论文部分内容阅读
随着物流业的快速发展,配送在整个物流系统中所起的作用变得越来越重要。国内外许多研究者用现代的思维与方法对配送中的许多问题展开了大量研究,以此来提高配送效率、降低配送成本、更好的服务客户。车辆路径问题(Vehicle Routing Problem,VRP)和车辆装载问题(Vehicle Filling Problem,VFP)作为物流配送中的两个核心问题自然成为了研究热点。本文在概述国内外VRP研究和VFP研究的基础上,将这两个在配送过程中相互联系、相互制约的问题结合在一起考虑,进行整合问题研究,从而来达到同时优化车辆配送路径与车辆装载方案的目的。本文的研究重点有两个:(1)建立起新型的VRP&VFP整合优化模型;(2)用改进遗传算法设计出适合于求解VRP&VFP整合优化模型的算法,并用它来求解相应的问题。本文首先概述了VRP与VFP的国内外研究现状以及物流配送的基础理论,并选择出了将要整合的VRP与模型与VFP与模型。其中,VRP为非满载的VRP,VFP为二维VFP。在此基础上,分析和解决了整合过程中遇到的问题,提出了VRP&VFP整合优化问题,建立了VRP&VFP整合优化模型。在说明求解该模型的总体思路后,对基本遗传算法进行了一系列改进,设计出了适合于求解该模型的算法。然后,对算法中的每个步骤进行了具体而详细设计。设计主要针对VRP改进遗传算法部分和VFP改进遗传算法部分进行。在设计过程中,为了让算法简洁、高效且适合于求解该整合优化模型,我们对遗传算法的许多步骤作出了改进,例如:在引入保优操作;在VRP算法的解码过程中,采用按质量约束和体积约束同时解码的方法;针对目前VFP求解中同时追求质量装载率最大化和容积装载率最大化这个关键性难点,设计质量和体积两个适应值函数,并结合保优操作来解决这个难题等。在设计完成后,这两部分算法被有机的结合在一起,共同构成求解算法。在求解整合问题的过程中,它们相互联系与制约,不可分割。同时,在设计过程中,还采用MATLAB软件编写了程序,对设计的算法进行了实现。最后,按照算法编写的MATLAB程序求解了实际中的相应问题。程序在很短的时间内就得出了很好的结果。实验结果证明了VRP&VFP整合优化模型及算法可行而有效,并具有很高的实用价值。