物流配送中车辆径问题的多目标优化算法研究.pdf

物流配送中车辆路径问题的多目标优化算法研究 摘要 VRP(VehicleRouting 其应用广泛，并且相当难解，国内外学者对求解方法的探索和试验一直是一个研究热 II(NondominatedinGenetic 点。NSGA Sorting AlgorithmII，带精英策略的快速 非支配排序遗传算法)作为近几年才产生和发展起来的新兴算法，因其高效率而引起 重点关注和初步应用，尤其是在求解多目标优化问题上，但是将NSGAII算法应用于 解决物流配送中VRP问题，目前还未见文献述及。 本文就是在借鉴国内外研究现状的基础上，选用NSGAII作为求解VRP的算法基 础，实现了NSGAII在VRP中的应用和软件仿真，并针对仿真结果提出改进方案。通 过改进前后的对比，验证了改进方案的可行性。 文本主要完成了以下几个方面的工作： (1)实现了NSGAII算法在物流配送中VRP问题多目标优化的应用。分析概括出 VRP的三个主要目标函数：总的运输路径最短、到达时间最准时、使用车辆最少；三 个约束条件：每一辆车均不能超出满载量、任意一条路径上的客户目均不超过所有客 户总数、每个需求点仅由一辆车配送。在此基础上为VRP建立数学模型。然后根据 NSGA II算法的特点，为求解程序设计每一个环节：编码生成(采用自然数编码方式)、 初始群体的确定(判断是否超载)、适应度评估(考虑目标函数)、选择(锦标赛法则)、 交叉(随机产生交叉基因)、变异(随机产生交叉点)。 需求时间的分布特点。对仿真结果，从收敛代数和目标函数(运输总路程、到达准时 性、使用车辆数目)收敛情况两个方面，评价算法的运算效率和求解能力，得出NSGA 疆 V II算法求解能力强、收敛情况较好、收敛速度较快等特点。 ▲ (3)提出了对NSGA II算法的改进。通过对仿真结果和NSGAII算法的特点研究， 指出了NSGAII在设计方面的不足之处，并且对NSGA II算法设计的两个环节提出了 改进方案：对初始群体确定的改进，主要是引进贪心算法的策略；对交叉算子的改进， 主要是借鉴Or—opt算法的思想，改变其随机产生交叉基因的做法。通过对两种算法 仿真结果的比较分析，证实了改进算法在克服早熟现象、提高算法效率以及算法稳定 性方面的有效性。 II 关键词：物流配送中心；车辆路径问题；多目标优化问题；遗传算法；NSGA 产1，●’- II on of ective Study Algorithms