基于精英自适应遗传聚类算法的烟草物流配送优化研究

发布时间：2021-08-10 01:26

　　为了对烟草物流配送过程进行优化,以配送物流量的距离最小化、配送时间的方差最小化、不同服务区域之间差异最大化为指标,通过加权糅合构建了物流系统综合优化模型。以聚类算法产生的初始解作为遗传算法初始精英种群,利用配送时间方差的自适应变异算子改进传统遗传算法,设计了基于精英自适应遗传聚类算法,以提高聚类收敛速度,使聚类区域分布更加均衡。以浙江省某市烟草物流配送中心为对象进行测试,结果表明:（1）利用本文算法实现了对应服务区域和中转站的确定以及聚类区域的优化,对3个中转站和1个配送中心模式优化后,零售户直送率提高7.4百分点,按量直送率提高2.9百分点,总里程减少1 352 km;（2）优化后万支卷烟物流成本、分拣和仓库费用显著降低,均低于浙江省平均水平;（3）该地区卷烟销量集中区域与采用本文算法规划的配送效果相符合。该方法具有一定的实用性,可为提高物流配送效率提供技术支持。 

【文章来源】：烟草科技. 2020,53(02)北大核心CSCD

【文章页数】：8 页

【部分图文】：

聚类方法分类

式（13）表示选择聚类（服务区域）配送时间方差最大的基因（聚类中心）作为变异基因位。式（14）表示变异后的基因表达式，Δ（Tc,X）为变异步长，X是变异选择范围，r是服从（0,1）均匀分布的随机数，λ是系统参数。Tc是变异温度，在本文中定义为：由式（16）可知，配送时间方差越大，表示变异步长越大，染色体产生的变异范围随之增大。本文中设计的基于配送时间的自适应变异算子，能够依据配送时间最大限度地产生新染色体，使之向着适应度高的方向发展，有效避免早熟现象。

算法流程图


本文编号：3333175