資源描述：
《基于改進遺傳算法的農(nóng)產(chǎn)品配送路徑優(yōu)化研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、基于改進遺傳算法的農(nóng)產(chǎn)品配送路徑優(yōu)化研究[摘要]以第三方物流企業(yè)為視角，在保證配送質(zhì)量最高的情況下，將配送成本最低作為優(yōu)化目標，構(gòu)建多目標農(nóng)產(chǎn)品配送路徑優(yōu)化模型。針對此類NP問題，結(jié)合改進的遺傳算法，在Matlab2015環(huán)境下設(shè)計仿真實驗。結(jié)果表明，改進的遺傳算法在解決此類問題時，可行解能夠快速收斂到帕累托最優(yōu)，同時證明了模型和算法的科學性。[關(guān)鍵詞]遺傳算法；農(nóng)產(chǎn)品物流；多目標優(yōu)化；VRP[DOI]1013939/jcnkizgsc2018011361引言當前，我國農(nóng)產(chǎn)品流通過程中物流成本過高。一方面，在運輸過程中，由于農(nóng)產(chǎn)品自身的特點
2、使得產(chǎn)品損失率較大，導致貨損成本過高；另一方面，由于農(nóng)產(chǎn)品呈現(xiàn)地域性特點，面對多網(wǎng)點的產(chǎn)地和銷售點，傳統(tǒng)的憑經(jīng)驗選擇配送路線顯得太不科學，造成了產(chǎn)品在途時間過長、迂回運輸?shù)痊F(xiàn)象。基于以上背景，文章以第三方物流企業(yè)為視角，在保證配送質(zhì)量最高的情況下，將配送成本最低作為優(yōu)化目標，構(gòu)建多目標農(nóng)產(chǎn)品配送路徑優(yōu)化模型。文章研究的時間窗約束下的路徑優(yōu)化問題（VRP）屬于多目標優(yōu)化問題，對于這類問題很難用全局搜索法精確求解，目前解決這類問題大多數(shù)依靠啟發(fā)式算法。例如，遺傳算法、蟻群算法、粒子群算法、模擬退火算法等。FengXuLi通過分析農(nóng)產(chǎn)品流通的現(xiàn)狀
3、，提出一種?時間窗約束下多類型車輛配送路徑優(yōu)化模型，創(chuàng)新性地考慮了在不同類型的車輛有不同的邊際和成本費用，通過遺傳算法解決；王飛軍等人在分析農(nóng)產(chǎn)品配送車輛調(diào)度問題的基礎(chǔ)上，引入蟻群算法解決該問題。實驗證明，蟻群算法能夠快速收斂到帕累托最優(yōu)解，研究對于實現(xiàn)車輛合理調(diào)度、縮短運輸路程、降低運輸費用有較大意義。張遜遜等人為了實現(xiàn)農(nóng)產(chǎn)品配送系統(tǒng)的節(jié)能減排，將碳排放量考慮到VRP問題中去，構(gòu)建碳排放量最低和最短路徑?jīng)Q策模型，提出了基于相似性選擇的演化算法，最后通過案例仿真驗證了所提出算法的科學性。2多目標VRP優(yōu)化問題數(shù)學模型構(gòu)建21貨損成本因為農(nóng)產(chǎn)
4、品自身的特性，如易變質(zhì)性、地域性等特點，加上我國冷鏈不完善、溫度的波動以及流通環(huán)節(jié)中不專業(yè)操作等因素，從生產(chǎn)到銷售這段時間內(nèi)產(chǎn)生的貨損成本。22物流滿意度一般而言，將現(xiàn)實中貨物在途時間分為兩部分，第一部分是客戶期望收到貨物的時間，這段時間內(nèi)客戶的物流滿意度為100%；第二部分是客戶在可以接受的時間范圍內(nèi)接收貨物，假設(shè)在這段時間內(nèi)，客戶的物流滿意度與時間呈線性關(guān)系。3VRP問題下改進的遺傳算法GA主要依靠選擇、交叉、變異等遺傳算子實現(xiàn)種群的優(yōu)勝劣汰，對于二進制編碼的染色體而言，當種群不具多樣性，算法易陷入早熟、收斂；對于十進制編碼的染色體，面
5、對組合優(yōu)化問題時，不能在任意基因位交叉染色體，交叉會使得新產(chǎn)生的染色體不是優(yōu)化問題的解。PGA的遺傳操作僅在兩條染色體上進行“交叉”為主，在一條染色體上進行變異操作為輔，即通過單個個體繁殖后代，所以稱為單親遺傳算法。PGA的選擇算子功能和GA無異；不同的是，PGA利用基因重組算子實現(xiàn)了GA的交叉和變異功能。31基因換位操作GA主要通過交叉算子實現(xiàn)整個種群的迭代，但使用序數(shù)編碼時候個別問題不能進行交叉操作，必須使用PMX、OX和CX等特殊的交叉算子。這些特殊的交叉算子操作復雜，并且執(zhí)行效率不高。所以此處借助另一種遺傳算子實現(xiàn)種群的更迭―基因換
6、位算子。PGA的基因換位算子是按一定概率p隨機交換染色體中基因位的過程?；驌Q位可以分為單點換位和多點換位，單點換位一次只交換一對基因位；多點換位是對于預先給定的正整數(shù)u，取隨機數(shù)i（1≤i≤u），一次交換i對基因位。當u取3，i取2，PGA的多點換位操作如下：R=258741369R′=27854936132編碼及解碼方案本文采用十進制編碼，0表示配送中心，1，2，3…表示目的地。首先，隨機產(chǎn)生一組排列。假設(shè)有9個目的地，隨機產(chǎn)生326481957的排列，具體編碼思路如下：（1）從左向右依次累計目的地的需求量，一旦累計需求量超過貨車的載重
7、量就停止計數(shù)，設(shè)經(jīng)過n次累計之后累積量超過貨車的載重，記錄此時的斷點1為n-1，累積量清零。（2）從排列的第n位開始繼續(xù)重復第一步，假設(shè)再次超過貨車載重量時，此時的累計次數(shù)為m，記錄斷點2為n+m-1，累積量清零。（3）重復上述步驟直至排列的最后一位，生成斷點矩陣。（4）依據(jù)斷點矩陣，在排列對應基因位和首末位加上0，編碼完成。33適應度函數(shù)適應度函數(shù)（ft）用于評價解集中的個體對于目標函數(shù)的優(yōu)劣性，通常根據(jù)實際問題需要設(shè)定。在適應度函數(shù)的設(shè)計方面，常采用將目標函數(shù)映射成適應度函數(shù)的方法。本文選?。╢t）=1/（Zmin+V?q）。V表示懲罰
8、系數(shù)。34算法流程Step1：確定編碼方案，將待優(yōu)化問題的潛在解表示成染色體。Step2：確定控制參數(shù)以及適應度函數(shù)。Step3：隨機產(chǎn)生初始種群。Step4：計算種群中個體的適
