节约里程法在古贝春酒业物流配送路径优化中的应用

1、摘要紧随市场经济的高速开展，以及物流技术方面的专业化水平不断提升，物流配送行业 也发生了巨大的开展。可是，因为在物流配送方面具有较高的本钱，从而让商品的价格也是 居高不下。物流配送属于物流运行及操作过程中的一个极其关键的组成局部，也是各个 企业为应对激烈竞争，而实施的一项延伸性的服务。本文通过对古贝春酒业生产车间现场 调研和分析，从物流配送的角度出发，对古贝春酒业的生产车间车辆配送路径进行优化。 物流配送系统作为生产车间的一个重要组成局部，是企业开展生产物流活动的重要保障。 本文首先介绍了古贝春酒业及其在生产车间物流配送中存在的问题，并对车辆路径优化 的相关理论进行了介绍；然后通过车辆路径优化

2、的数学模型的建立，以及物流配送车辆 合理的线路规划，以满足减少相关费用的优化目标。本文采用遗传算法优化物流运输路 径，通过MATLAB编程实现，并且获得了最正确的物流车辆配送路径，这降低了企业的 物流本钱，并提高了生产效率。关键词：物流配送；配送线路；遗传算法配送中心类似于一个集货物仓储与车辆调度于一身的仓库，配送中心为各需求方提供 货物配送，安排车辆的配送路线来完成配送需求。在一个配送网络中，配送中心的数量可以大于等于一，这个需要根据具体情况具体需 求来决定，而配送中心可提供的服务也是不是单一的，可以很好地满足需求方。(4)客户客户可以是个人、企业、超市等，而需求方的信息包括了位置、重要等级

3、、需求货物 的品类数量、配送的频率等。客户的重要等级可以决定配送的顺序，越是重要的越优先配送。客户所需货物的品类数量决定了配送车辆的类型及数量。有些客户对配送有一定的约束，例如必须在每天的某一时间段进行配送，假设没有在该 时间段内进行配送；有些没有限制，在任何时间段都可以进行配送。(5)配送路径车辆的配送路径是由一定的约束条件及目标函数来决定的，根据不同的条件得出的路 径也不相同。(6)目标函数目标函数可以是单目标，亦可以是多目标，常见的车辆路径问题的目标函数有以行驶 路径最短为目标、以配送时间最短为目标、以配送本钱最小为目标、以车辆承载率最高 为目标等。(7)约束条件针对不同的目标函数，约束

4、条件也会相应的不同，主要的约束条件包括时间窗约束、 车辆载荷能力约束、车辆行驶距离约束等。生产车间的车辆路径问题生产车间的生产线物料配送路径问题是车辆路径问题的深入应用，表示的是单个或多 个物流配送中心对多个工序位置，在各工序位置时间窗、配送车辆的额定载荷或车辆的 行驶距离等的约束下，到达本钱最小或配送路径最短等目标。相比一般的车辆路径问题，有如下的区别:（1）需要配送的货物由于是面向生产线的配送，不同的工序需求的物料均不相同，这使货物需求更加多样 化。（2）配送车辆配送车辆的承载能力直接决定着是否能很好的满足生产线需求，假设车辆的承载能力不 够，只能通过增加配送车辆来满足各工序的需求，这会严

5、重占用配送中心面积，增大物 流本钱。（3）客户客户变为工序，生产节拍决定着工序的需求频次，假设节拍较快，可不考虑时间窗问题， 假设节拍较慢那么需根据时间窗或各工序的动态需求来安排配送。（4）配送路径一般的生产加工车间不允许配送车辆逆行或倒行，这样就对车辆的行驶路径约束较大。（5）目标函数生产制造型企业一般以利益为第一位，所以目标函数一般选择本钱最低，但是配送的 本钱组成很复杂，这需要进一步探究。（6）约束条件根据生产的实际需要，可能会产生同时送取的问题，这对车辆的载荷控制要求更为严 格。2.2车辆路径问题的分类随着车辆路径问题的深入研究,车辆路径问题根据约束条件的不同及实际情况的不同, 可以分

6、为多种车辆路径问题：（1）时间窗约束的路径问题：随着时代的开展，物流业的竞争越发的激烈，因而时 效问题成为提高竞争力的关键，即在客户期望的时间区间进行物流配送，这就有了时间 窗的约束车辆路径问题，而时间窗约束还分为软时间窗约束和硬时间窗约束。软时间窗 是指在特定的时间区域内未为到达，那么在一定公式条件下计算出惩罚金额，即软时间窗 不是绝对的，可以在时间范围外有些许浮动；硬时间窗指客户需求的配送时间范围不可 更改，只允许车辆在这一固定时间进行配送。(2)车辆约束的路径问题：即对配送车辆进行约束，可以是单一车型，亦可以是多 种车型混合配送，这就要结合配送方可提供的配送条件和客户的需求来定义。多种车

