最短路径法的研究论文

现在，我们准备介绍计算机科学史上伟大的成就之一：Dijkstra最短路径算法[1]。这个算法适用于边的长度均不为负数的有向图，它计算从一个起始顶点到其他所有顶点的最短路径的长度。在正式定义这个问题（3.1节）之后，我们讲解这个算法（3.2节）以及它的正确性证明（3.3节），然后介绍一个简单直接的实现（3.4节）。在第4章中，我们将看到这种算法的一种令人惊叹的快速实现，它充分利用了堆这种数据结构。3.1单源最短路径问题3.1.1问题定义Dijkstra算法解决了单源最短路径问题。[2]问题：单源最短路径输入：有向图G=(V, E)，起始顶点s∈V，并且每条边e∈E的长度e均为非负值。输出：每个顶点v∈V的dist(s,v)。注意，dist(s,v)这种记法表示从s到v的最短路径的长度（如果不存在从s到v的路径，dist(s,v)就是+∞）。所谓路径的长度，就是组成这条路径的各条边的长度之和。例如，在一个每条边的长度均为1的图中，路径的长度就是它所包含的边的数量。从顶点v到顶点w的最短路径就是所有从v到w的路径中长度最短的。例如，如果一个图表示道路网，每条边的长度表示从一端到另一端的预期行车时间，那么单源最短路径问题就成为计算从一个起始顶点到所有可能的目的地的行车时间的问题。小测验3.1考虑单源最短路径问题的下面这个输入，起始顶点为s，每个边都有一个标签标识了它的长度：从s出发到s、v、w和t的最短距离分别是多少？（a）0，1，2，3（b）0，1，3，6（c）0，1，4，6（d）0，1，4，7（正确答案和详细解释参见3.1.4节。）3.1.2一些前提条件方便起见，我们假设本章中的输入图是有向图。经过一些微小的戏剧性修改之后，Dijkstra算法同样适用于无向图（可以进行验证）。另一个前提条件比较重要。问题陈述已经清楚地表明：我们假设每条边的长度是非负的。在许多应用中（例如计算行车路线），边的长度天然就是非负的（除非涉及时光机器），完全不需要担心这个问题。但是，我们要记住，图的路径也可以表示抽象的决策序列。例如，也许我们希望计算涉及购买和销售的金融交易序列的利润。这个问题相当于在一个边的长度可能为正也可能为负的图中寻找最短路径。在边的长度可能为负的应用中，我们不应该使用Dijkstra算法，具体原因可以参考3.3.1节。[3]3.1.3为什么不使用宽度优先的搜索如2.2节所述，宽度优先的搜索的一个“杀手”级应用就是计算从一个起始顶点出发的最短路径。我们为什么需要另一种最短路径算法呢？记住，宽度优先的搜索计算的是从起始顶点到每个其他顶点的边数最少的路径，这是单源最短路径问题中每条边的长度均为1这种特殊情况。我们在小测验3.1中看到，对于通用的非负长度边，最短路径并不一定是边数最少的路径。最短路径的许多应用，例如计算行车路线或金融交易序列，不可避免地涉及不同长度的边。但是，读者可能会觉得，通用的最短路径问题与这种特殊情况真的存在这么大的区别吗？如图3.1所示，我们不能把一条更长的边看成3条长度为1的边组成的路径吗？图3.1路径事实上，“一条长度为正整数的边”和“一条由条长度为1的边所组成的路径”之间并没有本质的区别。在原则上，我们可以把每条边展开为由多条长度为1的边组成的路径，然后应用宽度优先的搜索对图进行展开来解决单源最短路径问题。这是把一个问题简化为另一个问题的一个例子。在这个例子中，就是从边的长度为正整数的单源最短路径问题简化为每条边的长度均为1的特殊情况。这种简化所存在的主要问题是它扩大了图的规模。如果所有边的长度都是小整数，那么这种扩张并不是严重的问题。但在实际应用中，情况并不一定如此。某条边的长度很可能比原图中顶点和边的总数还要大很多！宽度优先的搜索在扩张后的图中的运行效率是线性时间，但这种线性时间并不一定接近原图长度的线性时间。Dijkstra算法可以看成是在扩张后的图上执行宽度优先的搜索的一种灵活模拟，它只对原始输入图进行操作，其运行时间为近似线性。关于简化如果一种能够解决问题B的算法可以方便地经过转换解决问题A，那么问题A就可以简化为问题B。例如，计算数组的中位元素的问题可以简化为对数组进行排序的问题。简化是算法及其限制的研究中非常重要的概念，具有极强的实用性。我们总是应该寻求问题的简化。当我们遇到一个似乎是新的问题时，总是要问自己：这个问题是不是一个我们已经知道怎样解决的问题的伪装版本呢？或者，我们是不是可以把这个问题的通用版本简化为一种特殊情况呢？3.1.4小测验3.1的答案正确答案：（b）。从s到本身的最短路径的长度为0以及从s到v的最短路径的长度为1不需要讨论。顶点w稍微有趣一点。从s到w的其中一条路径是有向边(s,w)，它的长度是4。但是，通过更多的边可以减少总长度：路径s→v→w的长度只有1+2=3，它是最短的s−w路径。类似地，从s到t的每条经过两次跳跃的路径的长度为7，而那条更迂回的路径的长度只有1+2+3=6。3.2Dijkstra算法3.2.1伪码Dijkstra算法的高层结构与第2章的图搜索算法相似。[4]它的主循环的每次迭代处理一个新的顶点。这个算法的高级之处在于它采用了一种非常“聪明”的规则选择接下来处理哪个顶点：就是尚未处理的顶点中看上去最靠近起始顶点的那一个。下面的优雅伪码精确地描述了这个思路。

