蚁群优化与 Google OR-Tools 求解物流中开放式带容量车辆路径问题的比较分析
计算与语言
2025-10-01 v1 人工智能
摘要
在现代物流管理系统中，路线规划需要高效率。开放式带容量车辆路径问题（OCVRP）致力于为服务于地理分散客户的车队寻找最优配送路线，且不要求车辆在配送后返回车场。本研究具有比较性质，探讨了求解 OCVRP 的两种算法：蚁群优化（ACO），一种受自然启发的元启发式算法；以及 Google OR-Tools，一种工业标准的优化工具包。两种实现均在 Python 中开发并使用自定义数据集。性能评估基于路线效率、计算时间和可扩展性。结果表明，ACO 允许在路线参数中具有灵活性，而 OR-Tools 运行速度更快、一致性更高且需要更少的输入。这可能有助于为可扩展的实时物流系统选择路线策略。
引用
@article{arxiv.2509.26216,
title = {Comparative Analysis of Ant Colony Optimization and Google OR-Tools for Solving the Open Capacitated Vehicle Routing Problem in Logistics},
author = {Assem Omar and Youssef Omar and Marwa Solayman and Hesham Mansour},
journal= {arXiv preprint arXiv:2509.26216},
year = {2025}
}
备注
6 pages, accepted at Intelligent Methods, Systems, and Applications (IMSA 2025)