7、型 混合配送时相对复杂的问题，但是对于需求多样的客户，这种配送方法无疑是经济高效 的。(3)客户需求约束的路径问题：该类型主要是根据客户的需求来进行配送的，对于 客户的需求可以分为两类，一类是客户需求固定，另一类是客户需求变动。对于需求固定的问题，比拟多的应用在生产节拍较强的企业，对于这种问题，车辆配 送的路径也相对固定；对于客户需求不固定的问题，这种需求变化时随机的，在一项配 送任务正在进行中时，某些客户点会产生临时的需求变动，假设客户需求变化是有规律的， 那么该问题可针对不同时间段的需求演变成固定路径问题。(4)配送中心数量约束的路径问题:该类型的问题是根据配送中心的数量来进行区 分的，主

8、要分为两大类，第一类是单一配送中心，第二类那么是非单一配送中心即多数量 配送中心。所谓单一配送中心即只有一个配送中心，所有的配送车辆从这个配送中心出 发，配送完成后再返回到这个配送中心，这样便于管理及配送路径的规划。而随着物流的开展，及客户需求的增加，往往单一的配送中心不能满足客户的需求， 进而产生了多个配送中心进行配送，这种问题相对复杂，如何将复杂的问题单一化是一 个需要进一步研究的问题。(5)配送路径长度约束的路径问题：对于某些不能随时补充能源消耗的车辆，其行 驶的最大路径成为约束的问题，一般情况下，该问题的约束条件是在可行驶最大路径长 度的基础上，对客户的需求及车辆的承载能力进行考虑及约

9、束。综合上述对车辆路径问题的分类，框架式物流车可满足客户的多样性需求，在生产制 造业的现场可以满足不同工序的需求，可以很好地弥补单一配送车型及单一配送中心的 局限性。2.3遗传算法遗传算法的基本原理遗传算法是60年代由美国的J.HolIand教授首次提出，其思想是基于生物遗传和进 化机制的适合于复杂系统优化计算的自适应概率优化技术，主要用于解决复杂的线性、 多目标的数学函数问题，在布局设计、路径规划、遗传编程、人工生命、生产调度问题 及图像处理和组合优化等方面己获得了显著成果。而将遗传算法的思想和方法融入到车 辆路径中，己经成为了一种新的流行趋势。基本遗传算法是遗传算法的个基本框架，对于不同领

10、域问题，遗传算法的形式有 所不同。对于车辆优化调度，为简化货运优化调度问题的难度，常常应用一些技术将问 题分解转化成一个或几个己经研究过的基本问题，比方车辆路径问题。本文的车辆路径 数学模型可简化成车辆路径优化问题，因此下面主要介绍求解车辆路径优化问题的遗传 算法。遗传算法的求解步骤遗传算法是借鉴生物界的优胜劣汰、适者生存的遗传机制所演化而来，并逐渐生成 对其自然适应性很强的优良品种，它是对生物遗传和进化过程的计算机模拟产生的一种 搜索最优解的方法。虽然这种全局优化自适应概率搜索算法可用来解决复杂的线性、非 线性问题，不过它的工作机理并不复杂。遗传算法的步骤如下：（1）确定各种约束条件的染色体

11、。确定编码策略，通过编码将可斤解集合变化成 适当的染色体结构空间。在遗传算法的使用过捏中，根据不同的问题其编码的方式也会 不同，染色体编码方式的选择应该符合约束条件，否那么对选择、交叉、变异等遗传操作 方式产生直接影响。（2）随机产生初始种群作为初始解。初始解的好坏决定搜索时间的长短，缩短搜 索时间能够使输出结果快速收敛到稳定状态。（3）确定染色体的适应度。适应度用于表达染色体的优劣程度，适应度越大染色 体越好，反之适应度越小那么染色体越差，遗传算法是为了寻找最为适应的染色体。（4 ）设计遗传算子，即确定出选择运算、交又运算、变异运算等遗传算子的具体 操作方法。其中复制表示优胜劣汰的遗传机制，

