海南大学外卖配送路径研究

题目：海南大学外卖配送路径研究摘    要近年来随着计算机与网络的飞速发展，我国物流行业迈上了一个新的台阶，外卖作为物流业一个特殊分支，自然广受学者关注。在互联网+的时代，越来越多的消费者倾向选择更加便捷的快餐外卖服务，促进了快餐外卖行业的迅猛发展。但是伴随着行业的发展，快餐外卖配送的问题也与日俱增。大学社区作为一个人口十分密集的社区，人员流动与交通路线错综复杂，外卖配送一直是一个难题，如何优化校园内部的外卖配送，成为一个难题。蚁群算法属于仿生算法一类，是人们通过蚂蚁的群体性行为，受到启发并通过进一步改进与研究得到的一种随即搜索算法。它具有较强的鲁棒性，同时具有分布式的特征，使其算法可靠性与全局的搜索能力相较于其他算法都有较大提升。但该算法还存在着两个不足之处：容易陷入局部最优解与搜索时间过长。校园内交通错综复杂，新入职的外卖配送员容易在校园丢失正确的配送目标，同时找不到最优配送路线。本文在使用Dijkstra算法的基础上，研究海南大学校园内快餐外卖配送路径优化问题，主要工作如下：介绍快餐外卖相关理论，物流配送中车辆路径问题Dijstra基本概念与求解方法，蚁群算法的原理、理论及应用。运用Dijkstra算法及其他方法求出校园宿舍楼之间的最短路线，得出距离矩阵，确定基本的配送点和路线网络。基于配送网络，运用Maltlab软件平台运行蚁群算法求解TSP问题，得出最短的配送路线。关键词：外卖配送；车辆路径问题；Dijkstra算法；蚁群算法；Maltalb软件AbstractInrecentyears,withtherapiddevelopmentofcomputerandnetwork,China'slogisticsindustryhasreachedanewlevel.Asaspecialbranchoflogisticsindustry,take-outfoodhasattractedwideattentionfromscholars.IntheeraofInternet+,moreandmoreconsumerstendtochoosemoreconvenientfastfooddeliveryservices,promotingtherapiddevelopmentoffastfooddeliveryindustry.Butwiththedevelopmentoftheindustry,theproblemoffastfooddeliveryisalsoincreasing.Asadenselypopulatedcommunity,theuniversitycommunityhasacomplexflowofpeopleandtrafficroutes,sothedeliveryoftake-outfoodhasalwaysbeenadifficultproblem.Howtooptimizethedeliveryoftake-outfoodwithinthecampushasbecomeadifficultproblem.Antcolonyalgorithm(ACO)belongstotheclassofbionicalgorithm,whichisarandomsearchalgorithminspiredbythecolonybehaviorofantsandobtainedbyfurtherimprovementandresearch.Ithasstrongrobustnessanddistributedcharacteristics,whichmakesitsalgorithmreliabilityandglobalsearchabilitygreatlyimprovedcomparedwithotheralgorithms.However,thealgorithmstillhastwoshortcomings:easytofallintothelocaloptimalsolutionandthesearchtimeistoolong.Thetrafficinthecampusiscomplicated,sothenewlyhireddeliverypersonnelareeasytolosethecorrectdeliverytargetonthecampusandcannotfindtheoptimaldeliveryroute.OnthebasisofDijkstraalgorithm,thispaperstudiestheoptimizationoffastfoodtakeoutdeliverypathonthecampusofhainanuniversity.Themainworkisasfollows：introducethetheoriesrelatedtofastfoodtakeout,thebasicconceptandsolutionmethodofDijstraforvehicleroutingprobleminlogisticsdistribution,andtheprinciple,theoryandapplicationofantcolonyalgorithm.useDijkstraalgorithmandothermethodstofindtheshortestroutebetweendormitorybuildingsoncampus,getthedistancematrix,anddeterminethebasicdistributionpointsandroutenetwork.Basedonthedistributionnetwork,theantcolonyalgorithmisusedtosolvetheTSPproblemontheMaltlabsoftwareplatform,andtheshortestdistributionrouteisobtained.Keywords:take-outdelivery;Vehicleroutingproblem;Dijkstraalgorithm;Antcolonyalgorithm;Maltalbsoftware目录TOC\o"1-4"\h\u11895一、绪论 618019（一）研究背景 61506（二）研究意义 6241401.理论意义 6190212.现实意义 714525（三）研究内容 724452（四）研究思路 714495二、文献综述及相关理论研究 76637（一）Dijkstra相关研究 729013（二）蚁群算法相关研究 830096三、关于外卖配送相关理论描述 85177（一）外卖的基本内涵 85672（二）国内外卖行业基本情况与发展态势 958351.行业现状 9248302.发展趋势和痛点难点 916319四、宿舍两点之间的距离 918016（一）最短路问题Dijkstra算法相关理论 10309821.最短路径问题 10163562.Dijkstra算法流程 10305953.海南大学校园场景描述 10291644.海南大学校园内各楼群间最短距离 123345五、TSP路径 154597（一）蚁群算法基本理论 15245721.蚂蚁寻找食物的集体行为 151892.蚁群算法模型描述 16233373.海南大学算例 17159444.海南大学算例修改 191140六、结论与展望 2020290致谢 224884参考文献 23绪论（一）研究背景快餐是一种[1]由餐饮企业通过便捷的方式为客户制作的即时可食用、方便快捷及价格易于普罗大众所接受的特殊餐饮产品。其具有标准化、可复制性强的特点，越来越受到以学生和商务白领等因上课或办公而无法自己烹饪的年轻人的追捧。在互联网＋的时代，人们越来越追求快节奏的生活，外卖行业也与互联网进行了深度的融合，产生了广受群众所知的美团与饿了么外卖平台。有数据显示，2019年前三季度，我国外卖产业交易额分别为1200亿元、1430亿元、1790亿元，第三季度环比增长25.2%。与此同时，外卖订单量也持续上涨。以美团外卖为例，第三季度，美团外卖日均订单量达2680万单，同比增长38.1%。