基于改进遗传算法的冷链物流路径优化研究

发布时间：2017-04-29 21:04

  本文关键词：基于改进遗传算法的冷链物流路径优化研究，由笔耕文化传播整理发布。

【摘要】：随着人民生活水平不断提高、消费观念不断转变,人们对生鲜产品的需求量不断加大,这对承载生鲜运输的冷链物流运行效率和可靠度提出考验。冷链物流作为物流领域中独特的分支,受到各界的关注,但其运营成本依然居高不下,制约着冷链物流的发展。从节约成本的角度出发,路径优化是冷链物流成本节约的突破口,也是提升物流软技术的切入点。生鲜产品在物流配送过程中,20%的损耗是发生在生产者和消费者这些终端流通环节,而剩余80%都发生在运输环节,因此,优化运输过程就显得尤为重要。在众多路径优化算法中,遗传算法因其在解决优化问题中具有高柔性和较好的鲁棒性,更加适用于求解路径优化问题。基于这样的背景,本文针对冷链物流配送优化问题,以配送成本最低、运输路径最优为目标,构建对应的数学模型,以冷链物流运输路径为研究对象,对其进行了系统的研究。论文围绕以下内容展开研究：1)分析发现冷链物流运作中存在物流成本过高、运输配送路径待优化等问题,基于这些问题,提出本文的研究论点；在国内外相关文献研究的基础上,提出现阶段对于路径优化及算法研究的不足,从而明确本论文的研究目的与意义。2)在对传统冷链物流成本核算研究基础上,带入货损成本和时间窗惩罚成本,优化冷链成本核算机制,使之更全面。3)对比目前广泛使用的路径优化算法,选用遗传算法作为本论文基础路径优化算法,对其进行改进：引入Tent混沌扰动方法,利用该扰动机制初始化种群,在选择操作之后再次进行扰动,增加种群多样性,设计选择、交叉、变异算子的规则；避免早熟和局部最优的出现。4)对淮南市田家庵区苏果超市的带时间窗约束的冷链配送问题做路径优化研究,通过MATLAB软件运行得到算法的迭代情况,并对运行结果解码得到最优路径和最优值,对比分析算法的有效性和可靠性。5)最后对论文做出总结,并对今后的研究工作做一展望。
【关键词】：路径优化 遗传算法 VRP 时间窗 冷链物流
【学位授予单位】：安徽理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F326.6;TP18
【目录】：

• 摘要5-6
• Abstract6-14
• 引言14-15
• 1 绪论15-24
• 1.1 研究背景与意义15-17
• 1.1.1 研究背景15-16
• 1.1.2 研究意义16-17
• 1.2 国内外研究现状17-21
• 1.2.1 国外冷链物流配送发展现状17-19
• 1.2.2 国内冷链物流配送发展现状19-21
• 1.3 研究内容与思路21-23
• 1.3.1 研究内容21-22
• 1.3.2 研究思路22-23
• 1.4 本章小结23-24
• 2 冷链物流路径优化基础理论24-37
• 2.1 冷链物流基本理论24-27
• 2.1.1 冷链的概念24
• 2.1.2 冷链物流的概念24
• 2.1.3 冷链物流特点24-26
• 2.1.4 冷链物流运作流程26-27
• 2.2 VRP问题概述27-29
• 2.2.1 VRP问题定义27-28
• 2.2.2 VRP构成要素28-29
• 2.2.3 VRP问题分类29
• 2.3 车辆路径问题算法介绍29-32
• 2.4 遗传算法32-36
• 2.4.1 遗传算法概念32-33
• 2.4.2 遗传算法基本原理33-34
• 2.4.3 遗传算法优缺点34-36
• 2.5 本章小结36-37
• 3 配送优化数学模型构建37-44
• 3.1 模型描述37-39
• 3.1.1 问题描述37
• 3.1.2 模型假设和约束37-38
• 3.1.3 参数说明38-39
• 3.2 VRPTW模型构建39-43
• 3.2.1 成本模型39-42
• 3.2.2 模型目标函数42-43
• 3.2.3 车辆数确定43
• 3.3 本章小结43-44
• 4 配送路径优化的遗传算法改进44-54
• 4.1 配送路径优化的遗传算法基本步骤44-47
• 4.1.1 编码44
• 4.1.2 种群初始化44
• 4.1.3 适应度函数44-45
• 4.1.4 选择45
• 4.1.5 交叉45-46
• 4.1.6 变异46
• 4.1.7 参数46
• 4.1.8 终止条件46
• 4.1.9 遗传算法基本语言结构46-47
• 4.2 改进配送路径优化的遗传算法47-52
• 4.2.1 编码47
• 4.2.2 混沌初始化47-48
• 4.2.3 适应度函数48-49
• 4.2.4 选择49
• 4.2.5 引入Tent混沌扰动49
• 4.2.6 交叉49-50
• 4.2.7 变异50-51
• 4.2.8 终止规则51-52
• 4.3 本章小结52-54
• 5 案例分析54-63
• 5.1 算例描述54-58
• 5.2 算例求解及分析58-62
• 5.3 本章小结62-63
• 6 结论与展望63-64
• 6.1 研究结论63
• 6.2 研究展望63-64
• 参考文献64-68
• 致谢68-69
• 作者简介及读研期间主要科研成果69

【相似文献】

中国期刊全文数据库 前10条

1 吴瑞镛,徐大纹;具有年龄结构的遗传算法[J];桂林电子工业学院学报;2001年04期

2 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期

3 杨宜康,李雪,彭勤科,黄永宣;具有年龄结构的遗传算法[J];计算机工程与应用;2002年11期

4 谷峰,吴勇,唐俊;遗传算法的改进[J];微机发展;2003年06期

5 ;遗传算法[J];计算机教育;2004年10期

6 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期

7 刘坤,刘伟波,吴忠强;基于模糊遗传算法的电液位置伺服系统控制[J];黑龙江科技学院学报;2005年04期

8 张英俐,刘弘 ,马金刚;遗传算法作曲系统研究[J];信息技术与信息化;2005年05期

9 丁发智;;浅谈遗传算法[J];乌鲁木齐成人教育学院学报;2005年04期

10 李冰洁;;遗传算法及其应用实例[J];吉林工程技术师范学院学报;2005年12期

中国重要会议论文全文数据库 前10条

1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年

3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

中国重要报纸全文数据库 前1条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

中国博士学位论文全文数据库 前10条

1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年

2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年

3 高军;无铅焊料本构模型及其参数识别方法研究[D];南京航空航天大学;2015年

4 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

5 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

6 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

7 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

8 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

9 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

10 刘冀成;基于改进遗传算法的生物电磁成像与磁场聚焦应用研究[D];四川大学;2005年

中国硕士学位论文全文数据库 前10条

1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年

2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年

3 李志添;模糊遗传算法与资源优化配置的预测控制[D];华南理工大学;2015年

4 王琳琳;新型双层液压轿运车车厢的设计研究[D];上海工程技术大学;2015年

5 李海全;基于遗传算法的建筑体形系数及迎风面积比优化方法研究[D];华南理工大学;2015年

6 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年

7 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年

8 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年

9 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年

10 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年

  本文关键词：基于改进遗传算法的冷链物流路径优化研究，由笔耕文化传播整理发布。

，

本文编号：335597