论文部分内容阅读
随着国内电子商务平台的飞速发展,物流行业也随之蓬勃发展。当前,在物流行业中,运输过程处于物流核心位置,所占物流费用较大。物流企业在运输过程中存在的普遍问题是:车辆路径的规划主要依靠司机的主观经验,直接影响到配送车辆运输效率、运输成本以及客户满意度。针对以上问题,本文通过混合遗传算法实现车辆路径的合理规划,具体研究内容包含:(1)研究分析车辆路径问题相关理论,重点研究带时间窗车辆路径问题;研究分析出遗传算法在求解带时间窗车辆路径问题(VRPTW)时具有较强全局搜索特性,模拟退火算法在求解VRPTW时具有较强的局部搜索能力,因此本文将遗传算法与模拟退火算法进行相结合以提高全局最优解的质量;(2)为进一步提高最优解的质量,首先通过混沌算法生成初始种群,同时采用改进的比例选择法与精英保留策略对种群中的个体进行选择操作,然后将改进的自适应遗传算法应用于交叉算子和变异算子的优化过程,最后将遗传算法优化得到的个体再通过模拟退火算法进行局部寻优;(3)建立带时间窗车辆路径问题模型,该模型以车辆固定成本、运输成本以及时间窗惩罚成本之和为目标函数,将软时间窗与车辆载重量作为主要约束条件,寻求目标函数的最小值;(4)本文通过MATLAB实现混合遗传算法,选取Solomon数据集中的算例进行测试,将得到配送路线方案与目前已公布最优结果进行对比分析,在最少车辆数和最短里程上与已知最优解十分接近;另外,将混合遗传算法与基本遗传算法、模拟退火算法进行对比评价,结果能够有效降低物流总成本,充分验证了混合遗传算法求解带时间窗车辆路径问题的有效性、可靠性及通用性。本文研究的带时间窗车辆路径问题,对于物流企业来说,可以合理安排配送车辆行驶路线,降低运输成本,提高配送效率,提升客户满意度,具有十分重要的现实意义。