12、交叉表示有性繁殖的理念，变异表示进 化过程中的基因突变。（5 ）重复步骤（3 ）、（4 ）直到满足终止条件为止。遗传算法的特点遗传算法是一种解决复杂系统优化的搜索算法，它模拟生物界的自然进化过程，实 现特定目标的优化，同传统的优化算法比拟，具有如下特点：（1）具有比拟好的学习性。知识是一直实践获得的，在模拟进化过程中学习是不 可忽视的。遗传算法有三种学习方式。第一，宗亲学习：后代将父代的优质特征通过” 血缘”的继承方式学习该行为；第二，在遗传算法进程中各独立群体的内部知识是共享 的；第三，个体学习：优胜劣汰，只有自己不断的学习才能存活，通过经验和知识的不 断积累从而改变自身的基因结构。（2）良

13、好的扩展性。遗传算法的结构比拟简单，交叉、变异的算子能够很顺利的 引进其他算法，还能在原有遗传算法的基础上添加改进的算子，显示出很强的扩展性和 兼容性。（3）具有比拟好的通用性。遗传算法在设计搜索范围和方向时只需要将目标函数 值变换成适应度函数值，而其它算法在选择搜索方向时还需要其他条件的辅助和支持。 所以遗传算法适用于组合优化问题。（4 ）对可行解表示的广泛性。遗传算法的处理对象是通过决策变量的编码得到的 染色体，通过编码可以使遗传算法对其结构对象进行直接操作。（5）群体搜索特性。在多峰分布的搜索空间中，单一搜索点所指出的搜索信息不 全面，因此常常处在局部最优解而停止搜索。相反，遗传算法由多

14、个个体所构成的初始 种群搜索最优解。这是遗传算法所特有的全局搜索性能。（6）遗传算法不但具有很强的灵活性来处理各种各样的特殊问题，而且混合构造 领域内的启发式，从而确保算法的可行性。（7 ）单一遗传算法的编码不可从将优化问题的约束完全显露，并且对不可巧解采 用阔值的约束方法会增加计算时间。234遗传算法与传统算法比拟传统优化算法是指通过寻求一种能产生可行解的启发式规那么，从单个初始值开始迭代 求出问题的一个最优解或近似最优解。该方法求解问题的效率较高，但是它对每一个所 求的问题必须找出其特有的后发式规那么，这个启发式规那么一般无通用性，不适用于其他 问题，且容易误入局部最优解。遗传算法从串集开

15、始搜索，采用的不是确定性规那么，而10 是强调利用概率转换规那么来引导搜索过程，覆盖面大，这种种群对种群得搜索有能力跳 出局部最优解，利于全局择优。遗传算法与传统优化算法有着本质的区别，主要有以下 四点不同：(1)遗传算法通过保持一个潜在解的种群进行多方向搜索，而不是单点。(2)遗传算法并不需要辅助信息辅助知识，只需要影响搜索方向的目标函数和相对 应的适应度。(3)遗传算法使用概率转移率，以一定的概率选择局部个体繁殖，另一些个体消亡, 而不是确定的变换规那么。(4)遗传算法工作时用编码参数集，而不是自身的参数集。II3古贝春酒业配送路线的现状分析简介古贝春集团始建于1952年。1999年1()

16、月改制为有限责任公司，是山东省 较早的白酒酿造企业和纯粮食酒重点生产厂家。公司现有员工2300人,总资产6.3亿元。 下辖新城酒厂、老城酒厂两个经营单位。年生产优质白酒能力12000吨。主导产品“古贝 春和古贝元酒。目前可生产四大香型(五粮液浓香、古贝春浓香、兼香、酱香)的纯 粮优质白酒。古贝春集团不断提高产品质量，开发高科技含量产品，并坚持一 业为主，多元化经营的方针，拓宽多种渠道，扩大企业效益的增长点，增强了企业的发 展后劲。主要效益指标位居德州市同行业之首，全省同行业前列。并被中国食品协会授予全 国质量效益型先进企业。年销售收入过亿元，创利税4000多万元。古贝春将逐 步实现立足山东，走

17、向全国的新格局。古贝春酒业现有配送路线选择的现状及问题古贝春酒业现有配送路线选择的现状古贝春酒业最初采用的是完全自营物流配送模式，经过一段时间的实践，发现这种 模式已经不能适应其服务要求。古贝春泗业对这种配送模式进行了一次转型，采用自营 物流与第三方物流相结合的物流配送模式，但是仍然以自营物流为主，其自营物流所占 的比例在80%左右，古贝春酒业还自定了配送的时间，城区在12小时以内，城乡在3 天以内。古贝春酒业的供货流程如图3所示。12图3古贝春酒业供货流程图古贝春酒业的仓库运作相对于其他一些零售企业来说是比拟先进的，其效率也是比 较高的，主要以机械化作业为主，对于信息处理那么采用了计算机统一

