多物流配送中心路徑優(yōu)化問題及其遺傳算法(已修改)
2025-04-06 00:20 本頁(yè)面
【正文】 多物流配送中心路徑優(yōu)化問題及其遺傳算法廖成林 柳茂森（重慶大學(xué)經(jīng)濟(jì)與工商管理學(xué)院，重慶，400030）摘 要：論文建立了多物流配送中心路徑優(yōu)化問題的數(shù)學(xué)模型，并針對(duì)該問題的特點(diǎn)構(gòu)造出求解該問題的遺傳算法，把多物流配送中心路徑優(yōu)化問題綜合起來用一個(gè)數(shù)學(xué)模型求解。本文提出了無(wú)效基因的概念，從而不局限于使得個(gè)體中每個(gè)基因都必須表達(dá)出來，因此增強(qiáng)了編碼的靈活性。仿真實(shí)驗(yàn)證明了該方法的有效性和可操作性。關(guān)鍵詞：無(wú)效基因 遺傳算法 物流配送1 引言物流配送是物流管理中一個(gè)極其重要的環(huán)節(jié)，它是指按用戶的訂貨要求,在配送中心進(jìn)行分貨、配貨,并將配好的貨物及時(shí)送交收貨人的活動(dòng)。物流配送主要研究車輛調(diào)度及路徑安排問題。近年來，國(guó)內(nèi)外學(xué)者對(duì)物流配送問題進(jìn)行了大量的研究，這些研究主要集中在單物流配送中心的車輛調(diào)度及路徑安排方面。由于配送路徑優(yōu)化問題是一個(gè)NP 難題，因此，研究者大都使用啟發(fā)式算法和智能算法或者是在智能算法優(yōu)化過程中加入優(yōu)化策略以構(gòu)造混合智能算法來求解物流配送問題。但是，目前國(guó)內(nèi)外對(duì)多個(gè)物流配送中心的物流配送問題的研究成果很少，而且現(xiàn)有研究成果大都是把多個(gè)配送中心問題通過任務(wù)分派轉(zhuǎn)化為單物流配送中心問題來研究[1~3]，使用這種方法把需求點(diǎn)預(yù)先劃分給各個(gè)配送中心，在求解過程中再作適當(dāng)?shù)恼{(diào)整，這種方法其實(shí)只是單物流配送中心優(yōu)化的簡(jiǎn)單組合，通常只能求得近似最優(yōu)配送方案。魏百鑫等[4 ]針對(duì)整車配送需求點(diǎn)分散特征,解決了多倉(cāng)庫(kù)的整車配送問題，但并不是一個(gè)通用的解決多物流中心配送問題的方法。由于遺傳算法具有良好的全局尋優(yōu)性能，并且對(duì)不要求搜索空間具是連續(xù)的，這正符合該問題的特點(diǎn)和要求。因此本文亦采用遺傳算法求解。本文基于整體路徑最優(yōu)由多個(gè)物流配送中心同時(shí)服務(wù)多個(gè)需求點(diǎn)建立一個(gè)通用的多物流配送中心的配送模型，并給出求解算法。單物流配送中心路徑優(yōu)化問題可以事先確定需要派出的車次，但是多物流配送中心路徑優(yōu)化問題中，每個(gè)配送中心需要派出多少車次是不確定的，因此，無(wú)法用常規(guī)的方法確定染色體的長(zhǎng)度。為解決基因編碼的問題，本文提出了無(wú)效基因的概念。所謂無(wú)效基因就是在一次基因表達(dá)的過程中不作表達(dá)的基因。但是，在交叉過程中無(wú)效基因處可以被選為交叉點(diǎn)，交叉后無(wú)效基因可能轉(zhuǎn)化為有效基因。因此，有些基因時(shí)而是有效基因時(shí)而是無(wú)效基因，因而無(wú)效基因在不清楚有些基因是否表達(dá)較好的時(shí)候起到緩沖作用。2 模型的建立多物流配送路徑優(yōu)化問題可描述為：從多個(gè)配送中心用多輛配送車向多個(gè)需求點(diǎn)送貨，每個(gè)需求點(diǎn)的位置和需求量一定，要求安排合理的配送路線，使得目標(biāo)函數(shù)最優(yōu)或接近最優(yōu)。為了研究的方便且具有實(shí)際意義，做以下假設(shè)：(1) 每條配送路徑上各需求點(diǎn)的需求量之和不超過配送車的載重量；(2) 每個(gè)需求點(diǎn)都必須滿足，且只能由一輛配送車送貨。本文的各種符號(hào)及其含義做如下說明：M配送中心的個(gè)數(shù)i配送中心的下標(biāo)j配送車輛的下標(biāo)k需求點(diǎn)的下標(biāo)N需求點(diǎn)的個(gè)數(shù)Li
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號(hào)-1