订单量的持续增长表明，外卖在消费中的作用进一步凸显，且外卖市场仍有巨大的增长潜力。有数据显示，截止2018年上半年，仅某外卖平台就有136万份外卖送往大学校园，期中有21万份早餐，99万份午餐以及16万份深夜外卖，越来越多的学生倾向于在校园内选择便捷便宜的外卖。有数据显示[2]，今年以来，海口夜宵(21时-次日4时)外卖订单量同比去年增长达132%，远高于海南平均87%的夜宵增幅，高居全省第一；就区域来看，数据显示，美兰区消费了全海口夜宵餐饮38.7%的订单，这其中，海南大学成为海口夜宵订单量最高区域。研究意义理论意义\o"添加到收藏夹"目前，很多快递企业对产品的质量和口感比较重视，而对快递服务的关注较少。企业往往认为，消费者对价格的敏感程度比送货时间和服务质量更重要，但这一概念已经落后于当前的消费市场。现如今外卖市场主要消费群体是学生与80、90后白领。有研究表明[3]，注重提供商品服务的速度与质量是他们首要考虑的，对于金钱的成本反而重要程度不及前者。所以，制定良好的配送路线策略至关重要。现实意义目前，我校校园外卖配送员存在着不清楚主要配送楼群的具体地点，经常有学生反馈配送员询问配送地点具体方向，对于配送路线的选择还以个人经验居多。基于以上分析，本文通过研究海南大学校园内外卖配送服务的配送路径方案，力求通过建立模型求解出较优的配送路线，为配送员提供一定的路线指导，是配送更加科学有效，对提高服务水平有着十分重要的意义。研究内容本文研究的是，在海南大学内进行外卖服务配送人员，根据其所得到的订单数量得出较优的配送路线，对配送人员进行配送服务路线的指导，为其提供一定的参考价值。研究思路本文在Dijkstra算法的基础上，结合实地观察法，求出海南大学各个建筑楼群间最短路程，得出距离矩阵，为后续蚁群算法的实施奠定基础。由于海南大学的特殊政策，所有外卖配送员只能从北门进出，随后再服务各个宿舍楼，我们可以将其近似地看成TSP问题，运用蚁群算法，根据配送员所得到的用户订单（所需要服务的宿舍楼数量）数量，运用蚁群算法得出最优的配送路线。图1-1研究路线图文献综述及相关理论研究Dijkstra相关研究Dijkstra算法是荷兰计算机科学家迪克斯特拉在1959年时提出的一种贪心算法策略,但储存量与计算量往往过于庞大，该算法的分析效率直接影响到整个系统的性能。乐阳[4]等学者采用两个数组来存储网络图，一个存储弧相关的数据，一个存储顶点相关的数据，这样就能快速地调用与分析数据。李元臣等人[5]运用二叉树结构改进算法，降低了算法时间复杂度；徐立华在1989年提出过最大相关边数概念，通过定义点-边矩阵，节省了存储空间，提高了运算的速度。蚁群算法相关研究上个世纪，由于收到了蚂蚁特殊觅食行为的启发，意大利科学家Dorigo等人[6]提出了类似蚂蚁觅食行为的启发式搜索算法并用于解决旅行商问题，也就是蚂蚁系统AS，虽然效果较好，但与当时一些其他的算法相比却不太出色。为了可以解决更多组合优化问题[11][19]，蚂蚁系统经过不断的演化，最终优化成基本蚁群算法ACA（AntColonyAlgorithm）。在基本蚁群算法的基础上，Dorigo等人[6]通过在当前最优解时额外释放信息素，用来不断增进系统的正反馈功能，提出了精英蚂蚁系统EAS（Eliist-AntSystem）Juang等人[7]通过筛选与随机抽样方式与精英策略引导蚁群产生新解决方案，提出了一种基于精英引导连续蚁群优化算法ECACO（Elite-guidedContinuousAntColonyOptimization）。刘宝国[8]等人利用EAS系统，同时加入了最大最小蚂蚁机制使系统在寻优质量与收敛速度保持了一个较好的平衡。杜鹏桢[18]等学者将城市划分为不同的类别；同时对蚁群也进行角色划分，针对不同的城市采用不同角色的蚁群执行各自的搜索策略，大大提高了求解质量。关于外卖配送相关理论描述（一）外卖的基本内涵外卖在广义[1]上讲是指卖家向顾客提供可到指定现场的外出服务与商品，例如上门维修物品等。；从狭义上讲，外卖服务是我们在餐饮业所熟悉的快餐外卖服务，是一种餐饮行业将成品或半成品餐品送至客户指定地点的配送服务。