18、处理。与此同时, 古贝春酒业也根据企业的实际情况，采用了一套先进的物流信息系统对物流活动进行管 理，包括运输管理、仓储管理、财务管理、设备管理、订单处理以及配送管理。目前, 古贝春酒业主要应用的是SAP系统。库存管理系统对仓库的进出货进行实时管理，使 进出货的出错率变得相当低。采用SAP系统管理以后，配送车辆的反响能力和送货效 率得到了有效的提高。从古贝春酒业的物流现状不难看出，古贝春酒业正在大力的对其物流配送能力进行 提升，在库存管理方面已经做到进出货出错率基本为Oo但是限于古贝春酒业采用的是 自营与第三方物流相结合的物流配送模式，使得配送方式随意性强，缺乏对配送流程与 配送线路等进行仔细周

19、密、科学的规划。古贝春酒业现有配送路线选择存在的问题(1)信息系统不健全，信息传递不畅。虽然古贝春酒业己经采用了相比照拟先进的 SAP系统对企业进行管理，但由于人员素质、系统硬件方面的原因，使得古贝春酒业的 信息系统仍然不够健全，整体的信息化水平比拟低。这就使得古贝春酒业在信息传递方 面存在一定的缺陷，导致信息传递不畅。所造成的结果就是，企业在进行物流配送时， 不能够及时的获取最新的信息去调整配送路线、配送车辆以及配送时间。(2)物流配送路线的选择存在无序性。家电产品的销售具有非常明显的季节性特点, 夏天和冬天是家电产品销售的旺季。每当进入销售旺季，古贝春酒业的物流配送就有点13 慌不择路了，

20、完全没有系统的调配与管理，处于被动调配机制。哪家门店的存货告急， 就先送到哪家门店，完全没有合理的路线选择与时间安排，出现了物流配送路线选择与 车辆搭配的无序性问题。（3）配送中心选址不科学使物流配送路线的选择变得越发困难。起初，古贝春酒业 在配送中心选址上并没有综合的考虑各方面的因素，只是单纯的考虑了地价或者是租金 方面的价格因素，而忽略了配送中心与各门店之间的关系，这种盲目不科学的选址方式， 使得在后期的配送过程中，由于路程远、路况差、配送时间长等因素，造成了高昂的物 流配送本钱，给企业带来了损失。（4）在选择物流配送路线时没有考虑到搭配合适的车辆。采用不同的车辆运输货物 时其载重量是不一

21、样的，这对于选择合理的配送路线也是有很大影响的。载重量不够就 不能用最少的出车次数送到全部的货物,就不能选择合理的配送路线，增加了物流本钱， 同时也影响了配送效率。144古贝春酒业的配送路线进行优化4.1VRP问题描述在现有的工厂各工位区生产物流管理系统研究中，车辆路径问题是较受关注的一个方 面。它是指在各工位需求位置己知的情况下，确定物流运输车在各个工位间的行驶路线， 使得运输路线最短。物流运输车调度及路线安排问题可描述为：在工厂缓存区中心位置、各工位节点位置 和道路等的情况下，对m辆物流运输车，n个工位节点位置，在每个工位节点位 置的服务需求的条件下，确定物流运输车分配（每辆物流运输车负责

22、的工位）及每 辆物流运输车的行车路线。因此总体目标是：每次物流运输车服务的路程尽可能最短，所用的物流运输车数量尽可能最少。同时要 满足以下约束条件：.所有物流运输车的路线均起始并终止于物流中心，每一个工位每次只由一辆物流 运输车服务。. 一辆物流运输车一次可以服务多个工位。.每个工位都有一个非负的货物需求量,但每辆物流运输车负责的工位点货物需求 量总和不超过该物流运输车的最大装载量。4.2 VRP问题数学模型建立物流中心编号为0,各工位节点位置编号为j,定义变量如下:Y _ Jh物流运输车k由i行驶向jdjk 一（0,否那么_ k工位点i由物流运输车k完成丫lo,否那么此问题的数学模型为：15

23、AbstractFollowing the rapid development of market economy and the increasing level of specialization in logistics technology, the logistics distribution industry has also undergone tremendous development. However, because of the high cost of logistics and distribution, the price of goods is still hi

24、gh. Logistics distribution is an extremely critical part of the logistics operation and operation process, and also an extended service implemented by various enterprises to cope with fierce competition. Based on the on-site investigation and analysis of the production workshop of Gubeichun Liquor I

25、ndustry, the vehicle distribution route of the production workshop of Gubeichun Liquor Industry is optimized from the angle of logistics distribution. As an important part of production workshop, logistics distribution system is an important guarantee for enterprises to carry out production logistic

26、s activities. Firstly, this paper introduces Gubeichun Wine Industry and its problems in logistics distribution in production workshop, and introduces the relevant theory of vehicle routing optimization. Then, through the establishment of mathematical model of vehicle routing optimization and reason

