【正文】 ，實(shí)際中的送貨量、行駛時間等在很多情況下是不確定的，這些參數(shù)帶有隨機(jī)性。通過對現(xiàn)有的鄭明物流的實(shí)例的計(jì)算分析，表明退火遺傳算法在物流配送路徑方面無論是尋優(yōu)結(jié)果上還是計(jì)算效率上都有很好的效果。本文通過對物流配送數(shù)學(xué)模型的描述，使相應(yīng)的決策分析更科學(xué)、更準(zhǔn)確，在現(xiàn)實(shí)性方面，通過對比現(xiàn)有的實(shí)例，檢驗(yàn)?zāi)Ｐ偷目尚行耘c算法的優(yōu)越性。 是配送優(yōu)化示意圖 表57遺傳退火混合算法分析后得到的最優(yōu)路徑貨車路徑運(yùn)輸成本運(yùn)輸距離裝載量1 82 267 3 7合計(jì)22總成本 配送優(yōu)化示意圖 ，可以看出在物流配送過程中，規(guī)劃設(shè)置合理的配送路徑能夠有效的降低配送費(fèi)用成本、提高配送服務(wù)質(zhì)量；，結(jié)合遺傳退火混合算法對鄭明物流公司的該配送中心的配送路徑進(jìn)行優(yōu)化，得到最優(yōu)配送路徑； 3. 該實(shí)例證明遺傳退火算法是一種很好的全局和局部搜索方法，結(jié)合了退火算法和遺傳算法的優(yōu)點(diǎn)，又很好的彌補(bǔ)了各自的不足，可以方便有效的得到滿意的配送路徑方案。表55是配送中心與各需求點(diǎn)之間的距離。第三次迭代計(jì)算： 第三次迭代計(jì)算圖 A A 第三次迭代計(jì)算圖 B解得 X3= Y3= C3= 第三次迭代成本 C3 C2=，即選址位置為P（X=、Y=）。（5） 將CT(1)與CT(0)進(jìn)行比較，若CT(1) CT(0),則返回步驟3，將（Xd（1）Yd（1））代入公式中，計(jì)算出倉庫地址第二次改進(jìn)位置（Xd（2），Yd（2））。（2） 計(jì)算出與（Xd（0）,Yd（0））相應(yīng)的總運(yùn)輸費(fèi)用CT(0)。 基于重心法的鄭明物流公司的配送中心選址分析 圖51 重慶市永輝超市分布圖圖51 是重慶市永輝超市分布圖圖51 是重慶市永輝超市分布圖，結(jié)合重慶市永輝超市分布圖，采取橫坐標(biāo)以1公里為一個單位長度，縱坐標(biāo)采取1公里為一個單位，將重慶市永輝超市分布圖利用笛卡爾坐標(biāo)系進(jìn)行描述，并得到永輝超市的分布坐標(biāo)（A=圖中1，B=圖中2，C=圖中3，D=圖中4，E圖中5，F(xiàn)=圖中6，G=圖中7，H=圖中8，I=圖中9，J=圖中10，) 圖52 重慶永輝超市坐標(biāo)示意圖通過利用百度地圖進(jìn)行測距并依據(jù)坐標(biāo)系轉(zhuǎn)換得到重慶市永輝超市配送區(qū)域坐標(biāo)：表51 永輝超市坐標(biāo)ABCDEFGHIJX1814104951197Y0221713121025713 配送中心的選址必須以各個配送需求點(diǎn)的配送需求為基礎(chǔ)來進(jìn)行，因此我們以2017年為目標(biāo)年，通過對永輝超市的調(diào)研與相關(guān)人士的咨詢得到永輝超市的歷年生鮮貨品配送需求量數(shù)據(jù)如下表所示：表52 永輝超市歷年生鮮需求量單位（噸超市代號）年份ABCDEFGHIJ20119651085113212651354183214501258132122302012104511681256138714561956161213251562237920131189124513981498167920981788149716802550201412541398146215861732221018651543173026972015137815451545168318402341198716851865282620161498168316351786198524652031179819472975我們以目標(biāo)年2017年，采用時間序列法通過excel進(jìn)行基于時間序列的擬合預(yù)測分析，得到2017年各超市生鮮貨品的需求量見表53表53 