【正文】 終于做完了有種如釋重負(fù)的感覺。雖然這個設(shè)計(jì)做的也不太好，但是在設(shè)計(jì)過程中所學(xué)到的東西是這次畢業(yè)設(shè)計(jì)的最大收獲和財(cái)富，使我終身受益。在這次畢業(yè)設(shè)計(jì)中也使我們的同學(xué)關(guān)系更進(jìn)一步了，同學(xué)之間互相幫助，有什么不懂的大家在一起商量，聽聽不同的看法對我們更好的理解知識，所以在這里非常感謝幫助我的同學(xué)。所構(gòu)造的物流配送路徑優(yōu)化的遺傳算法，包括設(shè)計(jì)個體編碼方法、個體適應(yīng)度值的計(jì)算方法以及選擇、交叉和變異算子，對解決類似的組合優(yōu)化問題具有一定的參考價(jià)值。用上述的帶時間窗的遺傳算法，對一個有8 個客戶和1個配送中心，兩輛車（容量均為8 噸）的配送系統(tǒng)的車輛路徑問題進(jìn)行求解。變異操作mutation（）以概率對染色體群中的某些染色體的某些位進(jìn)行變異，產(chǎn)生新的個體染色體、作為交叉運(yùn)算的補(bǔ)充，變異操作可增加車輛分配方案的多樣性，克服求解可能出現(xiàn)的早熟和陷入局部最優(yōu)解的現(xiàn)象。淘汰不符合約束條件的解，調(diào)整次序重新搜索，直到找到較佳的可行解為止。個體適配值為式中，所以，目標(biāo)函數(shù)生成初始染色體種群初始化遺傳世代；每一代的染色體群的種群數(shù)目；交叉概率，變異概率 等參數(shù)。 步驟Step1：t=0，利用自然數(shù)編碼方式，采用前相插入啟發(fā)式算法和隨機(jī)的方式產(chǎn)生初始種群，并輸入控制參數(shù)；Step2：計(jì)算個體適應(yīng)度；Step3：t maxt，t=t+1，則轉(zhuǎn)Step4；否則停止計(jì)算，并輸出結(jié)果；Step4：采用基于個體濃度的群體多樣性保持策略來選擇個體；Step5：對個體進(jìn)行CX 交叉重組；Step6：按照變異方法對個體進(jìn)行變異；Step7：重復(fù)步驟26；6算法的建立和求解車輛優(yōu)化調(diào)度問題由車輛分配和路線安排這兩個相互關(guān)聯(lián)的子問題組成，但關(guān)鍵是確定優(yōu)化的車輛分配方案（即求解變量）。A=2 9 5 4|3 5 6 2 9 8 4 7 139。生成一個[0,1]范圍內(nèi)的隨機(jī)數(shù)，看它落在哪個區(qū)域，則選擇該個體。這樣，l、…、L＋m－l 這L＋m－l 個互不重復(fù)的自然數(shù)的隨機(jī)排列就構(gòu)成一個個體，并對應(yīng)一種配送路徑方案?？蛻舻姆?wù)必須在相應(yīng)的時間窗內(nèi)開始，車輛必須在客戶點(diǎn)停留的時間長度為si。 遺傳算法流程圖圖2 遺傳算法流程圖5 模型建立求解及實(shí)例應(yīng)用根據(jù)上述對問題的描述，可以采用混合整數(shù)規(guī)劃方法對車輛調(diào)度進(jìn)行建模設(shè)N為最小成本，則目標(biāo)函數(shù)為滿足約束條件1：式中：K為所有車輛的集合， ；G為所有客戶的集合， ， ，其中{0}代表配送中心； 為由車輛k服務(wù)的客戶的集合； 為車輛到達(dá)客戶i的時間；為懲罰函數(shù)，車輛在時間 到達(dá)客戶i時所對應(yīng)的懲罰成本；為車輛從客戶i到客戶j的所有運(yùn)輸成本；為車輛從客戶i到客戶j的行車時間；為客戶i的需求量；Q為車輛k的最大裝載量；為車輛在客戶i處的停留的時間。 遺傳算法是具有“生成+檢測”(generateandtest)的迭代過程的搜索算法。當(dāng)時，其主要目的是說明自然和人工系統(tǒng)的自適應(yīng)過程。遺傳算法具有求解組合優(yōu)化問題的良好特性，Holland首先采用遺傳算法（GA）編碼解決VRPTW 問題。1960年，Clarke和Wrigh首先提出一種啟發(fā)式節(jié)省法（savings methods）來建立車隊(duì)配送路線。 求解方法演進(jìn) 綜合過去有關(guān)車輛路線問題的求解方法，可以分為精確算法（exact algorithm）與啟發(fā)式解法（heuristics），其中精密算法有分支界限法、分支切割法、集合涵蓋法等；啟發(fā)式解法有節(jié)約法、模擬退火法、確定性退火法、禁忌搜尋法、基因算法、神經(jīng)網(wǎng)絡(luò)、螞蟻殖民算法等。車輛從場站出發(fā)對客戶進(jìn)行配送服務(wù)最后返回場站，要求所有顧客都被配送，每位顧客一次配送完成，且不能違反車輛容量的限制，目的是所有車輛路線的總距離最小。 (6)綜合應(yīng)用了面向?qū)ο蠓治雠c設(shè)計(jì)、多線程、UML等先進(jìn)的軟件開發(fā)方法與技術(shù),設(shè)計(jì)并開發(fā)了VRP仿真實(shí)驗(yàn)室,這是一個用于研究車輛路徑問題的軟件包,具有使用簡便、界面美觀的特點(diǎn)。 (4)對于帶能力約束的車輛路徑問題(CVRP),提出了一種新的雙層染色體編碼方案和一種子路徑交換算法。針對隨機(jī)系統(tǒng)的特點(diǎn),設(shè)計(jì)了候選解收集器,它能夠收集在仿真優(yōu)化過程中產(chǎn)生的Pareto解。 庫存成本與配送成本是物流系統(tǒng)的核心成本,在物流總成本中占據(jù)了很大的比例。研究車輛路徑問題的特點(diǎn)及算法具有重要的實(shí)際意義。 sweep method。然后對車輛路徑問題的傳統(tǒng)求解算法的基本思想、性能、適用性進(jìn)行了分析,在此基礎(chǔ)上提出了采用掃描法和遺傳算法相結(jié)合的啟發(fā)式算法來求解物流配送車輛優(yōu)化調(diào)度問題的思想?；谶z傳算法的車輛路徑問題研究中文摘要：近些年,物流作為“第三利潤源泉”受到國內(nèi)各行業(yè)的極大重視并得到較大的發(fā)展。論文首先對現(xiàn)有車輛優(yōu)化調(diào)度問題歸類分析。 遺傳算法Abstract:Recent years, logistics, taken as the third profit resource, has been developing rapidly. The object of logistics is to satisfy the requirements of consumers with least cost. As an especial and integrated activity of logistics, physical distribution plays an important role in modern society. Vehicle Routing Problem (VRP) is the main part of the distribution system optimizing. It is benefits to make economic paper mainly studied a type of vehicle routing problem with single depot, nonfull load and without time windows and a dynamic vehicle routing problem. The restrictions and math models of vehicle routing problem is analyzed. This paper also pared and analyzed the basic ideas, capabilities and applicability of tradition method heuristics of VRP. Based on this, this paper put forward an improved genetic algorithm for vehicle routing problem, through changing its select operation and neighborhood structure operation, an adaptive genetic algorithm was presented for solving this problem. Computational results based on C language