遗传算法基于路径优化问题应用的改进探索研究.pdfVIP

， 2011 年第4 期 经济研究导刊 No．4 2011 总第114 期 ECONOMIC RESEARCH GUIDE Serial No．114 遗传算法基于路径优化问题应用的改进探索研究 张立营 （首都经济贸易大学 安全与环境工程学院，北京 100070） 摘 要：遗传算法是一种应用很广泛的智能优化算法，对遗传算法进行了分析研究，针对遗传算法的一些缺陷提 出了相应的改进方法。在上述研究基础上，基于遗传算法，研究了物流系统中的库存优化问题及车辆路径问题。将车 辆路径问题看做是组合优化问题，并应用遗传算法进行求解。 关键词：路径优化；遗传算法；禁忌搜索算法 中图分类号：F25 文献标志码：A 文章编号：1673- 291X（2011）04- 0199- 02 物进化特征体现在：（1）进化发生在解的编码上。这些编码用 引言 生物术语称为染色体。由于一开始要进行编码，优化问题的 随着经济快速发展、信息化时代的来临，尤其是网络购 一切性质都通过编码来研究。编码和解码是遗传算法的一个 物等新型购物方式的发展壮大使得物流业迅速成为人们日 主题。 （2）自然选择规律决定哪些染色体产生超过平均数的 常所不可缺少的行业。与此同时物流业之间的竞争也迅速加 后代。而在遗传算法中，通过优化问题的目标而人为地构造 剧。而物流业也与其他服务业一样除了服务质量的竞争以外 适应函数以达到好的染色体产生超过平均数的后代。 （3）当 关键在于成本的竞争。物流企业成本绝大部分在于运输过程 染色体结合时，双亲的遗传基因结合使得子女保持有父母的 中产生，有效地路径优化能够帮助物流企业很好的解决成本 特征。（4）染色体结合以后，随机的变异会造成子代与父代产 节约问题。从而遗传算法等高效简洁的优化算法成为人们越 生不同的特征。 来越关注的对象。 遗传算法主要包含以下处理步骤：第一是对优化问题的 解编码。此外，称一个解的编码为一个染色体，组成编码的元 一、研究背景 素成为基因。编码的目的主要是用于优化问题的表现形式和 近年来，随着人工智能应用领域的不断扩大，传统的基 利于之后遗传算法中的计算。第二是适应函数的构造和应 于符号处理的人工智能方法在知识表示、信息处理和解决 用。适应函数基本上依据优化问题的目标函数而定。适应函 组合爆炸等方面遇到的困难越来越明显，从而使得寻求一 数确定以后，自然选择规律是以适应函数值的大小决定的概 种适合于大规模问题并具有自组织、自适应、自学习能力的 率分布来确定哪些染色体适应生存，哪些被淘汰。生存下来 算法成为有关学科的一个研究目标。遗传算法（genetic al- 的染色体就组成了一个种群，形成一个可以繁衍下一代的种 gorithms ，简称GA）是J.Holland 与 1975 年提出的。GA 是基 群。第三是染色体的结合。双亲的遗传基因之间的结合是通 于“适者生存”的一种高度并行、随机和自适应的优化算法， 过编码之间的交配（crossover）达到下一代的产生。 它将问题的求解表示成“染色体”的适者生存过程，通过“染 遗传算法作为一个全局性优化算法具有很大的优越 色体”群的一代代不断进化，包括复制、交叉和变异等操作， 性，具体体现在：（1）遗