在物流配送领域,如何快速、准确的获得用户信息并及时开展业务,高效、合理的完成配送服务,成为决定物流企业市场竞争力的重要因素。下面是我为大家整理的物流配送管理系统论文，供大家参考。

物流配送系统干扰管理模型研究

物流配送管理系统论文摘要

摘要：物流配送在我国信息化时代是非常需要的，因此有着非常重要的地位。物流配送系统就是一个经济行为的系统，它为人们在物流上面提供了方便。关于物流配送系统干扰管理模型，国内外都有一定的研究。本文从物流配送系统的概念、一般方式、具体模型来作了探讨工作。

物流配送管理系统论文内容

[abstract] the logistics distribution in our country's information age is very need, so has a very important position. The logistics distribution system is an economic behavior of the system, it for the people in the logistics provided above to a convenient. About logistics distribution system interference management model, and have certain research at home and abroad. This paper, from the concept of logistics distribution system, general way, the specific model to work were discussed

关键词：物流配送;系统;干扰管理;研究;

中图分类号：F253

一、物流配送系统

(一)概念

物流配送系统是一个经济行为的系统，它是通过其收集广泛的信息来实现以信息为基础的物流系统化，其作用是不可忽视。物流配送系统的主要机能分为两种，一种是作业子系统，另一种是信息子系统。作业子系统的范围比较广，包括的内容也比较多，例如输送、保管、加工等机能，其主要目的是保证物流配送达到快速的运作，使工作效率提高。信息子系统相比作业子系统来说范围是比较小的，其内容包括订货、发货、出库管理等，它的主要目的除了提高其工作效率以外，还能使工作更加效果化。信息子系统还有一点对于顾客来说是非常有用的，那就是可以以比较低的成本以及优良的顾客服务来完成商品实体，然后从供应地再到消费地，是一种非常有利于顾客的活动。

(二)一般方式

物流配送在我国占有非常重要的地位，它一般有两种配送模式，一种是及时配送，另一种是准时配送，这两种配送模式的应用是非常广泛的，因为两种模式都要有一个共同点，那就是都满足了用户的特殊要求，以此来进行供货以及送货的工作。即时配送和准时配送的供货时间非常的灵活和稳定，基于这种情况，对于用户的生产者和经营者来说，库存的压力就发生了变化，也就是出现库存缩减的情况，有时还会取消自己的库存。

