【正文】 礎上,嘗試采用掃描法和改進遺傳算法相結合的方法對此類問題進行求解,在保證客戶服務水平的要求下,取得了比較好的結果。應用C語言編程進行實例計算,結果表明改進的遺傳算法明顯增強了群體演化的質量,提高了算法的收斂速度,得到了問題的滿意解。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。本文主要對單車場非滿載無時間窗的車輛路徑問題和動態(tài)車輛路徑問題進行了研究。進行配送系統(tǒng)優(yōu)化,主要是配送車輛調度的優(yōu)化。配送作為物流中一種特殊的、綜合的活動形式,在當今社會經(jīng)濟發(fā)展中發(fā)揮著越來越重要的作用?；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。物流的目標就在于以最少的費用滿足消費者的需求。配送的核心為配送車輛的調度、貨物配裝及送貨過程。對配送車輛進行優(yōu)化調度,有利于提高物流經(jīng)濟效益、實現(xiàn)物流科學化。論文首先對現(xiàn)有車輛優(yōu)化調度問題歸類分析。在對遺傳算法中的選擇操作、鄰域結構操作進行改進的基礎上,提出了一種求解車輛路徑問題的自適應遺傳算法。與傳統(tǒng)遺傳算法相比,掃描法和改進遺傳算法的結合,其優(yōu)化能力、運行效率、可靠性均有一定的提高。關鍵詞：物流車輛路徑問題。 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 programming demonstrated that the adaptative algorithm improved the quality of the results and can solve the problem effectively. Exemplifications proved that this algorithm can enhance capability of optimization, solving efficiency and reliability of running. Finally, a dynamic vehicle routing problem with random time window is modeled. This problem is also solved by sweep and genetic algorithms method. The method have made good effect in ensuring customer service level.Keyword: Vehicle Routing Problem。 genetic algorithm1引言車輛路徑問題（Vehicle Routing Problem，VRP）是一類在物流配送調度中具有廣泛應用的優(yōu)化組合問題，在現(xiàn)代物流中居于中心地位。本文詳細分析了有時間窗裝卸問題的數(shù)學模型，深入研究解決此問題的分組編碼遺傳算法，將禁忌思想用于產生可行解的啟發(fā)式插入搜索算法之中，并構造出適用于多目標的適應度函數(shù)，設計新的數(shù)據(jù)結構，對分組編碼遺傳算法進行有效實現(xiàn)。采用多組通用算例測算，將多策略分組編碼遺傳算法與其它算法進行比較，其求解結果和計算時間都有明顯改進，驗證了多策略分組編碼遺傳算法能夠有效穩(wěn)定地收斂到所求問題的解。各國研究人員對該問題進行了大量的理論研究及實驗分析，取得了重大進展，其研究成果在運輸系統(tǒng)、公交車輛路線設計、快遞收發(fā)系統(tǒng)、物資調配系統(tǒng)中都已得到了廣泛應用。本文重點研究解決有時間窗裝卸問題（PDPTW）的遺傳算法，作為前期準備，本文作者對遺傳算法解決具有簡單約束條件的VRP（包括有容量約束的車輛路徑問題CVRP 和有時間窗的車輛路徑問題VRPTW）進行了初步研究。CVRP 實際是多目標組合優(yōu)化問題，一般以派出車輛最少（運輸路線條數(shù)最少）為首要目標，行車總距離最短，即總代價最小為次要目標。2選題的目的物流已被認為是繼降低原材料消耗和提高勞動生產率之后的“第三利潤源”。因此,研究物流系統(tǒng)中的優(yōu)化問題,具有十分重要的意義,是國內外研究的一個熱點。如果能降低庫存成本與配送成本,就能有效地降低物流成本。在上述研究基礎上,本文基于遺傳算法,研究了物流系統(tǒng)中的庫存優(yōu)化問題及車輛路徑問題。 本文的主要研究工作及貢獻可歸納如下: (1)對隨機庫存系統(tǒng)建立了基于離散事件系統(tǒng)的計算機仿真模型。為此,本文將計算機仿真技術和遺傳算法相結合,應用遺傳算法來優(yōu)化模型的控制參數(shù),即獲得最優(yōu)的庫存控制策略。提出了M精英選擇算子,用于保護潛在的最優(yōu)個體,使它們在交叉、變異算子中不被破壞。 (2)旅行商問題(TSP)是車輛路徑問題的子問題。在該算法中以變形的OX算子作為交叉算子,以2opt算法作為遺傳算法的變異算子。 (3)將單配送中心,多輛運輸車且無約束的車輛路徑問題建模成具有總路徑長度最短、子路徑長度均衡性好這兩個目標的雙目標多旅行商問題(MTSP),并基于HGATSP算法,研究了三種求解上述問題的解決方案。雙層染色體編碼方案不需要預先知道最優(yōu)解所需要的車輛數(shù),并能確保染色體不違反能力約束,這更適合求解