基于免疫遗传算法的物流配送车辆路径优化问题的研究.pdfVIP

2005中国管理科学与工程发展报告 基于免疫遗传算法的物流配送车辆路径优化问题研究 张建勇1李军2 (1．南开大学商学院，天津．300071；2．天津职业大学经济与管理学院，天津，300402) 摘要：物流配送车辆的优化调度问题是近年来物流研究中的一个热点也是一个难点，传统 的优化方法往往难以解决这类问题。本文提出一种新型免疫遗传算法进行物流配送车辆路 径问题的优化规划。在遗传进化过程中。借鉴生物免疫机制对每个种群的染色体进行免疲 算子操作，这些算子包括接种疫苗、各基因座多样性调整以及免疫选择。以运输费用最小 为优化目标建立了物流配送车辆路径优化问题的数学模型，利用免疫遗传算法求得优化 解。最后．通过具体实例以及免疫遗传算法与标准遗传算法运算结果的比较，验证了本文 免疫遗传算法的收敛概率和收敛速度都明显优于标准遗传算法，且可有效避免标准遗传算 法“早熟收敛”的现象。 关键词：物流配送；车辆路径问题；免疫遗传算法 车辆路径问题(Vehicle Routing 一个车队，设计一组开始和结束于一个中心出发点的最小费用路径。每个顾客只能被服务一 次，而且，一个车辆服务的顾客数不能超过它的能力。VRP由于其特有的魅力以及其与运 出后，很快就吸引了全世界无数的科学家、工程师和管理学者为之探索，先后涌现出了一大 (Genetic Algorithm)、模拟退火算法(Simulated Search)、神经网络(NeutralNetwork)。等等。其中遗传算法以其良好的鲁棒性、灵活性、 通用性，以及特别适合于求解大规模组合优化问题等特点，在VRP领域中得到了广泛应 用。但由于算法本身还存在的一些缺陷，如易出现早熟收敛，局部搜索能力差，进化过程中 不能很好地利用系统信息，进化后期易出现振荡现象等，因此不能保证最大概率收敛到全局 最优解。近年来出现的免疫算法借鉴生物免疫机理，能充分利用最优个体及系统的信息，且 能有效保持种群多样性，在优化过程中，吸取了已有优化算法的有益思想，将随机搜索和确 定性的变化结合在一起，减小了随机因素对算法本身的影响，能较好地消除不成熟收敛及振 Genetic 荡现象。本文在标准遗传算法(Simple (ImmuneGenetic 调整，以更准确、快速地反映系统进化过程，应用系统的启发式信息实现种群的接种免疫， 通过免疫选择，将最优个体保留，以抵御同样的抗体侵犯。 第七篇现代物流与供应链管理 465 1 问题描述与模型建立 1．1 问题描述 物流配送车辆路径优化问题一般可描述为：某一配送中心D(用数字0表示)有x量汽 车，须向m个需求点(1，2，…，m)配送货物，已知每辆车的运载能力都为C，需求点f 的配送需求量为西，车辆由需求点f行驶到需求点．『的运输成本为c{『，配送中心到需求点f 的运输费用为跚。求满足运输需求的费用最小的车辆行驶路线。本文，运输费用由行驶距 离表示。 1．2模型建立 为构造数学模型，定义变量如下： 11 点f的任务由车辆七完成； y醯2 1o否则。 f1 车辆k从点f行驶到点_『； ^独一10否则。 则总费用最小的具有模糊旅行时间的车辆调度问题可构造如下： “nz=∑∑∑c{，讯 (1) ∑喀‰≤C Vk (2) ∑Yik=l f=1，2，…，m (3) t ∑锄=y业 J=0，1，…，肌；Vk (4) ∑锄=‰ f=0，l，…，，，l；Vk