Real-time path optimization in green logistics using the honey bee algorithm

doi:10.1016/j.trip.2026.102239

Real-time path optimization in green logistics using the honey bee algorithm

2026-09-03

0

OA

AI

DOI：10.1016/j.trip.2026.102239

原文链接

原文求助

摘要

En 中文

本研究开发了一种基于蜂群算法（HBA）的实时多目标路径优化框架，用于绿色物流，以解决传统路径规划方法在动态交通和环境条件下的局限性。该框架同时优化燃油消耗、碳排放和配送时间，从而将运营效率与环境可持续性相结合。采用基于仿真的实验设计，在受控物流场景下将HBA与三种成熟元启发式算法——遗传算法（GA）、粒子群优化（PSO）和蚁群优化（ACO）——进行比较。结果表明，HBA持续优于基准算法，将燃油消耗降低约20%，碳排放降低约25%，同时实现高达95%的准时配送性能。这些结果表明，HBA的自适应探索-开发机制使其能够在动态和不确定的交通条件下实现更有效的路径选择。研究进一步证明，将环境目标直接纳入路径决策中，可以在不增加不切实际的计算需求的情况下，同时提高运营效率和环境可持续性表现。因此，该框架为物流公司提供了一种可扩展的决策支持方法，特别是在交通状况和配送要求动态变化的城区和最后一公里配送环境中。总体而言，本研究为生物启发式优化在可持续物流中的有效性提供了实证证据，并展示了实时多目标路径规划在支持运输效率和环境表现同步改进方面的潜力。

Keyword:

Green logistics

Path optimization

Honey bee algorithm

Real-time routing

Sustainable transportation

Metaheuristic optimizations

Real-time path optimization in green logistics using the honey bee algorithm

摘要

期刊

机构

引用论文