基于遗传算法的船舶电子商务物流中心站优化
发布时间：2021-06-23 17:33
现有船舶电子商务物流中心站选址方法以时间路径最短为目标,存在着选址合理性参数较小的问题,为了解决上述问题,提出遗传算法的船舶电子商务物流中心站优化研究。依据船舶物流特点构建物流中心站选址模型,构建模型是一个NP-hard问题,利用遗传算法寻求全局最优解,通过编码、初始化种群、适应度评价、遗传算子操作以及遗传算法求解确定最佳船舶电子商务物流中心站的位置,实现船舶电子商务物流中心站的优化。实验结果显示:与现有代表方法相比较,本文方法用户到物流中心站位置的单位运输时间较短、单位运输成本较低,表明本文方法选址合理性参数较大,具备更好的应用前景。
【文章来源】：舰船科学技术. 2020,42(16)北大核心
【文章页数】：3 页
【部分图文】：
遗传算法求解流程图Fig.1Geneticalgorithmsolutionflowchart
2.1实验环境为了保障实验的顺利进行，用Python在一定范围内生成100个随机数据点作为物流中心站，将其作为基础的实验数据集，物流中心站示意图如图2所示。图2物流中心站示意图Fig.2Schematicdiagramoflogisticscenterstation为了保障本文方法得到全局最优解，确定遗传算法的运行次数。遗传算法运行结果如图3所示。可知，当遗传算法运行次数为50次时，结果稳定，即此时得到全局最优解，则确定遗传算法运行次数为50次。图3遗传算法运行结果图Fig.3Runningresultofgeneticalgorithm2.2单位运输时间对比分析通过实验得到用户到物流中心站位置单位运输时间对比情况如表1所示。可知，本文方法的单位运输时间较短，最小值可以达到0.9t。2.3单位运输成本对比分析通过实验得到用户到物流中心站位置单位运输成本对比情况如表2所示。表2数据显示，提出优化方法的单位运输成本较低，最小值可以达到0.98k。3结语相较于现有代表方法，本文方法用户到物流中心站位置的单位运输时间较短、单位运输成本较低，选址合理性参数较大，本文方法的性能更佳。参考文献：郑瑞卿.构造节约遗传算法解决电子商务环境下的物流配送路径优化问题研究[J].宜春学院学报,2018,40(12):59–61.[1]陈国华.基于改进SLP理论的铁路电商物流中心布局研究[J].山东科学,2018,31(5):48–57.[2]褚胡冰,张海鹏,刘一.基于遗传算法的气垫船主尺度优化设计研究[J].船舶,2018,29(6):109–116.[3]马冉祺,黄连忠,魏茂苏,等.基于实船监测数据的定航线船舶智能航速优化[J].大连海事大学学报,2018,44(1):31–35.[4]表1单位运输时间对比情况表Tab.1Compari
2.1实验环境为了保障实验的顺利进行，用Python在一定范围内生成100个随机数据点作为物流中心站，将其作为基础的实验数据集，物流中心站示意图如图2所示。图2物流中心站示意图Fig.2Schematicdiagramoflogisticscenterstation为了保障本文方法得到全局最优解，确定遗传算法的运行次数。遗传算法运行结果如图3所示。可知，当遗传算法运行次数为50次时，结果稳定，即此时得到全局最优解，则确定遗传算法运行次数为50次。图3遗传算法运行结果图Fig.3Runningresultofgeneticalgorithm2.2单位运输时间对比分析通过实验得到用户到物流中心站位置单位运输时间对比情况如表1所示。可知，本文方法的单位运输时间较短，最小值可以达到0.9t。2.3单位运输成本对比分析通过实验得到用户到物流中心站位置单位运输成本对比情况如表2所示。表2数据显示，提出优化方法的单位运输成本较低，最小值可以达到0.98k。3结语相较于现有代表方法，本文方法用户到物流中心站位置的单位运输时间较短、单位运输成本较低，选址合理性参数较大，本文方法的性能更佳。参考文献：郑瑞卿.构造节约遗传算法解决电子商务环境下的物流配送路径优化问题研究[J].宜春学院学报,2018,40(12):59–61.[1]陈国华.基于改进SLP理论的铁路电商物流中心布局研究[J].山东科学,2018,31(5):48–57.[2]褚胡冰,张海鹏,刘一.基于遗传算法的气垫船主尺度优化设计研究[J].船舶,2018,29(6):109–116.[3]马冉祺,黄连忠,魏茂苏,等.基于实船监测数据的定航线船舶智能航速优化[J].大连海事大学学报,2018,44(1):31–35.[4]表1单位运输时间对比情况表Tab.1Compari
【参考文献】：
期刊论文
[1]基于遗传算法的气垫船主尺度优化设计研究[J]. 褚胡冰,张海鹏,刘一. 船舶. 2018(06)
[2]构造节约遗传算法解决电子商务环境下的物流配送路径优化问题研究[J]. 郑瑞卿. 宜春学院学报. 2018(12)