二、物流配送系统干扰管理模型

(一)国内外的研究

关于干扰的研究在20世纪70年代就已经开始了，但是其干扰管理模型是在同个世纪90年代才提出来的，在提出来的概念中，把干扰管理给局限化了，把系统扰动控制在最小数值，还指出了干扰管理的另一种含义，它是属于运筹学的某个应用领域，其发展的潜能在一定程度上来说是非常大的。

我国的学者也对干扰管理作了一些研究，研究表明干扰管理的实质就是使事件回到最初的状态，其突然出现的事件就是一种偏离，而这种偏离是微小的，并没有对其产生一些重要的影响，所以通过及时的管理 方法 是可以修正的。学者还将干扰管理与应急管理的不同点分列出来，使人一目了然。

在现阶段，国内外关于干扰管理的模型的研究具有片面性，侧重于模型以及算法，虽然涉及的领域非常的多，但是也具有一定的局限性，片面性在一定程度上也是有的，比如说在车辆调度领域，特别是物流配送这一方面，相对来说起步是比较晚的，但是后续的研究并没有停止。

(二)原因

1.总所周知，客户如果对一个企业充分信任的话，就能使企业的长期的拥有这些客户，也就是固定客户会增多，随着旧客户的口碑相传，新客户也会随之而来，企业就会得到更多的赢利。下文所讲到的数学模型建立的目标是最小化的，因此就可以就可以用这一条件来反映对客户满意度的扰动。

2.物流配送的运营商最关心的必然是运作成本，因为其运作成本是整个物流配送的核心，所以根据这种情况来看，要想节约其运作成本的话，就可以调整其干扰方案。

3.干扰管理在生成新的配送方案后，其车的路线也将发生变化，因为频繁的更改其路线，其交通费必然会增加，超过了原本的预算，其效率也会受到影响。另一方面，因为路线频繁的更改，司机原本已经熟悉的路线又变得陌生起来，必将会影响司机的工作心情。依据干扰管理的思想来看，新方案和原方案相比的话，两者间的偏差值应该是最小的，所以路径的变动量也会最小。在本文中，提出的模型(下文将提到)是以三个维度来度量其扰动的，其模型是属于多目标的。

(三)数学模型的建立

数学模型的建立，是例子是非常多的。本文只是以需求量变动为干扰事件这一个例子来进行数学建模，其原因有以下几点内容。

1.需求量变动在一些企业中是必然会发生的干扰事件，特别是在成品油销售的企业。因为油品的存放存在一定的危险，容易造成火灾事故，如果除去加油站，其他成油品销售一般为服务行业，比如说餐饮、酒店等，因为这些行业所存储的油不能太多，所以只能小批量的、多数次的来购买，根据这样一种情况，需求量必然会发生变化。据有关资料调查，需求量变动量最大的干扰事件就是该类企业。

2.需求量变动的问题在国内外学术界的关注度是非常高的，国内外许多著名学者都对需求量变动问题作了探讨。根据一些新闻、期刊以及文献我们就可以看出，物流配送需求量变动的研究已经在很久以前就有相关资料了。此类干扰事件在1987年时就作了有关研究，比如说不确定性需求的动态车辆指派问题模型。

3.关于物流配送的车辆其路径问题的种类也是非常多的，本文主要通过对有时间窗的车辆路径问题作了相关研究。此类问题有一个特别明显的特点，就是客户对货物所送达的时间非常的严格，因此其要求也更加高了。下面我们举一个例子来详细的讲解一下这个问题，让其更加的清晰明了。假如其问题范围和条件分别为：只有一个配送中心，并且其配送中心有足够的同质物质材料，车辆也足够，但是有一个问题就是其车辆必须以配送中心为始源地和终点，而且每一辆车必须从只能访问一个客户，如图1(a)所示.如果出现需求量的突发事件，车辆就必须在出发之前就要把物品载满。假如说在开始设定的计划中，并没有对需求量不足做出一些应急 措施 ，如果客户的需求量突然增加，如图1中的客户点7，而且增加的需求量还超过了剩余车辆的载货量，也就是说其车辆也出现供应不足的情况，此时它就需要其他车辆来进行援助工作，如图l(b)所示。