本文讨论的是狭义上的外卖。打包是快餐外卖的最初雏形，从今时起一直可以追溯到我国的宋朝。我国名画《清明上河图》中所描绘的城市东京的繁荣商业景象，可以让我们对当时的产业进行基本的解读。有研究人员曾经在里面找到过一个正提着餐盒的客栈小二，正打算将餐盒送往别处。这证明了当时的餐饮行业已经开始提供了外卖服务，在中国古汉语中称为“咄嗟便办”[9],此后演化成了成语“咄嗟立办”，其中“立办”就是指快餐外卖。国内外卖行业基本情况与发展态势行业现状在最近几年，餐饮行业经历了重大的巨变与整合并购，许多传统餐饮公司纷纷退出了市场。外卖行业更是“沙中淘金”，只留下了寥寥几个大平台。经过了消费市场与互联网技术的巨大变革，许多追不上时代浪潮的企业只能无奈停下了脚步，退出了市场。可以看到，餐饮业的发展与经济形势、互联网技术发展紧密联系。目前，结合互联网+的O2O（on-linetooff-line）的模式是餐饮行业发展的大方向。目前来看，快餐外卖是与O2O模式最契合的餐饮行业业务。它不仅能很好的解决传统电话订餐所带来的种种问题，更是[10]迎合了消费者对服务的便捷性与直观性、节省时间以及高性价比的需求，顾客可以通过手机APP的方式，更加直观的了解并选择自己心仪的餐饮产品。发展趋势和痛点难点目前我国国内外卖服务市场已经趋于稳定，但本质上已经从增量竞争转变为了存量竞争，未来的外卖服务市场竞争将会越来越激烈与残酷。目前商家在保持良好口感的基础上，越来越注重树立品牌形象与自身的服务，如包装、配送等基础服务，以构建属于自己品牌的“护城河”。但想要保持良好的外卖产品的口感与品质，这也与外卖配送服务的质量密切相关。如果配送时间过长，部分产品本身的口味就会急剧下降，给消费者留下不好的印象。目前，有三个痛点所在：一是用户下单处于高峰期，等待时间较长。二是交通状况复杂难以预料，影响外卖送达。三是送餐地点分散，配送路线难以优化。宿舍两点之间的距离最短路问题Dijkstra算法相关理论Dijkstra算法是荷兰计算机科学家迪克斯特拉在1959年时提出的一种贪心算法策略，目的是为了解决有权图中的最短路径问题，通过每次遍历到始发点最近且未访问过的顶点的邻接节点，直到扩展到终点位置，得出最短路径。最短路径问题一般最短路问题都会给定一个赋权有向图,其中的每一个弧都会有与之相对应的权。选中给定有向图中的两个顶点设为，。设从到的一条路径为，定义路径中所有弧的权为。要使从到路径最短就是要求出一条权最小的路，其数学模型为（1）Dijkstra算法流程算法的具体步骤[12]是在给定的赋权有向图中,开始时令，，，对所有，令，;第一步：当时算法终止，对于每个属于的节点，其路权；如果不满足就跳往第二步;第二步:检查每一个可以让同时的点;若，就把更新成；如果不满足则跳往第三步;第三步：让（其中），如果其小于正无穷，则将的的标号变为标号;令，把换成后转入第一步；否则停止算法。海南大学校园场景描述为了计算海南大学各个宿舍楼之间的实际最短距离，下文将利用Dijkstra算法与实地观察法计算楼群间的距离,得出距离矩阵。下文先利用百度地图得到海南大学校园各楼群间地理位置以及简化图片对楼群进行近似划分，简化计算流程，以便更好利用算法。图4-1百度地图海南大学图4-2海南大学地图简化结个海南大学校园内道路交通状况与实际配送服务需求，现在对校园内常见配送目标楼群进行近似简化，当计算与其他楼群距离时，按被人为规定的中心计算。其中记23、24、25、26号学生宿舍楼与6、7、8、9、10、号教学楼为一号楼群，其中心为26号宿舍。记1、2、5号教学楼，图书馆与社科楼为二号楼群，其中心为5号教学楼门口红绿灯。记3、4、5号宿舍楼为三号楼群，其中心为4号宿舍门口小门。记1、2、3、6、7、8、9号宿舍楼为四号楼群，其中心为6号宿舍楼门口。记11，15，16号宿舍楼为五号楼群其中心为15号宿舍楼门口。记12、13、17、19号宿舍楼为六号楼群。记10、14、18号宿舍楼为七号楼群。记紫荆公寓为八号楼群,由于紫荆公寓扩建后有两个大门，这里规定每次计算与其他楼群距离时，默认采用距离最短的大门。