[3]基于改进SLP理论的铁路电商物流中心布局研究[J]. 陈国华. 山东科学. 2018(05)
[4]基于实船监测数据的定航线船舶智能航速优化[J]. 马冉祺,黄连忠,魏茂苏,柳霆,刘伊凡,王寰宇. 大连海事大学学报. 2018(01)
本文编号：3245365
【文章来源】：舰船科学技术. 2020,42(16)北大核心
【文章页数】：3 页
【部分图文】：
遗传算法求解流程图Fig.1Geneticalgorithmsolutionflowchart
2.1实验环境为了保障实验的顺利进行，用Python在一定范围内生成100个随机数据点作为物流中心站，将其作为基础的实验数据集，物流中心站示意图如图2所示。图2物流中心站示意图Fig.2Schematicdiagramoflogisticscenterstation为了保障本文方法得到全局最优解，确定遗传算法的运行次数。遗传算法运行结果如图3所示。可知，当遗传算法运行次数为50次时，结果稳定，即此时得到全局最优解，则确定遗传算法运行次数为50次。图3遗传算法运行结果图Fig.3Runningresultofgeneticalgorithm2.2单位运输时间对比分析通过实验得到用户到物流中心站位置单位运输时间对比情况如表1所示。可知，本文方法的单位运输时间较短，最小值可以达到0.9t。2.3单位运输成本对比分析通过实验得到用户到物流中心站位置单位运输成本对比情况如表2所示。表2数据显示，提出优化方法的单位运输成本较低，最小值可以达到0.98k。3结语相较于现有代表方法，本文方法用户到物流中心站位置的单位运输时间较短、单位运输成本较低，选址合理性参数较大，本文方法的性能更佳。参考文献：郑瑞卿.构造节约遗传算法解决电子商务环境下的物流配送路径优化问题研究[J].宜春学院学报,2018,40(12):59–61.[1]陈国华.基于改进SLP理论的铁路电商物流中心布局研究[J].山东科学,2018,31(5):48–57.[2]褚胡冰,张海鹏,刘一.基于遗传算法的气垫船主尺度优化设计研究[J].船舶,2018,29(6):109–116.[3]马冉祺,黄连忠,魏茂苏,等.基于实船监测数据的定航线船舶智能航速优化[J].大连海事大学学报,2018,44(1):31–35.[4]表1单位运输时间对比情况表Tab.1Compari
2.1实验环境为了保障实验的顺利进行，用Python在一定范围内生成100个随机数据点作为物流中心站，将其作为基础的实验数据集，物流中心站示意图如图2所示。图2物流中心站示意图Fig.2Schematicdiagramoflogisticscenterstation为了保障本文方法得到全局最优解，确定遗传算法的运行次数。遗传算法运行结果如图3所示。可知，当遗传算法运行次数为50次时，结果稳定，即此时得到全局最优解，则确定遗传算法运行次数为50次。图3遗传算法运行结果图Fig.3Runningresultofgeneticalgorithm2.2单位运输时间对比分析通过实验得到用户到物流中心站位置单位运输时间对比情况如表1所示。可知，本文方法的单位运输时间较短，最小值可以达到0.9t。2.3单位运输成本对比分析通过实验得到用户到物流中心站位置单位运输成本对比情况如表2所示。表2数据显示，提出优化方法的单位运输成本较低，最小值可以达到0.98k。3结语相较于现有代表方法，本文方法用户到物流中心站位置的单位运输时间较短、单位运输成本较低，选址合理性参数较大，本文方法的性能更佳。参考文献：郑瑞卿.构造节约遗传算法解决电子商务环境下的物流配送路径优化问题研究[J].宜春学院学报,2018,40(12):59–61.[1]陈国华.基于改进SLP理论的铁路电商物流中心布局研究[J].山东科学,2018,31(5):48–57.[2]褚胡冰,张海鹏,刘一.基于遗传算法的气垫船主尺度优化设计研究[J].船舶,2018,29(6):109–116.[3]马冉祺,黄连忠,魏茂苏,等.基于实船监测数据的定航线船舶智能航速优化[J].大连海事大学学报,2018,44(1):31–35.[4]表1单位运输时间对比情况表Tab.1Compari
【参考文献】：
期刊论文
[1]基于遗传算法的气垫船主尺度优化设计研究[J]. 褚胡冰,张海鹏,刘一. 船舶. 2018(06)
[2]构造节约遗传算法解决电子商务环境下的物流配送路径优化问题研究[J]. 郑瑞卿. 宜春学院学报. 2018(12)
[3]基于改进SLP理论的铁路电商物流中心布局研究[J]. 陈国华. 山东科学. 2018(05)
[4]基于实船监测数据的定航线船舶智能航速优化[J]. 马冉祺,黄连忠,魏茂苏,柳霆,刘伊凡,王寰宇. 大连海事大学学报. 2018(01)
本文编号：3245365
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3245365.html
