遗传算法在物流系统优化中的应用研究.pdf

遗传算法在物流系统优化中的应用研究 【摘要】：物流已被认为是继降低原材料消耗和提高劳动生产率之后 的 “第三利润源 ”。通过优化物流系统 ,可以降低物流成本 ,从而增强企 业的市场竞争能力。因此 ,研究物流系统中的优化问题 ,具有十分重要 的意义 ,是国内外研究的一个热点。库存成本与配送成本是物流系统 的核心成本 ,在物流总成本中占据了很大的比例。如果能降低库存成 本与配送成本 ,就能有效地降低物流成本。遗传算法是一种应用很广 泛的智能优化算法 ,本文对遗传算法进行了分析研究 ,针对遗传算法的 一些缺陷提出了相应的改进方法。在上述研究基础上 ,本文基于遗传 算法 ,研究了物流系统中的库存优化问题及车辆路径问题。本文将库 存仿真优化问题与车辆路径问题都看作是组合优化问题 ,并应用遗传 算法进行求解。本文的主要研究工作及贡献可归纳如下 :(1)对随机库 存系统建立了基于离散事件系统的计算机仿真模型。 用系统仿真方法 求解最优库存策略时 ,其难点之一在于仿真的优化。为此 ,本文将计算 机仿真技术和遗传算法相结合 ,应用遗传算法来优化模型的控制参数 , 即获得最优的库存控制策略。针对随机系统的特点 ,设计了候选解收 集器 ,它能够收集在仿真优化过程中产生的 Pareto解;提出了 M 精英选 择算子 ,用于保护潜在的最优个体 ,使它们在交叉、变异算子中不被破 坏。针对两种常用的库存控制策略进行了仿真优化的实验 ,结果表明 本文提出的仿真优化方法是有效的。 (2)旅行商问题 (TSP)是车辆路径 问题的子问题。为了求解 TSP 问题 ,研究了常用于 TSP 问题的三种交 叉算子的优化效果 ,提出了一种求解 TSP 问题的高效混合遗传算法 HGA-TSP 。在该算法中以变形的 OX 算子作为交叉算子 ,以 2-opt 算法 作为遗传算法的变异算子 ;提出了 K 近邻点集的概念以缩减有哪些信誉好的足球投注网站空间 并提高算法的时间效率。 (3)将单配送中心 ,多辆运输车且无约束的车 辆路径问题建模成具有总路径长度最短、 子路径长度均衡性好这两个 目标的双目标多旅行商问题 (MTSP),并基于 HGA-TSP 算法 ,研究了三 种求解上述问题的解决方案。 (4)对于带能力约束的车辆路径问题 (CVRP), 提出了一种新的双层染色体编码方案和一种子路径交换算 法。双层染色体编码方案不需要预先知道最优解所需要的车辆数 ,并 能确保染色体不违反能力约束 ,这更适合求解实际物流配送系统中的 车辆路径问题。此外 ,相对于常用的单层染色体编码方案 ,该编码方案 还能降低有哪些信誉好的足球投注网站空间的大小 ,从而提高有哪些信誉好的足球投注网站效率并降低计算时间。子路 径交换算法可以有效提高遗传算法的求解精度。