具体如图4-3所示。四七号六号五号八号三号四号二号一号四七号六号五号八号三号四号二号一号图4-3海南大学楼群分类海南大学校园内各楼群间最短距离为了计算任意两点的距离，对于距离较近的两个点，我们采用百度地图的地图测距功能。而对于相对较远的点，我们使用经纬度得出距离：[13]设一个点的经度和纬度分别为，另一个点的经度和纬度分别为，以零度经线为基准，东经取正值，西经取负值，北纬为90-当前纬度，南纬为90+当前纬度。处理过后便得到两个点，。由球面计算公式可推导出球面任意两点距离公式表示为：（2）各宿舍楼的经纬度坐标见附录A。以六号楼与二号楼之间为例，运用Dijkstra算法，并计算出校园内各节点间的距离。首先我们找到六号楼到二号楼实际路线图并得到有向赋权有向图。图4-4实际路线图图4-5赋权图P1现在用Dijkstra算法求解图4-5中从A点到H点的最短路径，此时：，以及。转入第二步因为，故把修改为，修改为；同理把，把修改为，修改为；当时：对于，故把修改为，。对于,故把修改为。但，故把修改为425，。对于，故把修改为，。以此类推，当算法终止时，，，，，，，，，；，，，，，，，=，。这样从A（六号楼群）到H（二号楼群）的最短路（图3-6）为，路长为890。图4-6六号楼群到二号楼群最短路径对于运用实地观察法与Dijkstra算法处理后得到各个楼群间实际距离矩阵如下表所示，其余各宿舍楼间最短路线与所采用的方法（Dijkstra算法或实地观察法）见附录B。1234567815853856554558707001070274572511001190810800331030043051560044304802154405135210630626069074258表3-1各楼群距离矩阵TSP路径蚁群算法基本理论蚂蚁寻找食物的集体行为科学家在对蚂蚁的群体觅食行为中发现它们有两个特点：（1）蚂蚁会释放一种信息素（个体分泌到体外，被同物种的其他个体通过嗅觉器官察觉，并改变后者行为）留在自己所行进过的道路上，形成信息素轨迹，该信息素具有挥发性质，会随着时间而减少；（2）蚂蚁会察觉先前经过这条路径的蚂蚁留下的信息素，并根据信息素浓度做出后续行为。由于信息素的特点，蚂蚁之间会通过信息素来传递信息并指引其他蚂蚁自己搜索过的方向，当信息素浓度越高时，该路径吸引的蚂蚁数量也就越多，如此循环，随着时间的增加[14]，所有蚂蚁都会选择一条信息素浓度最大的路径。在蚂蚁实际觅食的行动中，假设蚂蚁们都选择了所有不同路径去寻找食物并返回蚁巢，必定会有蚂蚁寻找到最短路径并提前返回，并且在该路径上留下更多的信息素，这样由于随着时间的推移，这条道路的信息素浓度会因为蚂蚁们的提前返回而积累的越来越多，这样会导致更多的蚂蚁也会选择这条更短的路径。科学家Goss[15]曾经做过非对称双桥实验进行了实验。如图5-1所示，在该实验中，率先返回蚁巢的蚂蚁会在最短分支从蚁巢到食物上经过经过两次，所以会在短路径上留下更多信息素，从而诱使更多的蚂蚁选择这条短路径。图5-1非对称双桥实验（Gossetal，1989）从上述实验我们可以看出，每只蚂蚁的行为都能够影响环境，被改变的环境又进一步对蚂蚁的群体行为产生控制压力，进而影响其他蚂蚁的行为。通过这种机制，蚂蚁会相互影响各自的行为，表现出一种正反馈现象：当一条路径上的蚂蚁越多，后来的蚂蚁选择这条路径的概率也就越高，导致越来越多的蚂蚁选择这条路径。这种行为被称为蚂蚁的自催化行为，其原理是一种正反馈机制。结合蚁群觅食行为的特点，我们运用“人工蚁群”来进行配送服务，它与真实的蚁群有以下区别。相同点：都存在个体相互交流的通讯机制；都要完成寻找最短路径的任务；都采用根据当前信息选择路径的模式。不同点：人工蚁群具有记忆能力；人工蚂蚁选择路径不是完全盲目的；人工蚁群生活在离散时间的环境中。蚁群算法模型描述以TSP问题来说明蚁群算法模型，假设旅行商需要遍历N个城市，每个城市只能到达一次，已知城市间的距离或坐标。