
        self.num_ants = num_ants
        self.alpha = alpha  # 費洛蒙重要程度
        self.beta = beta    # 啟發式距離重要程度
        self.rho = rho      # 費洛蒙蒸發率
        self.Q = Q          # 費洛蒙釋放總量
        self.tau = np.ones(distance_matrix.shape) * 0.1  # 初始化費洛蒙
        
    def run((self, iterations=100):
        best_path = None
        best_dist = float('inf')
        for it in range(iterations):
            paths = self.construct_solutions()
            self.update_pheromones(paths)
            current_best, current_dist = self.get_best(paths)
            if current_dist < best_dist:
                best_dist = current_dist
                best_path = current_best
        return best_path, best_dist

透過引入 2-opt 局部搜尋演算法作為突變運算子，能防止蟻群演算法在搜尋後期進入停滯狀態，顯著提升演算法收斂品質。