超市目標(biāo)年2017年冷鮮貨品需求量區(qū)域代碼ABCDEFGHIJ需求量（噸）1684178517681890208125942143186920643125我們令擬建配送中心坐標(biāo)為Po（x0,y0）配送客戶的坐標(biāo)為Pi（xi，yi）其中i=1，2,3, …n由于擬建配送中心向永輝超市配送物品種類基本相同，所以我們假設(shè)各個超市的配送費(fèi)率都為5元。目前，集團(tuán)投資總額逾10億元，現(xiàn)有員工15000名（其中安置下崗職工3000多名），擁有多種業(yè)態(tài)的連鎖超市150家，連鎖經(jīng)營面積超過四十萬平方米。遺傳算法（GA）和模擬退火算法（SA）是兩種解決物流配送路徑優(yōu)化問題的兩種算法，這兩種算法都有其各自的優(yōu)點(diǎn)和不足。并通過監(jiān)控每代進(jìn)化群體中最小目標(biāo)函數(shù)值的變化情況來判斷算法是否終止。變異操作使父代種群產(chǎn)生隨機(jī)的、無關(guān)聯(lián)的性狀，維持種群的多樣性。首先需要根據(jù)個體目標(biāo)函數(shù)值從大到小排列，適應(yīng)函數(shù)定義為： （411）其中，為排序后的第個個體。這個過程能保證種群多樣性。研究表明，混合算法在采用單一算法參數(shù)時，優(yōu)化性能和魯棒性均有大幅度提高，尤其對較大規(guī)模的復(fù)雜問題【5】。兩種算法結(jié)合，SA的兩準(zhǔn)則可控制算法收斂性以避免出現(xiàn)“早熟”收斂現(xiàn)象，并行化的抽樣過程可提高算法的優(yōu)化時間性能【6】。SA算法的狀態(tài)產(chǎn)生和接受操作每一時刻僅保留一個解，缺乏冗余和歷史搜索信息；而GA的復(fù)制操作能夠在下一代中保留種群中的優(yōu)良個體，交叉操作能夠使后代在一定程度上繼承父代的優(yōu)良模式，變異操作能夠加強(qiáng)種群中個體的多樣性。不同的是，SA 通過賦予搜索過程一種時變且最終趨于零的概率突跳性，從而可有效避免陷入局部極小并最終趨于全局最優(yōu)；GA 則通過概率意義下的基于“優(yōu)勝劣汰”思想的群體遺傳操作來實(shí)現(xiàn)優(yōu)化。雖然遺傳算法有較強(qiáng)的全局搜索性能，但它的爬山能力弱，在實(shí)際應(yīng)用中容易產(chǎn)生早熟收斂的問題，且在進(jìn)化后期搜索效率較低。為了加快算法的收斂速度，選擇適應(yīng)度函數(shù)值大的個體。其模擬過程大概分為以下幾個方面：（1）初始化設(shè)置：設(shè)置初始溫度、初始狀態(tài)，每個初始溫度迭代的次數(shù)；（2）對的各個值，重復(fù)（3）到（6）步；（3）對當(dāng)前的狀態(tài)的隨機(jī)的擾動產(chǎn)生一個解；（4）計(jì)算增加量，為評價函數(shù)；（5）若，則以為當(dāng)前解，否則以概率接受為當(dāng)前解；（6）判斷當(dāng)前的解是否滿足條件，如果滿足則輸出當(dāng)前解；（7）當(dāng)趨于0時，跳到第（2）步重復(fù)執(zhí)行。表示第輛送貨車從需求點(diǎn)到需求點(diǎn)，表示從需求點(diǎn)到需求點(diǎn)，和分別表示貨車到達(dá)頂點(diǎn)的時間和貨車在頂點(diǎn)的等待時間，分別表示貨車數(shù)量和需求點(diǎn)的數(shù)量，表示需求點(diǎn)到需求點(diǎn)的距離，表示貨車從需求點(diǎn)到需求點(diǎn)的送貨時間，表示貨車從需求點(diǎn)到需求點(diǎn)的費(fèi)用， 為需求點(diǎn)的需求量，為第輛貨車的載重量，為需求的服務(wù)時間，和分別為貨車到達(dá)需求點(diǎn)的最早時間和最晚時間， 表示第輛貨車的結(jié)束時間。