配送中心车辆调度模型及遗传算法的设计.docVIP

配送中心车辆调度模型及遗传算法的设计 　　摘要：针对物流配送中心车辆调度问题，采用混合整数规划方法进行建模。对实际问题进行研究分析后，基于所研究问题的特点，提出基于遗传算法的求解方法。通过数值实验对算法不同参数组合进行分析、比较，获得最佳参数组合，建立了有效的求解该问题的遗传算法。并通过对实际问题的数值仿真试验，验证了算法的有效性。 　　关键词：配送中心；车辆调度；优化；遗传算法 　　中图分类号：F224文献标识码：A 　　文章编号：1002-3100(2008)05-0079-04 　　Abstract: This paper considers the vehicle scheduling problem in distribution center, and using the method of mixed integer programming to build the mathematical model. By analyzing the characteristics of the problem, a genetic algorithm is presented. Secondly, computational experiments are given to select the optimal parameters of the algorithm, and then optimal genetic algorithm is determined. Finally, computational tests are further given to show the efficiency of the algorithm. 　　Key words: distribution center; vehicle scheduling; optimization; genetic algorithm 　　 　　越库配送是将货物在进货口卸下，经过简单分拣等操作后直接装到等候在出货口的车辆上运送给零售商，在不增加库存的同时降低了运输费用和运输时间。其优势在于：（1）对较大、较稳定的需求，并不需要每次都采取订购模式来运作，越库配送可使供应链各环节减少库存；（2）对稳定而小批量的需求，采用越库技术来代替零担运输（Less-than-truckload）可大大降低运输成本；（3）节省了昂贵的库存费用；（4）顺应了商品本身对时间上的要求，例如快递、保鲜食品等。越库技术已成功地应用于沃尔玛（Wal-Mart），Home Depot，Costco，Canadian Tire以及FedEx等著名企业。 　　在越库配送中，为了实现准时制配送，降低库存，必须对车辆调度进行深入研究，国内外许多学者均致力于此方面的研究。文献[1]针对美国邮电局邮件优先投递传送系统的卡车运输网络进行了设计，利用整数规划松弛法解决大规模系统的物流配送网络，为解决类似模型提供了依据。陈火根[2]等人针对在已知配送中心位置、客户点位置及道路情况下，对m辆车n个客户点，确定车辆分配（每辆车负责的客户点）及每辆车的行车路线，所采用的方法为遗传算法。林方明[3]等人研究了运输网络优化问题在物流配送决策中的作用，并探讨了物流企业应如何设计运输网络，提出运输网络优化的方法，以降低供应链成本，提高客户响应度。本文作者[4]针对越库作业调度问题提出两阶段越库作业调度模型，并给出了求解该类问题的动态规划算法。本文则是基于遗传算法来设计与上述问题不同的越库配送中心车辆运输网络。 　　 　　1问题描述 　　 　　本文所研究的问题为越库配送中心车辆运输网络的设计，在配送中心内部某些客户需要的货物较多且可以直接从供货商或上级分销商处运走，而无需经过配送中心的整合运输，因此主要考虑车辆是否直接从出发点或通过配送中心将货物运输至目的地，以及每条运输线路上车辆的分配。例如，在连锁超市行业中，门店的货物主要通过配送中心集中进货与供货，在降低门店库存的同时，必须保证门店货物供应的及时性，以提高顾客满意度。因此，必须对配送中心的配货车辆及线路进行设计，从而保证货物及时、准确的到达指定地点，降低运输成本。为了更好地研究配送中心车辆调度问题，我们通过建立模型实现配送中心的车辆调度，确定各条线路上需要的车辆数（起点到终点、起点到配送中心）以及车辆线路安排。 　　图1描述了该模型的运输网络，由图可知：起点到终点的运输方式，可以是直接运输，也可通过配送中心整合后运输到终点。评价运输方式好坏的指标是运输成本。其数学模型如下： 　　 　　2遗传算法的建立与求解 　　 　　求解车辆调度问题的方法很多，常用的有旅行商法、动态规划法、分支定界法、方案评价法等。遗传算法的出现为求解物