具有柔性的城市物流配送优化模型与算法

发布时间：2020-03-23 06:52

【摘要】：随着物流业的快速发展和生活水平的不断提升,人们把服务质量看的越来越重要,但在城市配送中,客户数量多且位置分散、城市各节点的可达性受一定限制、客户需求和行经道路的时间具有不确定性。在各种不确定条件下,配送企业如何使成本最低的同时还能为顾客提供及时、满意的配送服务,即如何使配送服务具有高的柔性,有能力对各种不确定性做出快速有效的响应,是现代城市物流配送面临的一个重要问题。基于此,本文研究了以配送成本、配送时间柔性、配送中心数量柔性为目标的具有柔性的城市物流配送模型,并用层次分析法、聚类分析法、遗传算法相结合的方法对模型进行了求解。首先,对国内外研究现状进行了概述,根据已有的研究成果以及不足,得出研究柔性城市物流配送的必要性和重要性。根据城市配送的特点分析了配送过程中的不确定性以及不确定性对配送企业和客户的影响,并在不确定性分析的基础上确定出了衡量配送柔性的指标。其次,构建了基于硬时间窗的客户满意度函数和函数曲线。根据车辆到达时间、开始服务客户时间和客户时间窗三者之间的关系构建了客户满意度函数,并根据函数表达式描绘出了相应的满意度曲线。再次,在客户需求不确定性和配送时间不确定性的条件下,考虑了服务时间窗、配送中心容量、车辆最大载重等因素,建立了以配送总成本最低、配送时间柔性最大、配送中心数量柔性最大为目标的具有柔性的城市物流配送模型。配送总成本包括被选择开放的配送中心的固定成本和被选择配送的车辆运输成本,配送时间柔性通过所有配送中心的前置时间富余量来衡量,配送中心的货物数量柔性通过所有被选择出货的配送中心的货物富余量来衡量。然后,运用层次分析法、聚类分析法和遗传算法相结合的方法对模型进行了求解,求解时,先通过层次分析法对每个目标赋予适当的权重值;然后,根据配送中心与客户的距离、配送中心的最大储存量、时间窗等,运用聚类分析的方法对配送中心和被服务的客户群进行选择;最后,通过互不重复的自然数编码的多染色体遗传算法对每个配送中心服务的车辆数以及每辆车的服务路径进行优化。最后,对算例进行了求解,经过对车辆装载率、配送线路、客户满意度以及遗传算法收敛速度几个方面的分析,验证了模型的正确性和算法的有效性。本文在建立模型时,虽然考虑了配送中心选择、时间窗限制、配送中心容量限制、车辆容量限制等,但还有一些现实的影响因素并没有考虑,如产品种类、车辆型号等限制条件。因此,还需要进一步对已有的模型和算法进行完善和改进。
【图文】：

技术路线图,论文,遗传算法,染色体遗传

具有柔性的城市物流配送优化模型与算法货的配送中心的货物剩余量来衡量。最后，在对模型进行求解时，先利用层各个目标赋予权重值，再通过聚类分析的方法对配送中心进行选择，求出各、服务的配送中心以及其客户归属之后，再通过遗传算法对每个配送中心服以及每辆车的服务路径进行优化。（4）算例求解及分析运用层次分析法、聚类选址分析法、多染色体遗传算法对算例进行求解，并率、配送线路、客户满意度、遗传算法迭代曲线几个方面对其结果进行分析技术路线图

流程图,遗传算法,流程图,流程图法

- 19 -图 2.1 遗传算法流程图法的基本步骤步骤包括初始化、选择、交叉、变异 4 个步骤，，在初始程是循环进行的，循环次数是事前设置好的，遗传算的产生，随机选择 N 个初始点， ,,...,,002010XXXk n；适应度值， fXiNik( ), 1,2,...,；
【学位授予单位】：兰州交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F252

【参考文献】