27、able route planning of logistics distribution vehicles, to meet the optimization goal of reducing related costs. In this paper, genetic algorithm is used to optimize the logistics transportation path, which is realized by MATLAB programming, and the best logistics vehicle distribution path is obtain

28、ed, which reduces the logistics cost of enterprises and improves the production efficiency.Key words: Logistics Distribution; Distribution Route; Genetic AlgorithmsMiZ=E Z fdijXjjk j j k(4-1)约束条件： TOC o 1-5 h z X 产0V/J(= O = o,l.n; Yk(4-2)网(4-3)jZ)% = l，i = L(4-4)k九产 0或 1, i = 0J.； Vk(4-5)2孤=%,/ = 0

29、,1.； VZ(4-6)iZx 次=)%， = ，1；yk(4-7)jXq0J, = 0,1.j;VZ(4-8)式中工位点为i, i = 0,l.n； K为物流运输车的集合；0.为物流运输车的最大容量；%为工位i到工位j的之间的距离；处为工位i的需要服务量;n为工位节点的数量；X, 为物流运输车k从工位i行驶到工位j为1,否那么为Oo式(4-1)为目标函数，以总的路径最短，即总行驶本钱最低为目的，这个量与每次物流 运输车配送走过的路程、物流运输车服务次数等都有关系。式(4-2)为防止物流运输车在同一个地点之间巡回的约束条件。式(4-3)是物流运输车容量限制约束条件，即某台物流运输车所访问的全部

30、工位点的需 求量不能超过物流运输车的最大装载量。式(4-4)确保工位点i由物流运输车k完成的唯一性；式(4-5)表示工位点i由物流运输车k完成与否；式(4-6)、(4-7)为到达某个工位的物流运输车唯一性约束；16式(4-8)表示物流运输车k从工位点i行驶到工位点j与否；为了安排物流运输车的配 送路线，需要对使用的车辆数有一个估计，通过此问题的数学模型，不难看出：至少需 要义/Qk辆物流运输车才能完成全部任务。4.3 VRP问题遗传算法构想染色体结构形成为了计算机处理的方便，本文对于牵引车路径问题的遗传算法采用自然数编码形式， 使求解过程大大简化，提高了运行效率。对上述m辆物流运输车n个工位节

31、点的数学模 型的解向量，编成一条长度为n+2m的染色体首先生成n个工位节点的一个全排列，再将2m个出发中心随机插入该排列中的不同位置，自 然数。表示第j个工位节点，0代表物流中心，并把自然数编码分成m段，形成m个子 路径，表示由第m辆物流运输车完成所有的运输任务。这样的染色体编码可以解释为: 第1辆物流运输车从物流中心出发，经过%，&工位节点后，回到物流中心，形 成子路径I;第2辆物流运输车也从物流中心出发，途径j上工位后，回到物流中心， 形成子路径2； m辆物流运输车依次出发，完成所有运输任务，构成m条子路径。例如，由3辆物流运输车完成8个工位的运输任务的路径安排由染色体023005 7 1

32、 008460表示，那么：子路径1:物流中心/工位2/工位3/物流中心；子路径2:物流中心/工位5/工位7/工位1/物流中心；子路径3:物流中心/工位8/工位4/工位6/物流中心。432确定适应度函数通常情况下，适应度函数要求非负，因此目标函数需要转化为适应度函数。九 =bz/z.此处染色体乙的适应度为九，b是常数，N表示是初始群体中最好染色体的运输本钱, z表示是染色体乙的运输本钱。17遗传算子选择根据各个个体的适应度值，按照一定的规那么或方法从上一代群体中选择出一些优良 的个体遗传到下一代群体中。本文采用轮盘选择法，所谓轮盘法即根据偏置轮盘的原理，每个染色体在轮盘上占 有一个格，而格的大小

33、那么与染色体的适应度值成正比。在选择一个新的染色体时，先转 动轮盘，待轮盘停下，落在标记处的格子所对应的染色体即被选中。按比例进行适应度分配，对每一个染色体而言，被选中的概率为：1=1P,表示第i条染色体的适应度概率分布，表示第i条染色体的适应度。力力表 1=1示所有染色体的适应度总和。由于非满载VRP组内有序、组间无序，假设通过之前的几个交叉算子，维持双亲的 优良组特性是很困难的，而且有许多不可行解的出现。比方在染色体A =0123404560, 01230己经是最优路径的子路径，但是04560还不是最正确子路径，于是交叉该染色体， 如果选用30的匹配段，进行交叉运算后得到的后代也许会丧失这

