- 1、本文档共9页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于GIS的农资物流配送线路优化算法研究.doc
基于GIS的农资物流配送线路优化算法研究
摘 要:农资物流具有较大配送复杂性,物流成本居高不下,本文引入GIS路线规划功能,结合了经典的三类优化算法,提出了混合算法,算法获得最优路线效率更高,并且通过算例对GIS下混合算法的有效性。
关键词:GIS;农资物流;物流配送;混合算法
传统农资物流包括农业生产资料(农药、化肥、农具与其他原材料)的运输、存储等过程,信息化的推进催生了现代农资物流,融入了信息处理,对农资物流流通过程中进行事前、事中与事后的全面控制,从而降低库存、缩短供货周期、减少物流配送成本耗费,节约经济成本。目前,对于农资企业,从小型作坊到大型企业有存在自营、连锁经营与第三方物流配送等三种主要物流模式,相对而言委托第三方更具专业性,对于物流配送成本控制更严格,配送规划也更科学,而另外两种模式缺不乏资源浪费、规划不科学等情形。但是,考虑到企业贸易壁垒、竞争关系与商业机密等因素,不少农资商户还是选择了如自营等耗费大成本的物流配送方式。
那么,不管何种模式,农资物流配送的成本浪费最多体现在哪个节点呢?不少学者认为物流配送成本增加很大程度上体现在配送线路规划不合理,导致绕远路,近路堵塞时间、油耗成本高,空车运输等情形。在路径规划中,一个好的规划算法起到决定性作用,研究中主流的算法有遗传算法、爬山算法与蚁群算法等,该三类算法各有特色,都有不足,并且对于动态道路信息不适应,GIS技术可以较好地提供道路实时信息,提供较好的线路展示功能,由此,本文将结合三种算法,开发一个混合算法,装载入GIS中,达到线路规划达到最高效、最优化、可视化效果。
一、农资物流引入GIS的必要性
现代物流配送中80%以上都会涉及得到复杂的空间地理数据,而且农资物流的配送数据更是涉及到时空数据转换,具有多尺度、维度与不确定性、海量特性,对于物流数据的处理变得越来越重点级。GIS(Geographic Information System)具有强大的地理空间信息的处理与分析能力,运用计算机与通信技术建立一个空间信息数据库,用户可以进行地理信息的查询、分析与处理,还具有预测、定位与监测功能。具体GIS在物流中的应用如下:
1.选址方面
GIS可以很好地整合CAD与数据库系统,使得地理信息数据访问变得非常轻松简单,在物流配送中心选址方面可以准确提供详细定位参考数据与跳过障碍物的拓扑信息,对于选址决策有很大的帮助。
2.配送线路规划
GIS支持实时的地理道路数据访问,对于信息的处理是实时的,对于动态线路规划有很大的帮助。传统的线路规划往往是静态的计算,而借助GIS可以获取路线实况来进行多次智能导航规划,使得成本最小,配送最高效。
3.电子地图显示
GIS在可视化空间展示方面较强,对于线路配送给用户以直观的、交互性强的线路指示软件应用,对于物流配送的实际操作支持较好。
随着现代物流追求高效运作、成本控制与追求安全性等需求高涨,将GIS运用于物流行业的需求也逐渐推高。将GIS引入农资物流可以促进物流配送线路规划、整合资源,提高配送率,有效降低成本与提高客户满意度,因此,将GIS引入农资物流具有必要性。
二、传统线路规划算法
较为经典的优化方法有遗传算法、爬山算法与蚁群算法。三种算法各有优劣,对于物流路径规划各有其长处,均运用了优化理论对最优解进行最优线路求解,获得线路规划满意解。
1.遗传算法
遗传算法运用了生物学中的优胜劣汰理念,模仿群体进化获得适应度最强的解,即满意解。算法首先将研究的对象视为多个个体,对个体进行编码操作,运用适应度函数对各个体进行交叉、变异等遗传操作,得到最优解的集合,进一步获得逼近最优解的满意解。启发式算法的有点在于效率高,算法通用性好。
(1)运用二进制方式进行编码。不同的编码方式将直接影响交叉操作,进而影响最优解的产生。不同的编码方式对进化的效率也是有影响的,编码方案的选定也具有一定的实践性。
(2)初始化种群。种群初始化的好坏对于种群的进化效率是有影响的,因此,需要提前设定相关参数,考虑到种群进化中的影响因素,提高初始化种群的合理性,支持快速进化。
(3)合理选择适应度函数。适应度函数的选择是遗传算法的关键,偏向于某个个体会导致收敛过度,若忽略个体特性,又会导致算法不能够及时地收敛,同样影响效率,因此,适应度函数的选择至关重要,需要考虑的因素较多。
(4)选择与交叉变异操作。以适应度值的大小为该个体的被选择概率进行选择操作,让适应能力最强的个体得以保留,将经选择操作留下的个体进行交叉操作,优势互补。为了保持多样性,进行变异操作,随机选择个体进行基因对换。
2.爬山算法
爬山算法是一种局部择优算法,
文档评论(0)