基于改进遗传算法在货运物流中的应用研究.docVIP

基于改进遗传算法在货运物流中的应用研究 摘 要：物流企业中车辆路径选择规划问题（VRP）是一个典型的NP难问题。为了解决这类问题，启发式算法被提出。现代启发式优化算法中的遗传算法是解决货运物流运输车辆问题的有效算法。本文详细研究了遗传算法在货运物流中的应用，结合实际建立了合适的VRP数学模型，提出了解决该问题的改进遗传算法，并对该算法进行了详细的讨论。 关键词：物流；VRP；遗传算法 中图分类号：TP18 随着电子商务时代的来临，消费者的消费习惯产生了巨大的变化，同时也给货运物流行业带来了全新的发展。货运配送业务量也在逐年增长，如何加快物流配送的速度，进一步达到快速、及时、节约的物流配送目的就成了时下亟待解决的问题。本文中我们对车辆物流配送建立了数学模型，然后利用遗传算法对该模型进行求解，并结合实际情况将该模型予以改进。最后将其应用到实践之中。 1 货运物流管理 1.1 物流的概念和发展 物流的概念最早在形成于美国，起初被称为Physical Distribution（PD），即实体分配或配送。到了1963年，物流的概念被引入日本，进一步解释为“利用现代信息技术和设备，将物品从供应地向接收地准确的、及时的、安全的、保质保量的、门到门的合理化服务模式和先进的服务流程。 “物流”自上个世纪70年代末引进我国以来，经历了近20年的研讨酝酿、启蒙尝试，到90年代后半期，在改革开放和现代化建设的强有力推动下，伴随着信息技术的迅猛发展和跨国公司的大举进入引起了社会各界广泛关注。现代物流就不单纯考虑了货物配送的问题，而且还要考虑从供应商到制造商的原材料采购，以及制造商在产品生产制造过程中的运输、仓储、装卸、配送和信息等各个方面，如何全面地、综合性地提高经济效益和效率的问题。 1.2 国内货运物流的现状 随着我国正式加入世界贸易组织，国内的运输业和物流业正面临着前所未有的挑战和机遇。随着UPS、Fedex等物流巨头的进入，无论从资金、管理、技术和能力上，我国的物流业都毫无优势可言。 在新的经济形势下，客户对车辆运输提出了更高的要求。不仅要加快运输速度，保证货物运达的成功率和效率，减少转运周期，减少流动资金占用，还要利用自身的物流信息为客户提供物流管理，从而为客户和运输企业本身创造更多的价值。因为运输成本是物流成本中仅次于仓储成本的第二大成本，而利用车辆货运又在全国货运总量中占有很大的比例，因此车辆运输成本的节约将给运输企业以及客户带来巨大的经济效益。 2 遗传算法 2.1 遗传算法的概念和基本流程 遗传算法（Genetic Algorithm）是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。它是由美国的J.Holland教授1975年在他的专著《自然和人工系统的适应性》首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代有关智能计算中的关键技术之一。 遗传算法（Genetic Algorithm）是一类借鉴生物界自然选择和自然遗传机制的随机搜索算法。其主要特点是群体搜索策略和种群中个体之间的信息交换、搜索不依赖于梯度信息。它尤其适用于处理传统搜索方法难以解决的复杂和非线性问题。 遗传算法效仿基于自然选择的生物进化，是一种模仿生物进化过程的随机方法，下面先介绍几个生物学的基本概念和术语，这对于理解遗传算法是非常重要的。 定义1.染色体（Chromosome）。生物细胞中含有的一种微小的丝状化合物。它是遗传物质的主要载体，由多个遗传因子—基因组成。 定义2.个体（Individual）。指染色体带有特征的实体。 定义3.种群（Population）。带有特征个体的染色体集合称为种群。该集合内个体的总数称为群体的大小。有时个体的集合也称为个体群。 定义4.适应度（Fitness）。在研究自然界，卜生物遗传和进化现象时，生物学家使用适应度这个术语度量某个物种对于生存环境的适应程度。对生存环境适应度高的物种获得更多的繁殖机会，而生存环境适应度低的物种，其繁殖机会就会相对较少，甚至逐渐灭绝。 定义5.选择（selection）。指决定以一定的概率从种群中选择若干个体的操作。一般而言，选择的过程是种基于适应度的优胜劣汰的过程。 定义6.复制（Reproduction）。细胞在分裂时，遗传物质DNA通过复制而转移到新产生的细胞中，新的细胞就继承了旧细胞的基因。 定义7.交叉（Crossover）。有性生殖生物在繁殖下一代时两个同源染色体之间通过交叉而重组，亦即在两个