随着社会的发展,物流行业的重要性逐渐显现出来。配送是物流活动中直接与消费者相连的环节,如何安排配送路线问题已经成为降低成本、增加效益的重要研究课题。本课题的背景环境是基于GIS的智能调度系统的开发。 路径优化是物流配送中智能调度系统的核心问题,其中最典型的问题模型就是旅行商问题即TSP问题。处理TSP问题有很多算法,其中的模拟退火算法及Hopfield神经网络算法存在着收敛速度慢、易陷入局部最优等一些缺陷,使得系统解决路径优化问题不令人满意。为了克服这些缺陷,本文提出了混合神经网络算法,此算法通过结合Hopfield神经网络与模拟退火算法各自的优点来克服彼此的不足,将模拟退火中以一定概率接收较差解的机制应用到Hopfield神经网络算法中,以克服陷入局部最优的缺陷。同时又对传统的Hopfield网络和模拟退火算法进行了改进,最终得到了一种快速、高效、收敛的启发式算法。 本文提出的算法在实际系统中得以应用,运行结果表明能够降低车辆的运输成本、提高企业的经济效益,具有很高的实用价值。