三、结束语

随着我国经济的迅速发展，人们开始追求方便化，所以物流配送工作对于人们来说变得越来越重要。但是在物流配送的过程中，必定会出现突发状况，也就是出现干扰的情况。比如说客户需求量变动、车辆出现故障等，这些干扰事件经常会使原本计划出现失败的情况，然后顾客就对其不满，矛盾也会随着时间而加深。在现阶段，物流配送系统干扰管理模型的研究有些片面化，在前面我们也提到过，主要因为全都集中在单一要素变动引发的干扰事件上，在真正的物流配送过程中，存在变动的情况更多，因此，物流配送系统干扰管理模型的问题还有待进一步的研究，以此来完善此系统，让其更加贴近生活，实用性也变得更强。

物流配送管理系统论文文献

[1]王旭坪,杨德礼,许传磊.有顾客需求变动的车辆调度干扰管理研究[J].运筹与管理.2009(04)

[2] 孙丽君,胡祥培,于楠,方艳.需求变动下的物流配送干扰管理模型的知识表示与求解[J].管理科学.2008(06)

[3] 杨文超,王征,胡祥培,王雅楠.行驶时间延迟的物流配送干扰管理模型及算法[J].计算机集成制造系统.2010(02)

[4] 朱晓锋,蔡延光.物流配送的优化模型及算法在连锁企业中应用[J].顺德职业技术学院学报.2011(01)

[5] 胡祥培,于楠,丁秋雷.物流配送车辆的干扰管理序贯决策方法研究[J].管理工程学报.2011(02)

矩阵算法在物流配送管理系统中的应用

物流配送管理系统论文摘要

摘要： 本文针对物流配送中心运营过程中如何合理制定配送线路的问题，以邻接矩阵为基础，通过对邻接矩阵进行运算得到有向图的可达矩阵，并据此判断是否能够找到从源节点到目标节点的有向通路，最后完成最短路径的搜索。

物流配送管理系统论文内容

Abstract： In this paper， for the problem how to develop reasonable distribution lines in the process of logistics and distribution center operations， based on adjacency matrix， by the computation of adjacency matrix to get graph reachability matrix and judge whether can find forward path from the source node to goal node， and finally complete the search of the shortest path.

关键词： 车辆路径问题;配送;物流;最短路径

Key words： vehicle routing problem;distribution;logistics;shortest path

中图分类号：TP39 文献标识码：A 文章 编号：1006-4311(2013)10-0163-02

0 引言

目前我国的快递行业蓬勃发展，使得物流配送中心的业务量不断增加，业务的复杂程度也已不断提高，这都对物流配送中心的科学管理水平提出了新的要求，高效、合理、安全、快速的配送是物流系统顺利运行的保证，而配送线路安排是否合理也是配送速度、成本、效益的保证。正确、合理地安排配送线路，可以达到省时、省力，增加资源利用率，降低成本，提高经济效益的目的，从而使企业达到科学化的物流管理。

本文以邻接矩阵模型为基础，提出了一种新的最短路径算法，通过对邻接矩阵进行运算得到有向图的可达矩阵，并据此判断是否能够找到从源节点到目标节点的有向通路，最后完成最短路径的搜索。

1 有向图的可达矩阵

假设有一个n个节点(d1，d2……dn)建立的有向图，每条有向边上都有各自的权值，若节点di和dj之间有条有向边，则其权值表示为Wij。如果我们要求节点d1到节点dn的最短路径。那么首先应该建立基于该有向图的邻接矩阵M：Mij=0表示节点di和dj之间没有直接有向通路，若Mij=1表示节点di和dj之间存在直接有向通路。

那么矩阵M2中所有为1的元素的坐标所代表的就是通过一次“中转”可以达到贯通的节点对。以此类推M3中所有为1的元素的坐标就是通过两次 “中转”可以达到贯通的节点对;Mn所有为1的元素的坐标就是通过n-1次“中转”可以达到贯通的节点对。