34、段01230的优良基因。所有我们设计了交叉算子：（1）当染色体交叉处的两个基因全是。时二那么运用顺序交叉运算；（2）当染色体交叉点处的基因不全为（）时，就进行交叉点左移或右移，于是左右两 个交叉点处的基因全为0,然后再进行顺序交叉运算。4.4MATLAB运行程序（1）设置控制参数：交叉概率匕，变异概率P,”和种群大小；（2）使用自然数编码，通过遗传算法构造表示可行线路的染色体长度；（3）编码适应值函数文件fitness,计算适应度值；（4）根据适应度，按轮盘选择法复制下一代染色体，编辑相应的Selection文件；（5）对个体按适应度大小进行排序，编辑相应的rank文件；（6）进行crosso

35、ver交叉，编辑相应的crossover文件；（7）进行变异操作，编辑相应的Mulalion文件；（8）打印算法迭代过程 plotGA（generation_size）;18（9）假设满足算法停止迭代的条件，那么停止，否那么继续；（10）在MATLAB主界面中逐步求解，调试，运行遗传算法主函数。4.5遗传算法求解古贝春酒业VRP问题由物流中心向该工位区的20个工位点匕（j= 1, 2,20）配送零件，各工位点 的货物需求量（单位：挂车）如下表4-1所示，通过对该工位区的物流运输车路线 图的测量整理，得出缓存区中心P。及各工位点间的距离（单位：mm）如下表4-2所示， 这些配送任务由缓存区中心发

36、出的最大容量Q=4挂车的牵引车来完成。要求合理安排 牵引车的行驶路线，使总的运行路线最短。表4-1各工位点的货物需求量PiPlPiP3Ps6PiPsP9PioPuPl2P13Pl4P15Pl6Pl?PisP19P20gi0.10.10.0.0.10.10.1110.1110.0.5555555555表4-2物流中心及各工位之间的距离dijPoPPiP3P4P5PsPiPs%Po068441399225694306067283165434555225859053899P68440714818850237626598758590486785174664477Pl139927148011702166

37、145883951442415304459857329256941885011702049124713739740298283289645627Pa306062376216614491204222534828249162798440715Ps7283165987588394713742225073971730914241220106543458590514423974034828739709912684414613Pl55522484674153029828249161730999120306815799198585905174644598328962798414241684430680127

38、31P1)5389964477573294562740715220101461315799127310Pio4821270164630165131446402276972030021486184185687Pll42136762406909257390524783377326376275622449411763Pl229800885768142869726648144610938712398983683024099P1351087851917804366341614294272435327365133344520714Pl462850734286628054578496665448747090

39、428414484832477P1562166553224817436472315604099933602235102657839309P1651589451013795326251213393033222935129331600128732Pm64887580435089539193342814354036143262312929942030Pis71339644955734745645407334999242595326833575148482Pl979612909578380972107671957124963852591456197049239208251788052809046920

40、2642907354966152562405930852144d qPioPnP12Pl3P14P15Pi6/717PisPl9P20P。5389482142132980510862855158648871337961825192607097927Pi6447701676248857851973424510580464499095880574061813572P257326301690981427804662837955089573483808090962830357944562513157396972663454572625391945647210692074061813572Pa40714

41、640524764816142496621333428407367196429528496913502021P52201027697337734610942724544873033243540499927124973549Pg1461320300263763871235327470902293536143425956385266152Pi2148627562398983651342841235101293326231326835914556240A1841824494368303344544848265781600129299357516197059308P956871176324099207

42、1432477393092873242030484824923952144Pio06076184121502726790459413441947717541694355246457Pn6076012336895120714398654049553793602453747640381Pl21841212336021287330505220152831661297258149812527170315027895121287011763309144149145887523392852531430Pl426790207143305011763019151297283412440576311482824

43、3Pl 5459413986552201309141915101057714973214253563532730Pl6344194049552831414912972810577013298197504621243307Pm47717537936612945887341241497313298064525060847703Pl854169602457258152339405762142519750645205125248347Pl94355237476498122852531148356354621250608512520290520464574038152717314302824332730

44、43307477034834729050根据前面建立的车辆路径优化模型，采用遗传算法进行求解。首先对牵引车的数量m进行估计，至少需要辆物流运输车才能完成全部任务，算得物流运输车的 _1=1_数量为：m=(0.5+1+0.5+1+0.5+0.5+0.5+1+0.5+1 +0.5+1+0.5+1 + 1 + 1 +0.5+1 + 1 + 1 +0.5+0.5)/4=4本文的遗传算法参数设置为：选择自然数编码，最大代数800,交叉概率为0.9,变异概率为0.04。应用本文改进的遗传算法进行路径优化，由MATLAB编程计算得出的最优结果，即总运行费用最省的路线，并对输出结果进行了直观的设计，如下列图4

