基于聚类—遗传混合算法的物流配送路径优化研究

论文摘要

随着经济和社会的迅猛发展,物流也更需要科学化、合理化、全球化、信息化、网络化以及智能化,从而更好的为企业创造出更大的利润,进而成为企业的“第三利润源泉”；然而,在物流活动中,配送属于“最终配置”,是直接与最终消费者相连的环节；另外,在物流成本中,配送成本占了相当高的比重；因此,如何有效地、合理地、恰当地、准确地安排物流配送路径,对配送的成本、效率、效益、速度影响都很大；要使物流配送路径更好的优化,必须应用科学的、合理的、高效的方法,这是现代物流配送中的一项十分重要的活动。近几年来,在物流配送活动中,确定物流配送路径的问题是配送路径优化问题的重点研究领域和应用领域；然而,由于其计算的复杂性,几乎所有的物流配送路径优化问题都属于NP（非多项式算法）难题,目前,还尚未有高效的、精确的算法存在；本文将聚类分析技术和遗传算法进行结合,并运用于物流配送路径优化问题中,提出了解决物流配送路径优化问题的基于聚类-遗传混合算法。随着启发式算法的日渐成熟,很多专家和学者们通过改进的启发式算法对实际问题进行求解。本文正是通过改进遗传算法的编码规则,克服了传统二进制编码规则的冗长性；另外,本文设计了一个随机开关,控制遗传算法的变异操作,避免了遗传算法局部最优化的发生。通过聚类分析技术,将配送的客户进行综合优先级聚类,最后通过配送路径优化的数学模型,提出了基于聚类-遗传混合算法的配送路径优化的数学模型。由于研究时间和研究水平有限,本文也存在很多不足之处,还待以后的研究进行进一步完善。图8表7参75

论文目录

• 摘要
• Abstract
• 引言
• 1 绪论
• 1.1 研究的背景和意义
• 1.1.1 研究的背景
• 1.1.2 研究的意义
• 1.2 国内外研究现状
• 1.2.1 配送路径优化的研究现状
• 1.2.2 求解算法的研究现状
• 1.3 本文的主要工作及组织结构
• 2 配送中心基本理论
• 2.1 配送与配送中心概述
• 2.1.1 配送
• 2.1.2 配送中心
• 2.2 物流配送路径优化研究
• 2.2.1 配送路径优化的概念
• 2.2.2 配送路径优化的意义
• 3 配送路径优化的聚类分析和遗传算法
• 3.1 配送路径优化的聚类分析
• 3.1.1 聚类分析概述
• 3.1.2 聚类分析数据类型
• 3.1.3 主要聚类算法
• 3.1.4 配送路径优化问题的聚类分析
• 3.2 配送路径优化的遗传算法
• 3.2.1 遗传算法的基本原理
• 3.2.2 遗传算法的特点和缺陷
• 3.3 配送路径优化的遗传算法
• 4 配送路径优化问题及求解数学模型
• 4.1 配送路径优化问题概述
• 4.2 配送路径优化问题的数学模型
• 4.2.1 符号定义
• 4.2.2 数学模型
• 4.2.3 流程图
• 4.3 配送路径优化问题的求解方法
• 4.3.1 精确算法
• 4.3.2 启发式算法
• 5 基于聚类-遗传算法的配送路径优化模型的建立
• 5.1 聚类-遗传算法
• 5.1.1 聚类-遗传算法的基本流程
• 5.1.2 编码方式
• 5.1.3 种群初始化
• 5.1.4 适应度函数选择
• 5.1.5 选择操作
• 5.1.6 交叉操作
• 5.1.7 变异操作
• 5.1.8 终止规则
• 5.2 聚类—遗传算法的基本步骤
• 5.3 基于聚类-遗传算法的优化模型
• 5.3.1 基于聚类-遗传算法优化模型的建立
• 5.3.2 基于聚类-遗传算法优化模型的分析
• 5.4 实例应用
• 6 结论与展望
• 6.1 研究结论
• 6.2 研究展望
• 参考文献
• 致谢
• 作者简介
• 读研期间公开发表的学术论文