1. 研究目的与意义（文献综述）
随着电子商务的蓬勃发展，物流仓储配送服务已然成为中国电子商务最为核心的行业环节，能够提供一个全面完善的物流仓储配送解决方案也成为了很多中小卖家、电子商务供应商品牌商必须关注的问题。而仓储物流配送供应链服务商自主研发的物流仓储配送全网系统就成为了电子商务的新宠，其中为重要的是能够为不同的企业卖家提供不同的仓储物流配送解决方案，提供低成本的物流配送模式，也可以提供最快速的物流配送方案。
为达到这一目的，配送线路是整个配送网络优化的关键环节。合理确定配送路线就是用最少的动力，走最短的里程，花最少的费用，以最快的速度把货物运至用户手中。合理规划配送路线对配送成本的影响要比一般运输大得多，所以必须在全面计划的基础上，制定高效的运输路线，选择合理的运输方式和运输工具。在配送时为了使配送订单最大化、满载率最大化并提高运输效率。
二、相关研究现状
车辆路径问题（vrp），于1959年第一次被george dantzig和john ramser正式提出用来解决汽油运输的问题。1964年,clarke和wright使用了一种有效的贪心算法——节约算法改进了dantzig所提出的解决方案。在随后的研究中研究人员又相继提出了禁忌搜素算法、遗传算法、蚁群算法、模拟退火算法以及启发算法等对问题进行求解。
2. 研究的基本内容与方案
一、研究内容及研究目标
通过蚁群算法进行模型构建，设计、开发基于最优路径的配送路线系统，最终可通过设置配送点坐标或距离，各配送点业务量，车辆装载等参数，程序能自动计算出最优路线顺序。系统能够根据配送点和业务需求量，进行最优路线的计算。由单一起点出发，配送多个终点后再回到起点，根据车辆数量，承载限制，不同车辆服务成本、运行里程限制等条件选择最优运输路径，使成本最小化，配送订单最大化，满载率最大化（如由一个配送中心向各个销售点配送货物，通过算法确定配送中心每辆车的配送方案，包括配送至哪个客户，配送量，下一个配送目的地）。
二、拟采用的技术方案
本系统设计时所依据的算法为改进的蚁群算法，基本蚁群算法包括启发因子的构建、状态转移规则和信息素的更新等重要组成部分。本文针对基本蚁群算法收敛时间长、易陷入局部最优的缺点，做出了如下改进:在启发因子中加入了需求量因素，状态转移规则采用随机比例搜索和确定型搜索相结合的方法，信息素更新策略采用目标权重影响规则（总成本、订单配送量、车辆满载率），既加快了算法求解速度，又提高了目标准确度。
这次系统开发的前端部分准备使用react框架来进行设计，在电脑上配置好node.js环境后，使用npm包管理工具安装create-react-app工具，利用它建一个react项目，搭建好前端开发环境；后台部分是利用koa2 mysql sequelize来搭建的，其中sequelize用来管理数据库。开启mysql服务后，sequelize连接数据库，初始化sequlize实例，创建实例模型并创建后台目录。前后端环境全部搭建好后，根据算法设计所需来实现系统功能。
3. 研究计划与安排
1. 2020/01/13——2020/02/28：确定选题，查阅文献，完成外文翻译工作并撰写开题报告。
2. 2020/03/01——2020/03/02：继续查阅文献，确定改进的算法确实可行
3. 2020/03/03——2020/03/10：熟悉node.js环境，继续学习react框架、koa框架，完成项目的搭建工作
4. 参考文献（12篇以上）
[1]王珊,萨师煊.数据库系统概论(第4版).高等教育出版社,2007.02
[2]高济.人工智能基础(第2版).高等教育出版社,2008.12.
[3](美)thomas h. cormen(著).潘金贵(译).算法导论[m].机械工业出版社, 2011.11
