物流專業(yè)畢業(yè)設(shè)計樣本(編輯修改稿)
2025-07-26 17:53 本頁面
【文章內(nèi)容簡介】 （8）上述模型中，（1）式為目標(biāo)函數(shù)；（2）式保證每條路徑上各需求點的需求量之和不超過汽車的載重量；（3）式保證每條配送路徑的長度不超過汽車一次配送的最大行駛距離；（4）式表明每條路徑上的需求點數(shù)不超過總需求點數(shù)；（5）式表明每個需求點都得到配送服務(wù)；（6）式表示每條路徑的需求點的組成；（7）式限制每個需求點僅能由一輛汽車送貨；（8）式表示當(dāng)?shù)趉輛汽車服務(wù)的客戶數(shù)≥1時，說明該輛汽車參加了配送，則取sign(nk)=1，當(dāng)?shù)趉輛汽車服務(wù)的客戶數(shù)1時，表示未使用該輛汽車，因此取sign(nk)=0。三、物流配送路徑優(yōu)化問題的遺傳算法四號黑體加粗字（一）遺傳算法的基本要素小四號宋體加粗字 遺傳算法是一種“生成+檢測”的迭代搜索算法。該算法以群體中的所有個體為操作對象，每個個體對應(yīng)研究問題的一個解。選擇、交叉和變異是遺傳算法的三個主要操作算子。該算法包括以下6個基本要素： 編碼。由于遺傳算法不能直接處理解空間的數(shù)據(jù)，因此，必須通過編碼將它們表示成遺傳空間的基因型串結(jié)構(gòu)數(shù)據(jù)。 初始群體生成。由于遺傳算法是一種群體型搜索方法，所以必須為遺傳操作準(zhǔn)備一個由若干個體組成的初始群體，每個個體都應(yīng)通過隨機(jī)方法產(chǎn)生，并分別對應(yīng)研究問題的一個解。 適應(yīng)度評估。遺傳算法在搜索過程中一般不需要其他外部信息，僅用適應(yīng)度來評估個體的優(yōu)劣，并以其作為遺傳操作的依據(jù)。 選擇。選擇操作是為了從當(dāng)前群體中選出優(yōu)良的個體，使它們有機(jī)會作為父代為下一代繁殖子孫，個體的適應(yīng)度越高，其被選擇的機(jī)會就越大。 交叉。它是遺傳算法中最主要的操作，一般分兩步進(jìn)行，一是對群體中的個體進(jìn)行隨機(jī)配對；二是在配對個體中，隨機(jī)設(shè)定交叉處，使配對個體彼此交換部分信息。 變異。即按一定的概率改變個體的基因鏈。變異操作同樣是隨機(jī)進(jìn)行的，其目的是挖掘群體中個體的多樣性，克服遺傳操作可能限于局部解的弊端。（二）物流配送路徑優(yōu)化問題的遺傳算法的構(gòu)造小四號宋體加粗字 針對物流配送路徑優(yōu)化問題的特點，作者構(gòu)造了求解該問題的遺傳算法。 編碼方法的確定。根據(jù)物流配送路徑優(yōu)化問題的特點，作者采用了簡單直觀的自然數(shù)編碼方法，用0表示配送中心，用、L表示各需求點。由于在配送中心有K輛汽車，則最多存在K條配送路徑，每條配送路徑都始于配送中心，也終于配送中心，為了在編碼中反映車輛配送的路徑，作者巧妙地采用了增加K1個虛擬配送中心的方法，分別用L+L+、L+K1表示。這樣，、L+K1這L+K1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。例如，對于一個有7個需求點，用3輛汽車完成配送任務(wù)的問題，則可用、9（9表示配送中心）這9個自然數(shù)的隨機(jī)排列，表示物流配送路徑方案。如個體129638547表示的的配送路徑方案為：路徑1：0129（0），路徑2：9（0）638（0），路徑3：8（0）5470，共有3條配送路徑；個體573894216表示的配送路徑方案為：路徑1：05738（0），路徑2：9（0）42160，共有2條配送路徑。 初始群體的確定。隨機(jī)產(chǎn)生一種1~L+K1這L+K1個互不重復(fù)的自然數(shù)的排列，即形成一個個體。設(shè)群體規(guī)模為N，則通過隨機(jī)產(chǎn)生N個這樣的個體，即形成初始群
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1