所以我们可以得出：M1+M2+M3+……+Mn得到的矩阵T即为原有向图可达矩阵，Tij=0表示节点di和dj之间没有有向通路，若Tij=1表示节点di和dj之间存在至少存在一条有向通路。

对于大规模稀疏矩阵，由于存在大量的值为0的元素，若按常规意义来存储，既会占用大量的存储空间，又会给查找带来不便。所以只要存储值为非0的元素即可。这在计算机中很好实现，只要建立含有两个整数域的结构体变量即可。

2 路径搜索算法

2.1 初步设想 由矩阵乘法的性质可知，Mx=Mx-1*M。若M■■≠0，则说明节点d1通过x-1次“中转”可以到达节点dj。那其中这x-1个节点都是哪些?它们又是什么顺序呢?把这两个问题搞清楚我们就找到了一条从节点d1经x-1次“中转”到达节点dj的通路。

接下来我们观察矩阵Mx-1的第一行，若M■■≠0，且Mij≠0，则说明：节点d1存在经x-2次“中转”到达节点di的通路，且节点di和dj之间存在直接有向通路。这样我们就找到了节点d1到节点dj通路的最后一次“中转”di，即d1，……，di，dj是一条有向通路。我们可以根据此方法进一步再找到节点d1到节点到达di的最后一次“中转”，以此类推直至找到整个通路上的所有节点。

这在计算机中实现也很容易，只要把找节点di和dj之间的最后一次“中转”的方法编写好，采用计算机中的递归调用就能很好地解决这个问题，计算机会自己自动完成整个操作。

2.2 节点的选取 有一个问题我们需要注意：在我们观察矩阵Mx-1的第一行时可能有多个节点di，使得M■■≠0，且Mij≠0。基于我们是想找到有向图中的最短路径，所以每一次选取节点应该选择一个到节点dj最短的节点作为最后一次“中转”。这一过程是通过查看另一权值矩阵W，找到值最小的Wij来确定di的。

2.3 待查节点集 上面说到，我们找到了节点d1到节点dj的x-1次“中转”的最后一次“中转”di，即d1，……，di，dj是一条有向通路。根据此方法进一步再找到节点d1到节点到达di的最后一次“中转”，以此类推直至找到整个通路上的所有节点。

每一次查找之前，与待查节点有直接通路的节点都应加到考察的范围，同时上一次确定的最终通路上的节点也应从待查范围中删除，而加入最终通路的节点集中。

2.4 需要考虑的两种情况 按照上面方法是会找到一条从d1到节点dj的一条有向通路，但是一定是最短路径吗?我们先考虑两个情况：①如果在已经找到一条从d1到节点dj的有向通路的前提下，再重复以上过程再找一条从d1到节点dj的有向通路，那么有可能新找到的通路上的所有权值之和要比之前找到的通路上的权值之和小，在这种情况下，应放弃原来通路。记下新找到的通路把它作为“当前”的最短路径。②如果在查找的过程中，已经确定节点dy是在已找通路上的节点，即存在节点d1到节点dy的通路，也存在节点dy到节点dj的通路，并且dy是上一节点的最近邻接点。但在查找下一步节点d1到节点dy的通路的最后一次“中转”dz的过程中发现：所定通路上节点dy的上一节点通过其他方式到节点dz的长度要比经过节点dy中转到节点dz的长度要短，即通过dy相当于“绕路”。因为根据2.1中所阐述的方法找到的节点dz一定是待查节点中到节点dy路径长度最短的节点。若存在“绕路”现象，那么通过节点dy到其他的未差节点都会“绕路”。因而在这种情况下应该从已经确定的有向通路中把节点dy删除，恢复上一节点为当前节点，重新查找其除dy之外的最后一次“中转”。 2.5 搜索算法 首先根据实际情况建立有向图，并根据有向图建立有向图的邻接矩阵M，以及根据各有向边的权值建立矩阵W。然后根据矩阵乘法求出M2，M3，……Mn。这可以通过循环完成。之后的步骤就是设定待查节点，由于算法是从终点向起点查找的，所以应该先把与终点dj构成直接通路的节点作为待查节点。建立完待查节点集后，首先按照深度优先进行搜索，按照上面所说的递归算法查找第一条有向通路。然后以此条通路为基准，进行广度优先搜索，寻找新的通路，查找过程仍然是采用上述的递归算法，但是要考虑到2.4中的两种情况。需要指出的是：广度优先搜索过程可能是一个反复执行的过程，直至最终找到节点d1到节点dj的最短路径。

3 实例

某物流公司业务员要从v0到地点v2投递货物，路线如图1所示，业务员想在此过程走的路线最短，时间最快。他应该走哪条路线?

