论文部分内容阅读
随着国内外物流业的蓬勃发展,物流对我国国民经济产生重要影响。管理者希望优化物流的各个环节,从而获取行业的最大利润。物流配送是物流的重要环节,物流配送水平是衡量物流业发展的一个重要标志。在理论上,本文从整体的角度研究定位-路径优化问题(Location Routing Problem,LRP)。在对定位-配给问题(Location Allocation Problems,LAP),车辆路径问题(Vehicle Routing Problem,VRP),旅行商(Traveling Salesman Problem,TSP)问题及LRP问题分析研究的基础上,分别建立定位-配给模型,车辆路径优化问题模型,旅行商问题模型和有交通拥堵指数的定位-路径优化问题模型。在实现上,本文从全方位的角度解决定位-路径优化问题。在百度地图上描绘出实际配送路线图,定位出配送中心和配送点的地理位置,添加配送中心和配送点的详细信息。本文重新编写遗传算法并通过数据集验证可行性,从技术的角度实现了弗洛伊德和遗传组合算法解决现实LRP问题。本文主要有以下几个部分:第一部分,背景和概念介绍。介绍了物流配送问题研究的理论背景和实际意义,阐述了物流、物流配送、地理信息系统的概念,分析彼此之间的内在联系,分析地理信息系统技术在物流配送应用的理论可行性。第二部分,LRP问题分析与研究。通过JavaScript技术在百度API平台上进行二次开发实现了物流配送和GIS的结合,通过分析得出VRP问题在一定约束条件下可以转化为TSP问题,通过JAVA技术重新编写标准遗传算法,从技术的角度实现了配送中心和配送点坐标数据来源于百度地图的LRP问题的算法编写。通过对交通拥堵指数的研究和对交通拥堵指数公式的推导,在LRP问题模型上引入交通拥堵指数。在此基础上得出弗洛伊德和遗传组合算法解决有交通拥堵指数的LRP问题是可行的。第三部分,LRP问题实例验证。运用弗洛伊德和遗传组合算法对M蔬菜物流公司的实际问题进行实例验证。在实例验证部分,分别验证无拥堵指数和有拥堵指数的LRP问题。