基于遗传算法的协同配送路径优化研究

针对现代物流配送中存在的运营成本高、效率低、整合度低等问题,构建基于多物流中心协同配送的路径优化模型,在算法选择上针对协同配送的特殊方式,提出引入虚拟客户的编码方式和基因换(移)位的变异方式来求解最优配送路径,并通过实例验证了模型和算法的有效性与可行性。     

基于遗传算法(GA)的配送路径优化问题研究

文章在建立配送车辆路径优化问题数学模型的基础上，构造了遗传算法来求解该问题，并在算法中引入了自然选择、交叉操作、变异操作等思想：实验结果表明，此算法可以有效求得车辆路径问题的优化解或近似优化解．是求解车辆路径问题的一个较好的方案。     

基于遗传算法的企业配送路径问题研究

为提高企业竞争力,加快企业发展,企业已将优化重点转向物流配送环节,文中通过遗传算法设计并求解企业配送路径问题,设计合理的配送路线,提高配送效率,降低物流成本。     

低碳多因素视角下的冷链配送路径优化

全球变暖问题日益凸显,如何减少冷链配送环节中的二氧化碳排放成为当今物流领域研究的重点和难点,文章考虑到冷链物流配送过程中产生的一系列成本和影响冷链物流配送环节中的二氧化碳排放,配送点软硬时间窗,配送道路实况等因素,并整合了我国现行碳排放权交易政策,从根本出发分析了目前我国低碳冷链物流的配送路径,构建了以配送环节总成本最小为目标的数学分析模型,最后通过设计方案以及算法模型拟合得到最优结果。从运行结果看出,采用较改进的遗传算法可以在一个周期内降低冷链物流配送的总成本,以此证明了提出的模型和改进算法的有效性。     

基于改进遗传算法的连锁便利店配送路径优化研究

针对零售超市较高的送货时间段、服务时间要求,构建以配送费用最小为目标的带时间窗物流配送路径优化模型,以优化零售小店物流配送网络、提高物流配送质量为目的,采用改进遗传算法对模型进行求解。以石家庄部分苏宁小店为例,对其物流配送路径进行研究,优化后路径配送费用比优化前降低21.5%,研究结果为企业确定经济、合理的配送路径提供参考。     

启发式方法确定最短配送路径

描述配送中心最短配送路径的数学模型并提出应用基于模拟退火的启发式方法求解，同时详细说明了该方法中问题解的表示方法、产生新解的方法以及优化方法流程，并对该方法的可行性和有效性进行验证。     

航空物流配送路径优化

航空物流配送对航空货运时间及服务水平有着极大的影响,其中,配送路径优化是配送合理化的核心问题。采用遗传算法设计航空物流配送路线,具有更高的准确度,对降低成本提高效率更有效。     

考虑软时间窗的冷链配送路径优化

生鲜冷链配送存在着“损耗高、保鲜率低、冷链流通率低、成本高”等问题,因此对冷链物流配送路径进行优化有着重要意义。基于上述问题,考虑基于软时间窗的物流配送路径优化模型,以总费用最少为目标,研究了三种成本因素对物流路径的影响,并利用遗传算法对最优模型进行求解,从而得到最佳的配送路径。通过实例计算得出的最优路径总费用减少了15.36%。该方法得到的结果实现了冷链物流企业降低物流配送成本的目标,为企业物流决策提供依据。     

邮轮舾装托盘配送路径优化研究

对于邮轮多品种且巨量物资建造的精细化管理需求,船厂需要通过研究改善物流流程,提高造船过程中的生产效率。本文对邮轮建造过程中的舾装托盘配送路径优化问题进行研究,建立了一个最小化时间窗惩罚成本以及车辆运输成本的配送路径优化数学模型,设计了变邻域模拟退火算法对模型进行求解。最后通过算例实验证明了模型的合理性。     

应急物流中心选址与配送路径优化研究

文章从应急物流的基本概念及特性出发,分析应急物流与一般商业物流存在较大差异性,阐述应急物流不同于一般商业物流所涉及的关键技术和物流系统运作流程,提出了应急物流体系研究的必要性,以及应急物流中心选址与配送路径选择的关键性,在此基础上构建基于模糊层次分析法的应急物流中心选址模型,并建立了灾害过程中应急物资配送路径优化模型,最后利用案例解析证明模型的可靠性。     

基于改进遗传算法的TSP问题优化研究

旅行商问题（TSP问题）已经被证明属于NP完全问题。遗传算法是一种模拟自然界中生物的进化机制的优化策略．是一种基于群体、隐并行搜索策略，是求解TSP问题效率相当高的一种算法。因此．本文提出使用改进的遗传算法．即用个体数量控制选择策略以保证群体的多样性，用顺序交叉算子和部分路径翻转变异算子来提高算法的收敛速度．较好地解决了群体的多样性和收敛速度的矛盾。算法的分析和测试表明．该改进算法的是有效的。     

