管理论文物流配送路径优化问题的模型及改进混合算法

《管理论文物流配送路径优化问题的模型及改进混合算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、物流配送路径优化问题的模型及改进混合算法物流配送路径优化问题的模型及改进混合算法是小柯论文网通过网络搜集，并由本站工作人员整理后发布的，物流配送路径优化问题的模型及改进混合算法是篇质量较高的学术论文，供本站访问者学习和学术交流参考之用，不可用于其他商业目的，物流配送路径优化问题的模型及改进混合算法的论文版权归原作者所有，因网络整理，有些文章作者不详，敬请谅解，如需转摘，请注明出处小柯论文网，如果此论文无法满足您的论文要求，您可以申请本站帮您代写论文，以下是正文。　　摘要：在建立带有时间窗的物流配送路径优化问题数学

2、模型的基础上，构造了求解该问题的遗传模拟退火混合算法。该混合算法利用了遗传算法较强的全局搜索能力和模拟退火算法较好的局部搜索能力，克服了两种算法各自在寻优方面的不足，使其在全局最优搜索和计算速度方面都有了很大的提高。最后经仿真试验证实了混合算法解决物流配送路径优化问题的优越性。　　关键词：物流配送；数学模型；遗传算法；模拟退火算法；时间窗　　中图分类号：F224文献标识码：A　　文章编号：1002-3100(2008)04-0026-05　　　　Abstract:Thethesisconstructsthemat

3、hematicalmodelofoptimizingdistributionroutingproblemwithtimewindow,anddesignsthehybridalgorithmofGeneticandSimulatedAnnealingAlgorithm.Thehybridalgorithm,whichovercomesthedisadvantagesofthetwoalgorithmsinglobalsearch,adoptstheadvantagesofbothalgorithmstosolve

4、thecombinatorialandoptimizingproblem.ThehybridalgorithmimprovestheGBsearchandcomputationspeedgreatly.Finally,simulatedtestprovesthesuperiorityofthehybridalgorithm.　　Keywords:logisticsdistribution;mathematicalmodel;geneticalgorithm;simulatedannealingalgorithm;

5、timewindow　　　　0引言　　　　物流配送是指按用户的订货要求，在配送中心进行分货、配货，并将配好的货物及时、经济、有效地送给收货人。配送路径的选择是否合理对加快配送速度、提高服务质量、降低配送成本有很大的影响。物流配送路径的优化问题是一个典型的NP完全问题，很难用全局搜索算法求出最优解，因此寻求一种有效的算法求出其接近最优解或满意解有重要的理论和实践意义。　　遗传算法（GeneticAlgorithm，GA）和模拟退火算法（SimulatedAnnealingAlgorithm，SA）在解决复杂优化问题

6、时显示出良好的特性。GA有较强的全局搜索能力，但实际应用中容易出现早熟收敛（prematureconvergence）现象，且在进化后期搜索效率较低。SA具有很好的局部搜索能力，但对参数的依赖性较强。因此考虑到两种算法在实际应用中的特点，本文在对GA改进的基础上，采用与SA算法相结合的混合算法，最后的仿真试验说明了混合算法解决物流配送优化问题的优越性。　　　　1物流配送路径优化问题的数学模型　　　　物流配送问题的描述：从配送中心将一定的货物用一定的货车向多个需求点运送，每个需求点的位置和需求量确定，安排合理的货车

7、运输路径使运距最短（即表示目标函数运价最低），并且满足：（1）每条路线所运送货物总和不能超过货车载重量；（2）每辆货车都要在规定的时间内准时送达货物；（3）每辆货车从配送中心出发，在规定时间内最后返回配送中心。　　其中（1）是目标函数，方程（2）规定了路径数限制，（3）确保货车的出发地和返回地都是物流中心，（4）和（5）确保每个需求点只被一辆货车送货一次，（6）表示每条路线所运送的货物总和不能超过货车载重量，（7）货车运输的时间约束，（8）—（10）定义了车流路径的时间窗。　　　　2SA算法及其实现　　　　模拟退

8、火算法是用于解决组合优化问题的，是基于物理中固态物质的退火过程与一般组合优化问题之间的相似性，通过设定初温和初态，伴随温度的不断下降，结合概率突跳特性在解空间中通过邻域函数进行随机搜索，最终得到全局最优。模拟退火算法可以分解为解空间、目标函数和初始解三部分。模拟退火算法实现步骤如下：　　（1）初始化：初始温度T，初始解状态S，每个T值的迭代次数为L；　　（2）对k=1,2