改进的遗传算法在物流车辆配送问题中的应用

论文摘要

本文基于物流系统的现状,研究了车辆调度安排问题。这类问题的焦点是确定最佳运输路线和选择最准确配送中心,使得行车费用和车辆持有费用最小,我们对该问题的分类解决方法做了一些研究,并对未来的发展方向进行了探讨。在车辆调度问题中配送中心选址和车辆配送路径优化是两个最典型的问题。目前解决两种问题的方法有很多。例如:重心法,鲍姆尔.沃尔夫（Baumol-Wolfe）法,CFLP法（Capacitated Facilities Location Problem）。但在解决问题的空间和时间方面都差强人意。本文在求解问题的过程中引入了遗传算法,并且通过编程实现了计算机求解。该算法具有很强的扩展性和实际应用性。本文对配送中心选址和车辆配送路径优化两个问题进行了数学建模,并且用遗传算法对两个问题的实际例子进行了求解。在配送中心选址的问题上,对传统遗传算法中交叉和变异算子进行了改动,使算法对于大规模的选址问题超过了传统的遗传算法,能够有更多机会获得的最优解。然后在车辆配送路径优化问题上,在遗传算法的基础上引入了具有局部搜索能力的爬山法,使得算法后期的收敛速度有了显著的提高。由于车辆运输行程安排问题属于NP难题,采用的方法为启发式算法,所以在求解过程中可能会有小的偏差,但总体来讲效果还是令人满意的。

论文目录

• 提要
• 第一章 绪论
• 1.1 选题背景及意义
• 1.2 论文的创新探索目标
• 第二章 物流体系与配送中心
• 2.1 物流
• 2.1.1 物流的定义
• 2.1.2 物流的基本功能
• 2.1.3 物流的分类
• 2.2 配送中心
• 2.2.1 配送中心的功能
• 2.2.2 配送中心的作业流程
• 2.3 我国物流配送体系的现状
• 第三章 遗传算法及其改进
• 3.1 遗传算法的基本概念
• 3.2 遗传算法的应用
• 3.3 遗传算法的展望
• 3.4 遗传算法在物流系统优化的应用研究方面
• 3.5 基本遗传算法的改进
• 第四章 物流车辆配送中心选址问题
• 4.1 配送中心选址问题
• 4.1.1 配送中心问题的描述
• 4.1.2 配送中心选址模型的假设
• 4.1.3 配送中心模型的建立
• 4.1.4 采用改进遗传算法对配送中心选址问题的求解
• 4.2 采用改进遗传算法求解物流配送中心选址问题实例
• 4.2.1 实例的描述
• 4.2.2 结果分析
• 4.2.3 性能比较
• 第五章 车辆配送路径问题
• 5.1 物流配送路径优化问题
• 5.1.1 物流车辆配送路径优化问题的描述
• 5.1.2 物流车辆配送路径优化问题的模型建立
• 5.1.3 采用改进遗传算法对车辆配送路径优化问题求解
• 5.2 采用改进遗传算法对车辆配送路径优化问题实例
• 5.2.1 实例的描述
• 5.2.2 结果分析
• 5.2.3 性能比较
• 第六章 结论与展望
• 6.1 本文的主要工作和研究结论
• 6.2 不足和展望
• 参考文献
• 摘要
• ABSTRACT
• 致谢