基于遗传算法和破坏重组算法的外卖配送研究

文章针对有大量订单的外卖商家,解决外卖骑手高效配送外卖的问题,应用遗传算法和破坏重组算法对外卖配送路线进行分析;首先利用遗传算法对配送路线进行自然数编码,随后进行选择交叉变异操作,通过迭代优化得到次优配送路线,在遗传算法的基础上再与破坏重组算法结合,使配送路线图进一步优化;通过MATLAB工具,对外卖配送进行仿真,得到迭代优化图和配送方案路线图。通过对算法结合前后得到的配送路线性能指标的比较,验证遗传算法和破坏重组算法结合的优越性。     

基于K均值的改进遗传算法求解TSP

提出一种基于K均值聚类方法的改进遗传算法,该算法通过聚类方法把大规模TSP转换为多个小型TSP,利用改进的遗传算法针对每一个类分别优化,求解得到多个闭合回路,再利用节约的思想将多段回路连接构成单一回路。其中遗传算法引入距离因子,结合TSP回路中边的长度进行交叉和变异,实验证明,基于K均值的改进遗传算法在求解结果方面提高30%以上。     

基于两阶段法的多车型卷烟配送路径优化研究

在烟草商业企业中,物流是其重要的环节,是连接客户与烟草企业间的纽带,其卷烟配送线路设计的合理与否直接影响到卷烟的配送效率和配送成本,就如何合理的规划线路成为卷烟配送的关键问题。文章以Q烟草公司为例,运用先分组后路线的两阶段法对问题进行求解,先利用K-means聚类算法对区域进行划分,再考虑工作量均衡的条件下引入遗传算法对区域进一步调整,最后利用混合遗传算法对各配送区域进行线路优化,通过实例从线路数、车辆数、空载率、配送里程及总成本等指标上可以看出两阶段法的配送效果更优。     

遗传算法在工程结构优化中的应用研究

首先介绍了遗传算法，接着将遗传算法与传统优化算法作了比较，然后介绍几种遗传算法改进的策略，接着通过一个简单的例子验证了遗传算法是求解全局最优解的一个有效方法，同时介绍遗传算法在实际应用中经常使用的几种改进方法，最后探讨了遗传算法与传统优化方法，BP神经网络，Hopfied神经网络，模拟退火算法，通用有限元软件的结合，以期能更好地解决复杂工程结构的优化问题。     

基于节约里程法的北京市家乐福超市配送线路优化方案

首先对节约里程法的节约思想和主要步骤进行了概述,并以北京市家乐福连锁超市为例,采用节约里程法对家乐福目前的配送体系进行优化,从优化前后的数据对比得出可靠结论,即节约里程法可使配送里程大幅减少,有效提升配送效率。     

遗传节约综合算法在配送路线优化中的应用

文章针对配送路线问题进行研究,首先提出配送路线优化的原则,在此基础上提出了解决配送路线问题的遗传节约综合算法的流程和步骤,最后通过一个算例实现了本文提出的算法,并与其它方法的计算结果进行了比较。从而证实了遗传节约综合算法的优越性.     

基于混合遗传算法对应急条件下蔬菜配送问题的研究

建立了一种应急蔬菜配送问题的模型,考虑到在对该类问题规划线路时种群规模对遗传算法选择最优解的影响,将改进扫描法的思想融合到遗传算法中,形成一种新型的混合遗传算法。结合改进的扫描法后的遗传算法在种群选择上加以有效控制,减少了遗传算法陷入局部最优解的概率,同时提高了算法的时效性。     

配送时间窗约束下车辆调度遗传算法研究

通过改进传统的遗传算法,结合中海油服物资配送特点,采用启发式交叉算子的方法,确保了算法迭代中的种群多样性。制定了基于配送时间窗约束情况下模糊预约时间的钻井平台损失惩罚函数,对可行解的范围进行了限定,从而加速收敛,保证了运算的效率。通过案例进行分析证明了可行性。     

带车辆路线安排的多配送中心选址问题的求解——基于SPSS和遗传算法

研究了带车辆路线安排的多配送中心选址问题。首先根据宏观的定量指标对需求点运用SPSS进行区域划分,将一个多配送中心选址问题转化为多个单配送中心选址问题,然后,在一辆配送车一次只能为一个需求点供货的情况下,建立并求解了单配送中心选址问题的整数线性规划模型;在一辆配送车一次可以为多个需求点供货的情况下,用遗传算法求出了最佳车辆配送路线和最佳选址位置。