这样算法模型中各个参数和方程的含义为：:信息启发式因子[17]，表示运动轨迹的重要程度，其越大，蚂蚁选择之前走过的路径概率也就越大，搜索路径的随机性减弱；越小，蚁群搜索的范围就会减少，容易陷入局部最优解；：期望启发式因子，其越大，蚁群越容易选择局部较短路径，陷入贪心规则，导致随机性不高，容易陷入局部相对最优；：蚂蚁数量[17]，m数量越多，得到的最优解就越精确，但会产生不少重复解，随着算法接近最优值的收敛，信息正反馈的作用也就降低，产生了大量重复工作，消耗了资源，增加了时间复杂度；：信息挥发因子，1-表示残留因子。当过小时，在各路径上残留的信息素过多，会导致无效的路径继续被搜索，影响到算法的收敛速率；但是过大，无效的路径虽然可以被排除，但是不能保证有效的路径也会被放弃搜索，从而影响到最优值的搜索；：表示t时刻路径（i，j）上信息素浓度，开始时设为常数c；：启发函数，表示蚂蚁从城市节点i转移到城市节点j的期望；：表示[16]t时刻蚂蚁k由城市节点i转移到城市节点j的概率；状态转移方程：为了避免残留的信息素过多而淹没了启发信息，在每只蚂蚁走完一步或者完成对所有城市的遍历后（一个循环的结束），要对残留信息进行更新处理，由此t+n时刻在路径（i，j）信息量做如下处理：（3）（4）在蚁群算法中，主要参数的理想选择为：，，，。海南大学算例由于海南大学的特殊政策，所有外卖配送员只能从北门出入校园。假设外卖配送员随机接一定数量的订单，将订单目的地设为所需要服务的客户节点，以北门为起始点和终点，可以看成一个TSP（旅行商）问题。案例一：我们假设外卖配送员随机接到一、三、五、七、八号宿舍楼的订单，他从北门进入校园，每次服务一个且仅服务一次宿舍楼，服务完所有宿舍楼后，从北门离开海南大学，我们将其看成TSP问题，其中各个参数如下：参数αβmρ值151000.1表5-1参数表选择蚁群算法，运用matlab工具求解运算后结果如下：图5-1一三五七八号宿舍楼路线图实际配送路线如图5-2所示：图5-2一三五七八号宿舍楼实际路线图案例二：我们假设外卖配送员随机接到一、五、六、七、八号宿舍楼的订单，他从北门进入校园，每次服务一个且仅服务一次宿舍楼，服务完所有宿舍楼后，从北门离开海南大学，运算结果如下图所示：图5-3一五六七八号宿舍楼路线图海南大学算例修改我们发现，运算结果是配送五六七八号宿舍楼后，最后配送一号宿舍楼，以达成服务所有节点。但是在实际配送过程中，如果绕过一号宿舍楼进行配送，先配送五六七八号宿舍楼。在配送完八号宿舍楼后，再前往一号宿舍楼配送，会浪费大量的时间在运输途中，使一号宿舍楼群的师生等待太久。所以我们进行人工修改，先配送一号宿舍楼后，再前往五六七八号。因为已经服务完了所有宿舍楼，这样返程的时间就不会被浪费。这样上述两个案例修改后实际配送路线如下：图4-4一三五七八号宿舍楼修改后实际路线图图5-3一五六七八号宿舍楼修改后实际路线图所有宿舍楼的配送方案见附录C。结论与展望本文研究了海南大学校园外卖实际配送过程中的路线选择问题，运用Dijkstra算法和实地观察法为外卖配送员提供了各个宿舍楼之间较优的路线选择，节省了配送员们的时间，为初入海南大学校园配送员能提供了一些可以借鉴的指导，将节省他们学习与试错的时间。本文只考虑了服务各个宿舍的配送行为，并没有考虑到实际配送过程中大学生从宿舍出来领餐时所需要花费的等待时间。在实际的配送过程中，有许多大学生从接到电话到从宿舍出来需要花费不少的时间，导致外卖配送员在其宿舍门口等待时间过长，这就又使外卖配送员经常在还没到达目标宿舍楼时就已经打电话叫学生下楼。部分学生在接到其电话后立刻下楼等待，但发现配送员其实并没有到达，部分配送员甚至会让学生等待五分钟以上，这就又导致了越来越多的学生不愿及时下楼，形成了负反馈效应。这在实际配送过程中，可以在每个宿舍楼门口放一个专门收集外卖的小平台，外卖配送员在送到后，如果学生没有下楼，可以放在平台上，但这十分考验学生们的公德心，现实生活中也有学生冒领，偷拿他人外卖的情况。在实际配送过程中也存在着交通拥堵的问题，在学生上下课高峰期时一些主要路段都是十分拥堵的，不利于外卖配送。