Using elite ant mechanism to solve the premature convergence problem in urban logistics path planning and scheduling algorithm in management science

As the "artery" of modern urban economic operation, the improvement of urban logistics efficiency is very important for the sustainable development of social economy. However, the traditional path planning algorithm often has the problem of premature convergence, which leads to local optimization, and it is difficult to meet the requirements of urban logistics and modern supply chain for efficiency, robustness and sustainability. Purpose. To solve this problem, this paper is based on the artificial intelligence optimization algorithm, according to the actual problems existing in the urban logistics system, this paper aims to solve the common problems of premature convergence and poor solution quality in complex urban logistics networks. Method. An ant colony genetic fusion algorithm based on elite ant mechanism was proposed. The optimal path information was retained by elite ant strategy, and more unknown paths were expanded by crossover and mutation operation of genetic algorithm. The superiority of the algorithm was verified by setting control experiments. Results. ant colony genetic fusion algorithm with elite ant mechanism provides the best distance, which is better than pure ant colony algorithm and simulated annealing algorithm without elite ant mechanism. Conclusions. the algorithm effectively solves the premature convergence problem, significantly improves the path optimization, and can plan a more accurate, efficient and robust distribution path for urban logistics. The improvement of urban logistics efficiency can promote industrial upgrading and the decline of the total logistics cost of the whole society, and promote consumption growth and technological innovation. The algorithm designed in this paper can effectively promote the digital transformation and economic innovation of enterprises in the supply chain.

Являясь «артерией» современной городской экономики, повышение эффективности городской логистики имеет большое значение для устойчивого развития социальной экономики. Однако традиционный алгоритм планирования маршрутов часто страдает проблемой преждевременной конвергенции, что приводит к локальной оптимизации, и ему сложно удовлетворить требования городской логистики и современной цепочки поставок в отношении эффективности, надежности и устойчивости. Цель. Для решения этой проблемы в данной статье на основе алгоритма оптимизации искусственного интеллекта, с учетом реальных проблем, существующих в городской логистической системе, ставится цель решить общие проблемы преждевременной конвергенции и низкого качества решений в сложных городских логистических сетях. Метод. Был предложен алгоритм генетического слияния муравьиной колонии, основанный на механизме элитных муравьев. Информация об оптимальном пути сохранялась благодаря стратегии элитных муравьев, а больше неизвестных путей расширялось за счет операций кроссинговера и мутации генетического алгоритма. Превосходство алгоритма было подтверждено путем проведения контрольных экспериментов. Результаты. Алгоритм генетического слияния муравьиной колонии с механизмом элитных муравьев обеспечивает наилучшее расстояние, которое лучше, чем у чистого алгоритма муравьиной колонии и алгоритма имитации отжига. Выводы. Алгоритм эффективно решает проблему преждевременной конвергенции, значительно улучшает оптимизацию маршрута и позволяет планировать более точный, эффективный и надежный маршрут распределения для городской логистики. Повышение эффективности городской логистики может способствовать модернизации промышленности и снижению общих логистических затрат всего общества, а также стимулировать рост потребления и технологические инновации. Алгоритм, разработанный в данной статье, может эффективно способствовать цифровой трансформации и экономическим инновациям предприятий в цепочке поставок.