基于CCLMIS及遗传算法的城市冷链物流配送路线成本最优化研究
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
基于CCLMIS及遗传算法的城市冷链物流配送路线成本最优
化研究
[摘要] 本文通过tsp旅行商问题模型,构建城市冷链物流的配送路线优化模型,利用改进的遗传算法,求解最优结果,达到路程成本最低的目标。结合gis系统强大的城市道路实时信息管理能力,分析路程与通行时间的关系,通过单位路程成本因子和单位时间成本因子比较。选择合适的道路和时间,进行人工辅助优化配送路线,达到切合实际的配送路线优化方案。
[关键词] cclmis 冷链物流配送优化遗传算法
当前,中国冷链物流发展中遇到的关键问题是信息技术不能满
足现代企业服务的需要,特别是结合冷链物流管理信息系统的成本控制方面,由于信息技术和管理水平的原因,导致中国冷链物流的
运营成本很高,竞争力低下,行业不成熟。由于城市冷链物流的专业性和运作始终与能耗相关,温度和成本难以控制,因此城市冷链物
流配送信息系统的核心是配送路线优化和成本控制。通过研究配送路线优化方案和配送成本,能够很好地解决我国冷链物流行业发展中遇到的问题。
1 冷链物流概述
冷链物流又称低温物流,是指冷藏冷冻类食品在生产、贮藏运输、销售,到消费前的各个环节中始终处于规定的低温环境下,以保证食品质量,减少食品损耗的一项特殊的物流形式。
根据西方发达国家的发展经验,人均gdp达到4000美元后,冷冻
冷藏食品市场将呈现快速发展。2009年,我国人均gdp达到3711美元,由西方发达国家经验可知,中国冷链物流行业将进入一个快速发展时期。
2 城市冷链物流配送的特点
城市冷链物流在低温中运作,运作过程始终与能耗相关,控制冷链物流运作成本至关重要。城市配送是冷链物流的核心,决定了冷链物流的整体水平和竞争力。城市冷链物流配送是路线距离、配送时间最短,温度合适,成本最低的配送组合。通过优化配送路线,缩短配送时间,降低冷链物流的整体运作成本,提高冷链物流的核心竞争力。
3 城市冷链物流配送成本分析
在以往的大多数配送路线优化研究中,以路程最短为目标,只考虑了路程成本最低的理想情况。而现实中配送成本也包括时间成本。城市配送中,路程和时间是相互独立的,研究成本的发生因素也非常重要了。特别对于特殊的城市冷链物流配送,路程成本已经不是主要的成本,而时间成本将会变得非常重要。时间成本的产生和城市的交通效率成反比的关系。因此,优化城市配送路线必须要考虑时间成本,才能取得较满意的优化方案。
4 城市冷链物流配送问题描述
4.1城市冷链物流配送问题分析
基于遗传算法的城市冷链物流配送路线、成本优化问题可以描述为:假定一个城市有1个“冷”物流中心和n个销售商。每个销
售商配送路线有多条可以选择,配送先后顺序不确定。配送路程成本和时间成本相互独立,不存在某种关系。路程成本由距离确定,时间成本由制冷成本、司机成本、机会成本、商品质量成本确定。配送路线优化的任务是根据配送任务要求,确定具体的路线和合适的时间,满足约束条件的同时,使得路程成本与时间成本的综合目标取得最小值。
4.2配送问题算法描述
旅行商问题,即tsp问题是组合优化的著名问题之一。假设一个旅行商人要拜访m个城市,他必须选择所要走的路径,路径的限制是每个城市只能拜访一次,而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值。
数学模型为:
对于城市冷链物流配送路线优化的问题,在路径成本分析方面,可以看作一个tsp问题来研究。
5 利用遗传算法求解配送路线优化问题
5.1遗传算法简介
遗传算法是被研究最多的一种有效解决最优化问题的算法,它最先是由john holland于1975年提出来的,是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型。作为改进启发式算法的佼佼者,以其简单通用、健壮性强等显著特点,被称为显著的智能算法,尤其适合于处理传统搜索方法难以解决的高度复杂的非线性问题。
5.2改进的遗传算法求解特殊的tsp问题
5.2.1选择算法分析
使用黄勇军等提出的改进的遗传算法模型进行求解城市冷链物流的路线最优化问题。这里只求解路程最短问题,不对算法做过多研究。由改进的遗传算法分析,该方法是一个简单,并且能够防止早熟收敛,有效解决tsp问题的遗传算法。
5.2.2配送点坐标初始化
设“冷”物流中心要为31个大型超市配送商品,31个大型超市的位置由a矩阵给出,则初始化坐标为:a=[3302 2541;3163 1259;4397 1245;4712 2639;2487 4575;2326 4156;2538 3289;1054 4104;4152 4870;3356 1700;3070 1670;2652 4536;3088 2541;1851 3166;4332 2695;3515 2678;4158 2279;3461 2430;1580 2612;3676 2658;3629 2638;2673 4931;1349
2108;43572736;23944263;24693521;43352540;15102550;1545273 7;42784826;3370 2977];
下图是由matlab所绘出的31个大型超市的初始位置坐标图。初始坐标主要集中在三个区域,模拟城市商业中心,购物中心,大型社区的所在地。
5.2.3通过matlab仿真,确定改进遗传算法的参数
算法中的参数主要有初始种群n、迭代次数c、交叉概率pc、变异概率pm、淘汰参数m。由于遗传算法的随机初始种群的特点,不能确定最优的参数,通过多次改变参数,分析参数的选取,然后再通
过较优参数计算最短路径。
下面是通过定量改变参数的方法,分析每一个参数对结果的影响,如下表格
通过分析知,最优参数的取值是一个组合,当
c=1000,pc=0.9,pm=0.2,m=2(m=1时,会影响收敛速度)时,可以较好的得到路径最短。
5.2.4matlab求解最优路线方案
由于初始种群的随机性,种群的初始化会给结果造成一定的误差,因此,通过三次运行,得出该方案的最优结果(如下图)。
最优值:rlength=19000
其中r为最优路径编号顺序,rlength为最优路径距离。
6 考虑时间成本的人工辅助优化设计
6.1人工辅助设计优势分析
利用改进的遗传算法,可以取得路程成本最低的配送路线方案。但是,由于城市冷链物流的特殊性,其成本比常温物流成本高很多,因此,我们也必须考虑时间成本。只有平衡路程成本和时间成本,我们才能取得比较满意的配送路线优化方案。
6.2区域化的配送路线人工辅助优化
假设城市冷链物流配送的最短路径如图1所示,现实的情况(图2)是客户的分布地点成区域化(1、2、3、4区域),并且客户需求量也不一样,区域1需求9单位的商品,区域2需求7单位的商品,区域3需求16单位的商品,区域4需求3单位的商品。配送车辆满载