GA算法易出現(xiàn)早熟收斂問題，且進(jìn)化后期的搜索效率也不高，但是，GA在全局搜索方面有很好的性能。整個物流配送過程是：配送中心根據(jù)每個配送點(diǎn)的配送信息，安排配送貨車向多個配送點(diǎn)配送貨物的過程，這個配送過程要綜合考慮配送路徑和配送的成本。運(yùn)用重心法求解配送中心的空間坐標(biāo)為： 其中：hi配送費(fèi)率；為 i 點(diǎn)的配送量或資源量；為 i 點(diǎn)與配送中心的距離；各資源點(diǎn)或配送點(diǎn)的空間坐標(biāo)為（xi，yi）；( x , y )為配送中心的空間坐標(biāo)。在連續(xù)區(qū)域內(nèi)分布著 n 個資源點(diǎn)及配送點(diǎn)，求此區(qū)域內(nèi)一個配送點(diǎn)使配送成本總額最小。（3）啟發(fā)式方法啟發(fā)式方法是針對模型的求解方法而言的，是一種逐次逼近最優(yōu)解的方法，有的會有一些過濾條件，將劣解濾掉，以減少尋優(yōu)的復(fù)雜度，這種方法對所求得的解進(jìn)行反復(fù)判斷與修正，直到滿意為止。對某個問題究竟應(yīng)建立什么樣的模型，應(yīng)該根據(jù)具體分析而定。這種方法的特點(diǎn)是能獲得精確最優(yōu)解。定量分析法定量分析法應(yīng)用非常多，從建模方法角度分類，概括起來地歸納為三大類：啟發(fā)式算法、解析方法和模擬方法。由于定量分析方法的選址研究很難將選址中的所有影響因素考慮周全，如地理、地形、地基、環(huán)境、交通、勞動力、城市用地、城市發(fā)展等等，并且即便想把這些因素考慮全面，也很難量化形成模型中的約束條件。鄭明百庫網(wǎng)已趨于完善，然末端配送網(wǎng)絡(luò)建設(shè)尚未成規(guī)模，所以必須要建立完善的配送網(wǎng)絡(luò)同時進(jìn)行配送路徑的優(yōu)化才能滿足現(xiàn)代商業(yè)流通的需求。鄭明要抓住國內(nèi)冷鏈?zhǔn)袌霾煌晟频钠鯔C(jī)，充分發(fā)揮自身優(yōu)勢整合各類資源盡早占領(lǐng)冷鏈?zhǔn)袌觯欢诜e極開拓新市場的同時面臨著很多亟待解決的問題。例如大型連鎖超這樣的零售終端成為了冷鏈?zhǔn)称返闹饕N售渠道。需要用到的設(shè)備是各種冷藏庫柜，冰箱，冷凍庫柜等。這個環(huán)節(jié)需要用到的設(shè)備主要是冷卻裝置、速凍裝置和凍結(jié)裝備【2】。為了保持物品的溫度，所以整個運(yùn)輸過程都要求保持一個特殊的環(huán)境，這也就使得運(yùn)輸成本的增高相比于其他物流運(yùn)輸。正因?yàn)檫@些不同所以物品的儲藏以及冷鏈物流的流通也就具有了復(fù)雜性。綜上所述，配送中心的分類可以如下表：分類方法配送中心類別按配送中心的設(shè)立者分類制造商型配送中心批發(fā)商型配送中心零售商型配送中心專業(yè)物流配送中心按服務(wù)范圍分類城市配送中心區(qū)域配送中心國際配送中心按配送中心的功能分類儲存型配送中心流通型配送中心加工型配送中心按配送中心所處的位置分類供應(yīng)型配送中心銷售型配送中心按配送貨物的屬性分類食品配送中心日用品配送中心醫(yī)藥配送中心化妝品配送中心家電配送中心電子產(chǎn)品配送中心書籍配送中心服飾配送中心汽車零件配送中心生鮮產(chǎn)品配送中心第3章 冷鏈配送特性及配送中心選址方法分析冷鏈物流是指易腐爛、生鮮產(chǎn)品在生產(chǎn)、儲藏、運(yùn)輸、銷售最終到消費(fèi)前都處于低溫環(huán)境，以保