基于自适应网格粒子群算法的多目标配送优化模型.pdf

《基于自适应网格粒子群算法的多目标配送优化模型.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第刀卷第5期2010年5月公路交通科技、JournalofHighwayandTransportationResearchandDevelopmentV01．27No．5May20lO文章编号：1002-0268(2010)05-0132-05基于自适应网格粒子群算法的多目标配送优化模型吴小虎，徐琪(／g华大学工商管理学院，上海200051)摘要：对配送方案的选择提出多目标优化，在满足客户需求的前提下，力求成本最低和各配送中心负荷均衡，建立多目标规划模型。运用粒子群算法对解空间粒子进行局部和全局的搜索，再运用自适应网格算法对非劣解外部集进行更新和维护，保持其规模。实证

2、表明，采用基于自适应网格的多目标粒子群算法对该模型进行求解能够得到均匀分布于解空间的Pareto前沿。结果表明两目标具有一定的悖反关系，据此选择满意解。关键词：运榆经济；配送方案；自适应网格粒子群算法；多目标优化中图分类号：U492．3；TP301文献标识码：AOptimizationModelofMulti—objectiveDistributionBasedonAdaptiveGridParticleSwarmOptimizationAlgorithmWUXiaohu，XUQi(SchoolofBusinessandManagement，DonghuaUniver

3、sity，shanghai200051，China)Absttact：Multi—objectiveoptimizationwasadvancedforselectionofdistributionsolutions．Amuhi—objectiveplanningmodelwasbuiltonthedemandofcustomerstoachieveboththelowestcostandburdenlevelequihbriumofeachdistributioncenter．Particleswarmoptimization(PsD)algorithmwasuse

4、dforbothlocalandglobalsearchinsolutionspace．Adaptive西dalgorithm(AGA)wasusedtoupdatethenon—inferiorsolutionsarchiveandmaintainitsdimension．r111edemonstrationindicatesthataParetofrontwhichevenlydistributedint}lesolutionspacecanbeobtainedbyusingmulti—objectiveparticleswalllloptimizationalg

5、orithmbasedonadaptivegndalgorithm．r111eresultshowsakindofcontraryrelationshipbetweenthesetwoobjectives．ThusasatisfactorysolutioncaIlbefound．Keywords：tm璐porteconomics；distributionsolution；adaptive画dparticleswalinoptimizationalgorithm；multi—objectiveoptimization0引言配送中心是供应链网络的一种重要节点，它几乎包含了

6、所有的供应链基本作业环节，是供应链活动的最集中体现，而配送中心的配送方案的选择也一直是学者关注的问题。但是传统的研究在很大程度上片面追求成本最低的目标，显然这在现实情形中是有失科学性的。海内外学者就配送的多目标问题进行了一些探讨。周泓等⋯将遗传算法应用于邮件配送系统多目标配送方案中；而汤希峰等幢J将服务可靠度引入与成本一起作为配送中心选址方案的目标，得出两者之间存在悖反关系；范月娇等【3J3在分析配送中心服务半径基本含义及其影响因素的基础上，针对多源多目标环境下确定了区域内多个配送中心配送多种商品给若干收稿口期：2009-08-06基金项目：国家自然科学基金资助项目(

7、70772073)；上海市自然科学基金资助项目(07ZRl4003)；上海市社科规划基金资助项目(aX，Tazn001)作者简介：吴小虎(1986一)，男，安徽怀宁人，硕士，助教，研究方向为供应链管理．(bairn@live．一)．第5期吴小虎，等：基于自适应网格粒子群算法的多目标配送优化模型133客户时的服务半径；s．Y．S．Leung掣4j运用多目标遗传算法对如何包装、配送纸板箱问题予以解决并致力于将该算法推广到更宽的应用领域，结果表明该算法能够有效地减少未填充空间。对配送网络模型的求解，早期研究者倾向于采用启发式算法寻求最优(次)解[5]5，而