遗传算法——物流

基于遗传算法的物流配送车调度优化算法
6
约束条件： (1)所有车辆路线均起始并终止于配送中心， 每一 客户点只由一辆车服务，一辆车也可服务多个客 户点； (2)每个客户点都有一个非负的额货物需求量， 但 每辆车负责的客户点的货物需求量总和不超过该 车辆的最大装载辆； (3) 每辆车的行车路线的总耗时不超过一个事先定 下的值，以满足客户对供货时间的要求； (4)对某个客户点，车辆到达时间限制在某一时间 段内。如此约束不满足，则引入惩罚函数；
基于遗传算法的物流配送车调度优化算法
11
车辆调度问题中遗传算法的设计： 2 生成初始染色体种群：
染色体的长度=车辆总数+客户数+1
3 适应度函数：
由目标函数 f k = Zm in / Z k转化得到: f k是染色体k 的适应度函数, Zm in 是同代群体中最佳染色体的 费用, Z k 是染色体k 的费用. 适应度最大染色体对 应配送成本最低调度方案.
基于遗传算法的物流配送车调度优化算法
该函数满足的约束条件为：
8
其中(1)控制n 个客户由m 辆车来共同完成。 (2)控制每一客户只有一辆车来完成。 其中：X
基于遗传算法的源自文库流配送车调度优化算法
9
目标函数中的Pnum(M)为车辆装容量约束 ，首先扫描每 一客户的需求量， 若这些需求量均不小于每一车辆的载 重量，则所需车辆总数为Int(Sum/avge)+1，其中Sum 表 示所有客户的需求量总和，avge 表示车的载重量。若扫 描客户的需求量时，有超过车辆的载重量的，先看客户的 需求能装满几辆车， 直接从可供选择的车辆中随机挑 选几辆车去完成该客户的需求， 然后把装不满一辆车的 需求量作为该客户的需求量去参与基本遗传算法的运算。
基于遗传算法的物流配送车调度优化算法
3
电子商务物流配送平台： 将物流平台信息中心、网上银行、 商家、客户和各个配送网点的通信 介质集成在一起。
基于遗传算法的物流配送车调度优化算法
4
业务流程: ( 1) 客户通过Internet 访问物流信息平台的网站, 填写送货单; ( 2) 物流信息平台认证客户身份; ( 3) 客户通过输入银行信用卡账号和网上专用密 码进行支付; ( 4) 物流信息平台将支付信息提交网上银行; ( 5) 网上银行返回扣款结果, 网上交易结束; ( 6) 物流信息平台中心服务器进行订单派送调度; ( 7) 订单配送至相应配送网点, 各配送网点安排运 输车次与运输路线, 配送货物, 这是物流配送中的 配送车调度问题。
基于遗传算法的物流配送车调度优化算法
10
车辆调度问题中遗传算法的设计：
1 染色体编码（一般采用自然数编码）：
设配送中心的序号为0，依次对各配送点编号形成 染色体，该染色体表示了车辆调度，路线安排等 各种信息。例如。染色体01203450 表示一条路 线从配送中心出发，经过配送点1，2 后回到配送 中心；另一条路线从配送中心出发， 经过配送点 3，4，5 回到配送中心。
基于遗传算法的物流配送车调度优化算法
13
车辆调度问题中遗传算法的设计： 5 交叉算子:
按2 个一串将双亲“01302450”和 “02350140”基因分组, 得0| 13 | 02 | 450 和 0 | 23 | 50 | 140; 双亲1 中子串“13”两端都为0, 把“13”和所有“0”基因保留, 填充到空白染色 体相同位置上; 删去双亲2 基因1 和3, 把剩余基因 按顺序填入空白位置, 得后代1“01302540”. 同 理得后代2“03250140”. 若所有子串两端不全为 0, 则左移或右移“| ”, 直到存在两端为0 子串.
基于遗传算法的物流配送车调度优化算法
5
车辆调度问题(Vehicle Routing Problem 简称VRP) ： 是对巡回旅行商问题( TSP, Traveling Salesman Problem) 加以一定的限制而形成的, 属于约 束性的多重TSP 问题( CMTSP, Constrained Multiple Traveling Salesman Problem)
基于遗传算法的物流配送车调度优化算法
7
根据上述问题描述，对车辆调度问题进行建模。设F 为最 小成本，则目标函数为:
其中，K 为所有车辆的集合， K={1,2…,m}, k∈K I 为所有客户的集合， I={1,2…,n}，i∈I 目标函数中的Cij表示从客户i 到客户j 的费用成本。 目标函数中的为P(t)为惩罚函数， 当车辆不能按时到达时 ，引入此函数来增加车辆调度的成本。
信息科学系科技研讨
基于遗传算法的物流配送车调 度优化算法
基于遗传算法的物流配送车调度优化算法
2
电子商务物流配送:
是指物流配送企业采用计算机网络技 术和现代化的硬件设备、软件系统及 先进的管理手段, 针对社会需求,按用 户的订货要求, 进行一系列分类、编 配、整理、分工、配货等理货工作, 定时、定点、定量地交给没有范围限 度的各类用户, 满足其对商品的需求.
基于遗传算法的物流配送车调度优化算法
12
车辆调度问题中遗传算法的设计：
4 复制算子:
给n 条染色体排序; 计算适应度f k; 计算选择概率 w k = f k/Σf k; 计算累积概率uk = Σw k; 产生[ 0, 1 ] 区间均匀分布随机数R , 若R ≤u1, 则复制染色体 1, 否则复制染色体k , 使得uk- 1 < R ≤ uk , k = 2, ⋯, n. 重复复制, 直到符合群体规模n. 为提高算法 性能,保留上代群体中最佳染色体.
基于遗传算法的物流配送车调度优化算法
14
车辆调度问题中遗传算法的设计： 6 变异算子: 对2 交换变异算子, 在染色体中任 意确定两个非零基因, 交换其位置, 就得到1 条新染色体.以此类推。
基于遗传算法的物流配送车调度优化算法
15
车辆调度问题中遗传算法的设计： 6 变异算子: 遗传算法设计最后一步是确定控 制参数和算法终止条件. 推荐控制 参数取值范围是群体规模n = 20～ 50, 交叉率P c = 0.6～ 1.0, 变异率 Pm = 0～ 0.05. 算法终止条件根据 具体情况确定.