【正文】 } catch (FileNotFoundException ex) { (()).log(, null, ex)。 aco=new ACO()。 import 。j++){ tao[ants[i].tour[j]][ants[i].tour[j+1]]+=[i].tourlength。 //信息素更新 for(int i=0。icitycount。iantcount。jcitycount+1。 } //計算螞蟻獲得的路徑長度 ants[i].CalTourLength(distance)。iantcount。 ants[i].RandomSelectCity(citycount)。 besttour=new int[citycount+1]。i++) { for(int j=0。 } } distance[citycount 1][citycount 1] = 0。 for (int city2 = city1 + 1。 y[citys] = (strcol[2])。 citys citycount。 distance = new int[citycount][citycount]。 String strbuff。//求的最優(yōu)解的長度 /** 初始化函數(shù) *param filename tsp數(shù)據(jù)文件 *param antnum 系統(tǒng)用到螞蟻的數(shù)量 *throws 如果文件不存在則拋出異常 */ public void init(String filename,int antnum) throws FileNotFoundException, IOException{ antcount=antnum。//表示城市間距離 double [][]tao。import .*。jcitycount。j++) tao[i][j]=tao[i][j]*(1rou)。 //信息素?fù)]發(fā) for(int i=0。 //重新隨機(jī)設(shè)置螞蟻 for(int i=0。 for(int j=0。j++){ ants[i].SelectNextCity(j,tao,distance)。runtimes++){ //每一只螞蟻移動的過程 for(int i=0。i++){ ants[i]=new ant()。 } } bestlength=。icitycount。 distance[city2][city1] = distance[city1][city2]。 city1++) { distance[city1][city1] = 0。 x[citys] = (strcol[1])。 for (int citys = 0。 citycount = (strbuff)。 int[] y。//求解的最佳路徑 int bestlength。//螞蟻的數(shù)量 int [][]distance。 } }} [java] view plaincopyprint?package tspsolver。 tour[citys]=tour[0]。 } } if (selectcity==1) ()。icitys。 double selectp=()。i++){ if(unvisitedcity[i]==0) p[i]=。icitys。 double beta=。 tour[0]=firstcity。 } long r1 = ()。 for(int i=0。/** * 隨機(jī)分配螞蟻到某個城市中 * 同時完成螞蟻包含字段的初始化工作 * param citycount 總的城市數(shù)量 */ public void RandomSelectCity(int citycount){ citys=citycount。/** *螞蟻類 * author FashionXu */public class ant { /** * 螞蟻獲得的路徑 */ public int[]tour。icitys。 unvisitedcity[selectcity]=0。 if(sumselect=selectp){ selectcity=i。 int selectcity=1。 } } long r1 = ()。 } //計算每個城市被選中的概率 for(int i=0。 int currentcity=tour[index1]。 p=new double[citys]。 int firstcity=(citycount)。i++){ tour[i]=1。 tour=new int[citycount+1]。 /** * 螞蟻獲得的路徑長度 */ public int tourlength。附 錄基于JAVA語言環(huán)境下的蟻群算法代碼： package tspsolver。參考文獻(xiàn)1) [J]. 物流技術(shù),2010(7):172 173.2) [J].計算機(jī)技術(shù)與發(fā)展,2008(10):62 64.3) 馬健,物聯(lián)網(wǎng)技術(shù)概論[M].北京：機(jī)械工業(yè)出版社，2011年.4) 田景熙物聯(lián)網(wǎng)概論[M].南京:東南大學(xué)出版社,2010年.5) Luigi Atzori, Antonio Iera, Giao Morabito. The internet of Things: A survey[J],Computer Networks,2010,(54):2 7872 805.6) [J].