由上面有向图建立的邻接矩阵M以及有向边权值矩阵W如图2所示，由于M是一个稀疏矩阵，按照上面方法所述形成的节点数对(0，1)，(0，3)，(1，2)，(3，2)，(3，4)，(4，1)，(4，2)。按照矩阵乘法计算出M2、M3、M4、M5。由它们产生的节点对如下所示：M2(0，2)，(0，4)，(3，1)，(3，2)，(4，2);M3(0，1)，(0，2)，(3，2);M4(0，2)。我们据此可得到该有向图的可达矩阵T的节点对：(0，1)，(0，2)，(0，3)，(0，4)，(1，2)，(3，1)，(3，2)，(3，4)(4，1)，(4，2)。

现在我们求节点v0到v2的最短路径。查看矩阵T可知存在(0，2)的节点对，所以从V0可以到达V2。再按照上述规则以及结合矩阵W，找到M2存在(2，0)节点对，M中存在(1，2)和(0，1)节点对，即M■■= M12* M01， M■■、M12、 M01都不为0。所以找到一条通路即：v0、v1、v2，其路径长为19。

按照上述方法，我们还可以找到通路：v0、v3、v2和v0、v3、v4、v2，但是由于它们的路径长分别为19和20，不产生对通路v0、v1、v2的替换，所以在此不再详述。继续按着上述方法查找通路时会发现：M■■≠0，且存在M■■≠0，M12≠0，继续查找又会发现存在M■■≠0，M41≠0，进一步查找又会发现存在M03≠0，M34≠0，所以最终找到通路：v0、v3、v4、v1、v2，由于其路径长为18，所以按照上述原则对原通路v0、v1、v2进行替换，又由于已查找该有向图中所有通路，所以确定最短路径为v0、v3、v4、v1、v2，由于其路径长为18。

4 结论

本文针对物流配送系统中的投递等事务中路线优化的问题，提出了一种新的对最短路径算法的尝试，采用逆向标号，对待查节点进行优化选取，有效的利用了第一次计算的有用信息，避免重复计算，使得该算法搜索设计上要比以往算法节省时间，对于最短路径问题可以快速求解。虽然增加了邻接矩阵的乘法计算，但由于是稀疏矩阵，不会增加太多的计算量。本算法是具有实际意义的，可以在成本降低方面给出积极、高效的意见和解决方法，从而降低物流中的流通费用。

物流配送管理系统论文文献

[1]肖位枢.图论及其算法.北京：航空工业出版社，1993.

[2]任亚飞，孙明贵，王俊.民营快递业的发展及其战略选择.北京：中国储运，2006.

[3]周石林，尹建平，冯豫华.基于邻接矩阵的最短路径算法.北京：软件导报，2010.

[4]蔡临宁.物流系统规划—建模实例分析.北京：机械工业出版社，2003.

有关物流配送管理系统论文推荐：

1. 配送管理论文

2. 物流配送毕业论文范文

3. 浅谈仓储与配送管理论文

4. 物流管理专科毕业论文范文

5. 浅谈服装物流管理论文

6. 快递末端物流配送的风险分析与防范措施研究论文

支座工艺课程设计

// dijsktra.cpp : 定义控制台应用程序的入口点。//#include "stdafx.h"#define N 12#include using namespace std;const static int soure[N][N] ={ /*这填邻接矩阵*/};int min(int arr[N],bool bj[]){ int tmp = 999; int temp = 0; for(int i=0; i>i>>j; cout<<"最短路径长度为："<