45、-2所示：22Command Window424 0.001651人425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 44。 441 442 443 444 445 493 0.001690494 495 496 497 498 499fsua *591573ans 二 TOC o 1-5 h z 41015all_truck_node -Columns 1 through 1303421007865910Columns 14 through 26190图4-2 matlab路径优化结果得到的最优路线结果为 03 42 1

46、007 8 65 9 10 0 0 16 17 18 15 20 00 12 11 13 14 19 0,总距离为591573mm。那么只需使用4辆物流运输车，对应的行驶路线方案统计结果如 下表4-3所示:表4-3行驶路线方案物流运输车车辆路径路径长度每辆车装载量1P0-P3-P4-P2-P1-P06121232PO-P7-PP6-P5-P9-P10-P。14874043P0-P16-P17-P18-P15-P20-P020801144Po-P12-Pll-P13-P14-P19-Po173610423图4-3最优目标函数值曲线图由图4-3我们可以看出通过遗传算法迭代超过400次以后，可以得到

47、最优的路径。 我们可以通过检验发现此次matlab计算得出的最优路径就是我们寻求的最优解。成功优 化了古贝春酒业车间的车辆配送路径，降低了物流本钱，提高了企业的生产力。24结论这篇文章先是分析了古贝春酒业的原有配送情况，从而发现了此企业在配送路线方 面具有着较大的随意性。然后依照着此种情况，总结出此企业需要利用路线优化的方式 去尽可能的减少货物配送的相关本钱，以便于提升企业自身的竞争能力，通过一系列的 探究后决定利用遗传算法去处理此项问题。到文章的最后，把优化以后的配送路线和最 初的配送线路所具有的相应本钱耗费实施了比拟，得出了优化以后的配送路线不但可以 节省局部配送的时间耗费，还能够减少相应

48、的配送本钱。当前的大局部企业在物流配送中都存在着配送路线的随意挑选现象，从而让配送的 本钱太高，配送的效率也不高。这篇文章利用了遗传算法，可以有效的优化配送路线， 进而实现提升配送的效率和减少配送的本钱，同时对于环境污染也具有一定的保护效果。 所以说，这篇文章中探讨的遗传算法对于企业挑选配送路线是具有很大影响的，并且对 于企也自身以及社会均是具有积极效应的。25摘要 TOC o 1-5 h z HYPERLINK l bookmark16 o Current Document AbstractII HYPERLINK l bookmark26 o Current Document 1绪论1 H

49、YPERLINK l bookmark28 o Current Document 研究背景1 HYPERLINK l bookmark30 o Current Document 国内外研究现状2国外研究现状2国内研究现状3 HYPERLINK l bookmark32 o Current Document 研究的目的、意义和方法3研究目的3研究意义4研究方法4 HYPERLINK l bookmark34 o Current Document 2物流配送路径优化概述5 HYPERLINK l bookmark36 o Current Document 车辆路径问题介绍5车辆路径问题的组成要素5

50、生产车间的车辆路径问题6 HYPERLINK l bookmark2 o Current Document 车辆路径问题的分类7 HYPERLINK l bookmark4 o Current Document 遗传算法9遗传算法的基本原理9遗传算法的求解步骤9遗传算法的特点10遗传算法与传统算法比拟10 HYPERLINK l bookmark6 o Current Document 3古贝春酒业配送路线的现状分析12 HYPERLINK l bookmark8 o Current Document 简介12 HYPERLINK l bookmark10 o Current Document

51、 古贝春酒业现有配送路线选择的现状及问题12古贝春酒业现有配送路线选择的现状12古贝春酒业现有配送路线选择存在的问题13 HYPERLINK l bookmark12 o Current Document 4古贝春酒业的配送路线进行优化15VRP问题描述15 HYPERLINK l bookmark14 o Current Document VRP问题数学模型建立15参考文献lYong Wang,Xiaolei Ma,Maozeng Xu,Yong Liu,Yinhai Wang. Two-echelon logistics distribution region partitioning p

52、roblem based on a hybrid particle swarm optimization- genetic algorithmJJ. Expert Systems With Applications,2015,42( 12).2Yong Ye,Jing Wang. Study of logistics network optimization model considering carbon emissionsJ. International Journal of System Assurance Engineering and Management,2017,8(2).3Xi

53、nyu Zhang. Analysis for Scale-Free Network Characteristics of Logistics Distribution NetworkJ. Journal of Service Science and Management,2014,07(03).4Xiao-Ping Xu,Xi-Ting Shi,Feng Wang. Solving logistics distribution center location problem using a wolf pack algorithmJ. Journal of Discrete Mathemati

