考虑多模糊时间窗医药物流配送路径优化

发布时间：2021-02-04 06:50

　　以医药物流客户满意度最大和总成本最低为目标,建立了考虑多模糊时间窗的车辆路径问题优化模型。为满足低碳物流的要求,在路径规划中引入碳排放成本,为防止类似大型医疗器械运输超载问题引入超载惩罚项,引入多模糊时间窗来评价客户在可以忍受送达时间段和期待送达时间段的满意度。以单个配送中心3辆配送车辆25个客户为算例,运用遗传算法对模型求解,求解得到的最优车辆配送路径提高了满意度并降低了总成本。该模型亦适用于满足相应约束条件的类似行业的供应链优化。 

【文章来源】：物流技术. 2020,39(03)

【文章页数】：5 页

【部分图文】：

图１配送中心和客户位置分布图??４．２算例结果??２００??６００??８００??１０００??

李晶，等：考虑多模糊时间窗医药物流配送路径优化??表４算法对比??技术与方法??１０００??８００??６００??４００??２００??０??图１配送中心和客户位置分布图??４．２算例结果??本文使用Ｃ＋＋１１实现上述算法程序，并使用该??程序对本文的算例进行求解算法的参数：种群大??小为５００，迭代次数为２?０００，交叉概率为０．９５，变异??概率为０．３。??运输路径见表３和图２。??表３运输路径??乍辆??路径??１??０－１３－６－５－１８－７－８－１７?１６－２２－２５－４－０??２??０－２－３－１４－１５－２３－１２－２１－０??３??０－２０－２４－９－１?１０－１１?１９－０??图２运输路径??最终计算出运输成本为６?９４３，碳排放成本为??２?７７７，总成本为１０?１７０，客户平均满意度为０．７２６??改变算法对超＿￥：方案的惩罚压力为间定俏，并??且根据迭代次数逐渐增加惩罚压力作对比，对比结??果见表４。??遗传算法??运输成本??碳排放成本??客户乎均满意度??固定惩罚压力??７?７１５??３?０８６??０．６５６??逐渐增加惩罚压力??６?９４３??２?７７７??０．７２６??５结论??本文针对医疗物流，通过综合考虑各种信息进??行动态的路径规划，降低物流成本并且保证货物能??按照客户需求送达。使用遗传算法进行求解，由于??医疗物流的时效性，加人模糊时间窗口和惩罚项来??保证送达时间，在实际应用中有一定的参考意义。??在遗传算法实现过程中，通过初期减少惩罚项的权??重能保证前期种群的多样性，避免过早收敛，能够有??效提高算法效果；通过稳重的交叉算子能较好保留?

【参考文献】：
期刊论文
[1]改进蚁群算法求解带时间窗的应急物流开环车辆路径问题[J]. 郭咏梅,胡大伟,陈翔.  长安大学学报(自然科学版). 2017(06)
[2]多模糊时间窗车辆路径问题的建模及求解[J]. 闫芳,王媛媛.  交通运输系统工程与信息. 2016(06)
[3]新医改下我国现代医药物流业的发展策略研究[J]. 王继平.  物流工程与管理. 2012(09)
[4]带时间窗的开放式满载车辆路径问题建模及其求解算法[J]. 孙国华.  系统工程理论与实践. 2012(08)
[5]新医改,先“医”物流——我国“新医改”背景下的医药物流发展浅析[J]. 诸晓颖,傅培华.  中国市场. 2009(19)
[6]基于遗传算法的物流配送路径优化问题研究[J]. 易荣贵,罗大庸.  计算机技术与发展. 2008(06)
[7]供应链中车辆路径问题的研究进展及前景[J]. 祝崇隽,刘民,吴澄.  计算机集成制造系统-CIMS. 2001(11)



本文编号：3017914