[发明专利]基于遗传-模拟退火组合算法对物流配送的优化方法

说明书

本发明提供了一种基于遗传‑模拟退火组合算法对物流配送的优化方法，涉及物流智能配送技术领域，利用改进后的遗传算法得到全局较优解，并将其作为改进后的模拟退火算法的初始解，用于最终搜索到最优解。这样组合算法方式，通过利用遗传算法较强的全局搜索能力，弥补模拟退火算法寻优过程长、收敛速度慢的缺陷，又利用模拟退火算法较强的局部搜索能力能够大大降低收敛到局部最优解的概率，用于提高整体算法的性能。通过本发明解决了传统物流配送过程中时效性较差，人工费用成本过高的技术问题。提高了服务质量和车辆的满载率，降低运输配送成本，节约运输的里程，使其路径效益最大化。

技术领域

本发明涉及物流智能配送技术领域，具体涉及一种基于遗传-模拟退火组合算法对物流配送的优化方法。

背景技术

随着全球经济一体化的发展趋势，电子商务的巨大潜力被挖掘，物流行业已成为在国际交易的重要体现。在物流配送过程中，配送车辆和配送路线的合理规划显得至关重要，合理的规划能极大的节省车辆消耗，经济成本和人力资源。

以信息技术为基础的现代化物流服务与传统模式的人工计算物流成本，路径相比，其本身所具有的开放性、全球性、低成本和高效率等特点能更好的满足现代化商业发展的需求。配送处于物流系统中的一个核心环节，也是物流企业发展的重要战略手段。生活质量的不断提高，人们对物流服务行业的期望更多，希望实体的流动能够更快、更安全、更便宜。

因此，有必要开发一种基于遗传-模拟退火组合算法对物流配送的优化方法。

发明内容

有鉴于此，本发明的目的在于提供一种基于遗传-模拟退火组合算法对物流配送的优化方法，用于解决物流配送过程中时效性较差，人工费用成本过高的技术问题。

本发明提供了一种基于遗传-模拟退火组合算法对物流配送的优化方法，包括：

步骤1，获取个体客户与配送中心的坐标数据，并对所述坐标数据进行编码，得到初始种群；

步骤2，建立数学模型，所述数学模型的目标函数Z_i为：

其中，上述公式中的字符O表示配送中心，n表示客户数量，m表示车辆数，D_k第k辆车的最大载重量，DM_k表示第k辆车的最大行驶里程，veh表示实际使用车辆数，c_ij表示客户i到客户j之间行驶距离的单位成本，q_i表示每个客户对货物的需求量，d_ij表示客户i与客户j之间的距离，e_i表示客户i要求达到的最早服务时间，l_i表示客户i要求达到的最晚服务时间，t_i表示车辆到达客户i的时间，α表示超载惩罚系数，β表示超距惩罚系数，λ表示违反时间窗惩罚系数，cv表示超载量，dv表示超距量，tv表示违反的时间窗约束之和；

上述公式(1.1)表示目标函数、公式(1.2)-(1.3)表示第k辆车从一个点行驶到另一个店的车辆约束条件、公式(1.4)-(1.6)表示每个个体客户仅能被一辆车服务、公式(1.7)表示每辆车载货量不超过车辆的最大载重量、公式(1.8)表示每辆车行驶距离不超过车辆的最大行驶里程、公式(1.9)表示车辆从配送中心出发最终回到配送中心形成一条回路、公式(1.10)表示违反时间窗约束之和；