54、cal Sciences and Cryptography,2() 17,20(6-7).5Ismail Abushaikha. The influence of logistics clustering on distribution capabilities: a qualitative studyJ. International Journal of Retail & Distribution Managernent,2018,46(6).6Simic Dragan,Kovacevic Ilija,Svircevic Vasa,Simic Svetlana. Hybrid Firefly

55、 Model in Routing Heterogeneous Fleet of Vehicles in Logistics DistributionJ. Logic Journal of IGPL,2015,23(3).7傅磊，胥卫平.连锁经营企业城市配送优化路线优化研究一以温州人本物流为例J. 现代商贸工业,2018,39(07):40-42.薛菁，吴霞，梁子靖.遗传算法下悦客便利超市日用品配送的路径优化J.价值工 程,2018,37( 12):87-89.李柏敏,杨丽英，莫丽莎.宜州市快递物流配送网络优化分析J.沿海企业与科 技,2018(01):16-19.10孙胜博，孙军，籍思影.基

56、于遗传算法的吉林春光乳业配送方案研究J.物流科 技,2018,41(06):43-45.11刘凤起.遗传算法优化设计青岛市市北区麦当劳餐厅配送路线J.现代商业,2018(25):20-21.12王海燕，王晓莉.基于遗传算法的中百超市配送路径优化J.物流技术,2017,36(03):84-87+157.2613颜颖，赖顺天.基于遗传算法的配送路线优化J.湖南工业职业技术学院学报,2017,17(01):29-32.14陈赫，赵迪，米腾飞，白松瑞.城市物流配送路线优化研究J.河北企业,2017(08):61-62.15姜华，杨静，贾丽芬.基于遗传算法的连锁超市配送路线优化J.物流科技，2015,

57、01： 12-15.16刘俊娥，李奇.基于遗传算法的北京市家乐福超市配送线路优化方案J.物流技术， 2015, 01： 107-109.17汤云峰，李宣萱，陈锋杰，曾仔城，谢军亮，潘秋婷.基于遗传算法的服装企业配送 路线优化J.科技视界，2015, 12： 128-129.18占义芳.基于软时间窗遗传算法在某物流公司实际应用J.物流工程与管理，2015,04：58-59.”9张文华.基于遗传算法的物流配送路线优化J.物流工程与管理，2012, 03： 143-144+146.20周磊.基于遗传算法的配送路线优化研究以古贝春酒业电器为例J.物流技术， 2016, 01： 109-116.21卢容

58、，倪秋萍.基于遗传算法的生鲜农产品配送路径优化实例研究J.经营管理者， 2016, 11： 81-82.22杨秋玲.基于遗传算法的同城配送路线规划J.商业经济研究，2016, 11： 93-94.23刘笑然，江帆，苏好.基于遗传算法的物资配送路径设计研究J.物流工程与管理，2016, 05： 117-118.24陈华.基于遗传算法的物流配送路线选择J.福建交通科技，2016, 05： 115-117.25陶颖.基于遗传算法的耐克中国物流中心配送路线优化研究J.市场研究，2016, 10： 30-32.26陈新鸿.基于excel操作的遗传算法在配送路线选择中的应用J.物流工程与管理， 2013,

59、 02： 98-100.27李海涛.基于遗传算法的科迪牛奶配送路线优化J.企业导报，2013, 18： 52-53.28刘承子，刘丽英.基于遗传算法的配送线路规划以某便利店冷链配送为例J.物 流工程与管理,2018,40(02):83-85.27 TOC o 1-5 h z HYPERLINK l bookmark18 o Current Document VRP问题遗传算法构想17染色体结构形成17确定适应度函数17遗传算子选择18MATLAB运行程序18 HYPERLINK l bookmark20 o Current Document 遗传算法求解古贝春酒业VRP问题19 HYPERLI

60、NK l bookmark22 o Current Document 结论25 HYPERLINK l bookmark24 o Current Document 参考文献261绪论研究背景改革开放以来，我国的市场经济得到了很好的开展,慢慢跟上了国际兴旺国家的脚步， 我国汽车制造业与很多国外著名汽车制造企业合作，取得了一定的成功，在学习国外先 进技术的同时也开发出了自己的技术，创造了自己的品牌价值，为国家的经济开展做出 了长足的贡献，努力缩小了我国汽车制造行业与兴旺国家的差距。但是我们也应该清楚 地认识到我国汽车制造行业还存在着很多问题。首先，改革开放使得大量外国厂商进入 中国市场，中国汽车制