在以后的研究中，可以根据实际配送所处的时间，比如说上下课高峰期时，对一些不太拥堵的路况做加权处理，使算法更倾向于搜索这些畅通的道路。致谢光阴似箭，日月如梭。四年的时光转眼间就从指尖流淌而过，大学时光短暂而美好，值得我珍惜一辈子。在这短暂的四年里，有许多应该永远感谢且铭记的人，是他们帮助我成长，使我成为了一个更加优秀的人。谢谢熊浩老师，经常督促我们写论文,关心我们论文的写作进度，一遍遍地指导我们的论文。正是吉老师一次又一次耐心的指导我们撰写毕业论文,我才能顺利完成毕业论文。老师的尽心尽责，我铭记于心。谢谢给我们上课的老师们，教授我们知识，传道授业解惑，教会我们更好的思考思考问题并解决它，传授了我们一生实用的知识，拨开了迷雾，照亮了我们的梦想，谢谢老师们辛苦的付出！同时谢谢家人在生活上对我的支持，你们是我坚实的后盾！还要谢谢313的室友们，一直陪伴了我大学四年，给我的生活带来了许多的欢乐，还经常在学习和生活上帮助我。感谢闻香识，是他在我紧张繁忙的学习工作生活中带来了快乐。参考文献[1]王荃菲.快餐外卖配送路径方案研究[D].北京交通大学,2017.[2]张永生.“夜经济”，激荡城市另一种美[N].海南日报,2019-08-02(A04).[3]刘雅坤.消费主义影响下我国居民消费观研究[D].北京邮电大学,2015.[4]乐阳,龚健雅.Dijkstra最短路径算法的一种高效率实现[J].武汉测绘科技大学学报,1999(03):209-212.[5]李元臣,刘维群.基于Dijkstra算法的网络最短路径分析[J].微计算机应用,2004(03):295-298+362.[6]DorigoM,GambardellaLM.Antcolonysystem:acooperativelearningapproachtothetravelingsalesmanproblem[J].IEEETransactionsonEvolutionaryComputation,1997,1(1):53-66.[7]JuangCF,ChangPH.Recurrentfuzzysystemdesignusingelite-guidedcontinuousantcolonyoptimization[J].appliedsoftcomputing,2011,11(2):2687-2697.[8]刘国宝,张洁.基于改进滚动时域优化策略的动态调度方法%DynamicScheduleMethodBasedonImprovedRollingTimeDomainOptimizationStrategy[J].机械工程学报,2013,049(014):182-190.[9]刘义庆.世说新语译注[M].北京燕山出版社,1996.[10]太金萍,陈虹.餐饮电商O2O模式研究——以麦当劳为例[J].中国市场,2016(41):121-122.[11]段海滨,王道波,朱家强,黄向华.蚁群算法理论及应用研究的进展[J].控制与决策,2004(12):1321-1326+1340.[12]胡运权.运筹学基础及应用[M].哈尔滨工业大学出版社,1998.[13]王特起,谢亚琴.基于Dijkstra算法的校园导航系统的设计与实现[J].通信技术,2019(8).[14]邓新文,邓南明.蚁群算法在远程鱼雷航路规划中的应用[J].舰船电子工程,2019,39(05):49-52.[15]GossS,AronS,DeneubourgJL,etal.Self-organizedshortcutsintheArgentineant[J].Naturwissenschaften,1989.[16]孙亮.MATLAB语言与控制系统仿真[M].北京工业大学出版社,2001.[17]陈一昭,姜麟.蚁群算法参数分析%ParametricStudyofAntColonyOptimization[J].科学技术与工程,2011,011(036):9080-9084.[18]杜鹏桢,唐振民,孙研.一种面向对象的多角色蚁群算法及其TSP问题求解%Anobject-orientedmulti-roleantcolo