科技信息,2010,（20）：410.7) M. Dorigo, V. Maniezzo and A. Colorni, Positive Feedback as a Search Strategy. Technical Report No. 91016, Politeico di Milano, Italy, 1991. Later published as Optimization by a colony of cooperating agents, IEEE Transactions on Systems, Man, and CyberneticsPart B, 26(1):2941,1996年.8) Dorigo, Stutzle M. T.,：清華大學(xué)出版社,2007年.致 謝在本次論文的設(shè)計過程中，首先要感謝學(xué)院對本論文的支持，其次感謝丁知平教授在論文設(shè)計初的選題和論文設(shè)計中本人所犯錯誤的指正等各個方面的大力幫助，感謝他在論文定稿時期對論文格式整理等方面提出的諸多建議，內(nèi)心感激之至。采用智慧物流系統(tǒng)以后，物流服務(wù)可以向上延伸到電子商務(wù)、市場調(diào)查、行業(yè)預(yù)測等方面；向下可以延伸到物流咨詢、物流方案規(guī)劃、庫存控制決策、貨款回收與結(jié)算、教育與培訓(xùn)、物流系統(tǒng)設(shè)計等等。3） M2M技術(shù)及管理平臺M2M（Machine to Machine）是指通過在機(jī)器內(nèi)部嵌入無限通信模塊（M2M模組），以無線通信等通信方式為主要接入手段，實現(xiàn)機(jī)器之間智能化、交互式的通信，為客戶提供綜合的信息化解決方案。存儲單元電源模塊執(zhí)行器傳感器通信單元處理單元 傳感器節(jié)點結(jié)構(gòu)圖傳感器網(wǎng)絡(luò)在智慧物流中扮演著十分重要的角色?；?RFID 的智能物流管理系統(tǒng)可以實現(xiàn)以下功能：系統(tǒng)管理、出庫管理、入庫管理、訂單管理、發(fā)貨計劃、配送運輸、智能配送、報表管理、異常物流、查詢、數(shù)據(jù)維護(hù)、幫助等功能.2）傳感器技術(shù)及傳感器網(wǎng)絡(luò)物聯(lián)網(wǎng)最重要的特點之一就是感知現(xiàn)實的物理世界，傳感器是實現(xiàn)該特點的眾多技術(shù)中最重要的支撐技術(shù)，它決定了原始信息的真實性和準(zhǔn)確性。與現(xiàn)在普遍使用的條碼技術(shù)相比，RFID具有讀寫距離長、保密性強、存儲數(shù)據(jù)量大、使用惡劣環(huán)境、使用壽命長等優(yōu)點。1） 射頻識別（RFID）技術(shù)射頻識別（Radio Frequency Identification,RFID）技術(shù)是一種利用無線射頻方式隱性通信的自動識別技術(shù)。”粒度計算是模仿人類思考問題的方式，用來處理不完全、不可靠、不精確、不一致和不確定的知識。粒度就是取不同大小的對象。它充分利用了生物蟻群能通過個體間簡單的信息傳遞，搜索從蟻巢至食物間最短路徑的集體尋優(yōu)特征，以及該過程與旅行商問題求解之間的相似性。 它是Marco Dorigo于1992年在他的博士論文中提出，其靈感來源于螞蟻在尋找食物過程中發(fā)現(xiàn)路徑的行為。其主要特點是直接對結(jié)構(gòu)對象進(jìn)行操作，不存在求導(dǎo)和函數(shù)連續(xù)性的限定；具有內(nèi)在的隱并行性和更好的全局尋優(yōu)能力；采用概率化的尋優(yōu)方法，能自動獲取和指導(dǎo)優(yōu)化的搜索空間，自適應(yīng)地調(diào)整搜索方向，不需要確定的規(guī)則。由于啟發(fā)式算法的提出就是根據(jù)經(jīng)驗提出，缺乏統(tǒng)一、完整的理論體系，得到的解只是近似最優(yōu)解，近似到什么程度，只有根據(jù)具體問題才能給出。因此，智能物流系統(tǒng)需要綜合運用現(xiàn)代物流技術(shù)、信息技術(shù)、自動化技術(shù)、系統(tǒng)集成技術(shù)以及人工智能技術(shù)，以集成和優(yōu)化為手段，將物流信息、物流活動、物流制品、物流資源以及物流規(guī)范有機(jī)集成并優(yōu)化運行，在具體如何進(jìn)行物流系統(tǒng)的調(diào)度優(yōu)化方面，很多專家都提出了很多不同的數(shù)學(xué)方法，如啟發(fā)式算法、遺傳算法、螞蟻算法、粒度計算等。制造企業(yè)物流配送過程中的每個節(jié)點，都要依賴于其他節(jié)點物流狀態(tài)情況實時應(yīng)變。通過物聯(lián)網(wǎng)技術(shù)將供應(yīng)鏈上下游所有企業(yè)銜接起來，形成端到端的智能供應(yīng)鏈物流配送服務(wù)流程，從而能夠依據(jù)物流配送實時狀態(tài)實現(xiàn)有效的配送。而企業(yè)之間的核心聯(lián)系紐帶就是物品，以物品狀態(tài)信息作為流動主體的物聯(lián)網(wǎng)