【正文】 終于做完了有種如釋重負的感覺。雖然這個設計做的也不太好，但是在設計過程中所學到的東西是這次畢業(yè)設計的最大收獲和財富，使我終身受益。在這次畢業(yè)設計中也使我們的同學關系更進一步了，同學之間互相幫助，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。所構造的物流配送路徑優(yōu)化的遺傳算法，包括設計個體編碼方法、個體適應度值的計算方法以及選擇、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行變異，產生新的個體染色體、作為交叉運算的補充，變異操作可增加車輛分配方案的多樣性，克服求解可能出現的早熟和陷入局部最優(yōu)解的現象。淘汰不符合約束條件的解，調整次序重新搜索，直到找到較佳的可行解為止。個體適配值為式中，所以，目標函數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目；交叉概率，變異概率 等參數。 步驟Step1：t=0，利用自然數編碼方式，采用前相插入啟發(fā)式算法和隨機的方式產生初始種群，并輸入控制參數；Step2：計算個體適應度；Step3：t maxt，t=t+1，則轉Step4；否則停止計算，并輸出結果；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：對個體進行CX 交叉重組；Step6：按照變異方法對個體進行變異；Step7：重復步驟26；6算法的建立和求解車輛優(yōu)化調度問題由車輛分配和路線安排這兩個相互關聯的子問題組成，但關鍵是確定優(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]范圍內的隨機數，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 個互不重復的自然數的隨機排列就構成一個個體，并對應一種配送路徑方案?？蛻舻姆毡仨氃谙鄳臅r間窗內開始，車輛必須在客戶點停留的時間長度為si。 遺傳算法流程圖圖2 遺傳算法流程圖5 模型建立求解及實例應用根據上述對問題的描述，可以采用混合整數規(guī)劃方法對車輛調度進行建模設N為最小成本，則目標函數為滿足約束條件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服務的客戶的集合； 為車輛到達客戶i的時間；為懲罰函數，車輛在時間 到達客戶i時所對應的懲罰成本；為車輛從客戶i到客戶j的所有運輸成本；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。當時，其主要目的是說明自然和人工系統(tǒng)的自適應過程。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）來建立車隊配送路線。 求解方法演進 綜合過去有關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、神經網絡、螞蟻殖民算法等。車輛從場站出發(fā)對客戶進行配送服務最后返回場站，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)綜合應用了面向對象分析與設計、多線程、UML等先進的軟件開發(fā)方法與技術,設計并開發(fā)了VRP仿真實驗室,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。 (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。針對隨機系統(tǒng)的特點,設計了候選解收集器,它能夠收集在仿真優(yōu)化過程中產生的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了很大的比例。研究車輛路徑問題的特點及算法具有重要的實際意義。 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、適用性進行了分析,在此基礎上提出了采用掃描法和遺傳算法相結合的啟發(fā)式算法來求解物流配送車輛優(yōu)化調度問題的思想?；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”受到國內各行業(yè)的極大重視并得到較大的發(fā)展。論文首先對現有車輛優(yōu)化調度問題歸類分析。 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