1.1研究目的

在如今信息化的社会生活中，人们的生活节奏越来越快，对很多事的效率要求也越来越高，物流便是生活中不可或缺的一环。随着交通和信息的发达，人们对物流的每一步进程都可以轻松获取，不少人在网上购物时会注意是哪家物流公司以及送达效率，这足以看出人们对物流行业的重视，而好的运输系统在整个物流系统中起着至关重要的作用，所以研究关于物流路径的优化问题是解决生活需求具有良好应用前景的。

本次毕业设计的目的是学习Matlab的蚁群算法，通过蚁群算法在路径优化问题上的特点，比较不同物流系统在时间最优、物流量最优和路程最优上的差异，以及匹配不同物流系统得到不同的优化路径。

1.2国内外研究现状分析

最优路径问题在通常也被认作最短路径问题，这是一类经典的路径网络优化问题，该问题的研究最早出现于20世纪50年代末，在研究最初，人们普遍认为路径研究问题是静止的，随着科学的进步，研究者们开始设计动态最短路径的算法研究。伴随着卫星地图的出现，大部分路径问题都可当作静止类路径。在2010年，Chaoying Bai和Guojiao Huang等人一起将路径优化与不规则货物装箱问题进行了研究，Keiven和Behnam对多目标环境下的最短路径问题进行了研究。

国内的路径优化研究虽然起步比国外晚，但也取得了一些傲人的成绩。2010年，刘庆元和杜文贞将最短路径问题与Arc GIS软件相结合，通过VRP模型直观的反映出配送的最短路径。2012年王辛岩和李庆华将GIS与最短路径相结合，详细解释了通过GIS实现最短路径的方法和步骤，在交通领域内有重要应用，主要是交通运输网络中的路径优化分析和智能交通系统（ITS）中的最优路径搜索。

现在的路径优化问题尚有不足，人们习惯性将距离当做路径权重代入算法，而实际上在物流交通中有很多需要考虑的因素，在求解最短路径问题时，很多情况下使用固定算法运算，侧重于一个方面的优化。蚁群算法是一种通过启发函数和信息素更新选择最优解的优化算法,在路径优化问题上有很好的效果，通过对比不同方面要求的路径优化的结果分析，将对物流运输行业的效率问题有很大帮助。

2. 研究的基本内容与方案

2.1基本内容

本次毕业设计是基于MATLAB的蚁群算法对物流路径优化问题的研究。MATLAB是matrixamp;laboratory两个词的组合，意为矩阵工厂（矩阵实验室）。MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完成相同的事情简捷得多，现在的MATLAB库中增加许多简单实用的算法。

利用MATLAB的先进的接口技术，可以实现MATLAB和其他语言的混合编程，MATLAB引擎就是一种接口函数，用户可以应用MATLAB完成复杂的数学计算和可视化任务，而前台的用户程序可以采用通用的编程平台。