改进遗传算法在物流中心选址中的应用与研究

论文摘要

物流配送中心的选址问题属于最小成本问题,即求解使运输成本、变动处理成本和固定成本等之和为最小的最优化问题。选择最佳的物流配送中心的地址,可以使企业的总的成本最少,获得最大的经济效益。基于此因素本文提出了一种采用改进的单亲遗传算法,并在求解的过程中融入了最小元素法的方案来解决此类问题,从而可以得到最佳的配送中心的位置和合理的各级运输变量。在此研究的基础上,通过编写控制台程序对自己提出的算法进行了相应的验证,对结果进行分析后可以得出采用这种改进以后的单亲遗传算法的方案可以避免遗传算法的“早熟”现象,削弱遗传算法的随机性,加快收敛,使算法的效率得到提高,从而选择出最合理的配送中心位置和运输量,提高企业的效益。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 选题的背景及意义
• 1.2 国内外研究现状
• 1.2.1 国外研究现状与水平
• 1.2.2 国内研究现状与水平
• 1.3 论文的工作安排
• 2 物流配送中心选址问题
• 2.1 物流概述
• 2.2 物流配送中心概述及其选址原则
• 2.2.1 物流配送中心概述
• 2.2.2 物流配送中心选址原则
• 2.3 物流中心的选址方法
• 2.3.1 物流配送中心选址的一般性方法
• 2.3.2 物流配送中心选址的几种常用方法
• 3 遗传算法研究
• 3.1 遗传算法简介
• 3.2 遗传算法的理论基础
• 3.3 遗传算法的实现技术
• 3.3.1 编码
• 3.3.2 适应度函数的选取
• 3.3.3 遗传操作
• 3.3.4 算法参数确定
• 3.3.5 终止条件
• 3.3.6 遗传算法的主要步骤及流程图
• 3.4 遗传算法存在的问题
• 3.5 遗传算法的性能评价
• 4 算法的设计及改进
• 4.1 物流配送中心选址和遗传算法
• 4.2 物流配送中心选址的数学模型
• 4.3 单亲遗传算法与最小元素法在此模型中的应用
• 4.3.1 单亲遗传算法
• 4.3.2 最小元素法
• 4.4 算法的设计思路
• 4.4.1 算法的总体流程图
• 4.4.2 编码的设计
• 4.4.3 初始种群的生成
• 4.4.4 适应度函数的确定
• 4.4.5 终止条件的判定
• 4.4.6 遗传算子设计
• 4.4.7 最小元素法的应用
• 4.4.8 约束条件的处理
• 5 验证与实现
• 5.1 程序的开发环境
• 5.2 程序的设计
• 5.3 应用的实例
• 6 本文的结论及展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文及科研情况