[发明专利]一种改进的扫描法与遗传模拟退火法配送托盘物资的方法

说明书

本发明公开了一种改进的扫描法与遗传模拟退火法配送托盘物资的方法。本发明首先利用改进的扫描法，以发物单位为原点，以合理的不同的起始度数分别扫描所有接收单位，得到不同起始度数开始扫描的扫描列表，充分考虑了整个解空间；然后使用将遗传算法与模拟退火算法相结合，取长补短，克服了遗传算法和模拟退火算法各自的缺点，具有较强的把握总体的能力，以及较强的局部搜索能力，构成了一种混合优化算法遗传模拟退火法，从列表中选出代价最小的为最终配送方案，平衡了解的质量与求解时间长之间的矛盾，避免过早收敛以及有可能搜索到最优解然后又发散出去的现象，能够得到配送方案的全局近似的最优解。

技术领域

本发明涉及物流配送技术领域，具体涉及一种改进的扫描法与遗传模拟退火法配送托盘物资的方法。

背景技术

近年来，全球物流业蓬勃发展，配送系统在整个物流业相关系统中的作用越来越重要。运输系统是配送系统中最重要的一个子系统，运输费用占整体物流费用的50％左右，所以降低物流成本首先要从降低物流配送的运输成本开始。其中，配送方案是否合理直接影响到配送速度、成本和效益，特别是多用户配送线路的确定是一项复杂的系统工程。恰当的配送方案,可以加快对客户需求的响应速度，提高服务质量，增强客户对物流环节的满意度，降低服务商运作成本。

随着配送的各个环节机械化、信息化程度越来越高，物资越来越多的采用以托盘的形式进行存储和运输，这种方式减少物品堆码作业次数，有利于提高运箱效率，缩短货运时间，减轻劳动强度。

2)目前在物资配送问题研究领域中，主要有扫描法、模拟退火法、遗传算法等方案。扫描法，是假设车辆的路线位于一个几何平面上，平面上所有的点都以极坐标来表示，配送中心为原点，先选定一尚未使用的车辆，在不违反车辆容量限制的前提下，从角度最小且尚未指派的节点开始，依顺时针或逆时针的方向扫描。当车辆容量超过时，结束该条线路。重复上述步骤，生成新的线路，直到将所有的节点都被排入。最后再用求解旅行商问题的算法对每一条路线分别进行优化；模拟退火法，是一种基于热力学原理的随机搜索算法。用模拟退火法求解物资配送问题时，把物理退火中原子获得能量相当于分配最优节点，将原子振动模拟为线路寻优空间的随机搜索，搜索过程由执行分配的成对交换完成，搜索初始解为配送总成本，对现有分配情况用任意成对交换产生新的分配，从而对配送路线不断进行改进，直至找到最优路线。遗传算法，是进行局部搜索改进的一类算法，遗传算法求解物资配送问题时，主要利用生物进化世代性与最优路线搜索迭代性间的共性，在全局范围内搜索配送路线的最优解，如遇同一级配送节点分支的相同耗费情况，则均予以考虑，分别参与下一步骤迭代，并由后续步骤逐渐淘汰，最终确定最优配送路线，如遇同一级配送节点分支的不同耗费情况，则“适者幸存”，由耗费少的配送分支获得继续迭代的权利，但并不能确定其最优资格，必须参与后续淘汰步骤，直至迭代结束，得到最优配送路线。

虽然扫描法、模拟退火法、遗传算法等几种求解物资配送问题的方案取得了不错的结果，但是仍然存在一些不足：

(1)对于扫描法来说，在计算时，搜索效率低，容易陷入局部最优解，很难得到全局近似的最优解。

(2)对于模拟退火法来说，存在解的质量与求解时间长之间的矛盾，为得到一个好的近似最优解，需要进行反复迭代运算，当问题的规模不可避免地增大时，缺乏可行的解决途径。

(3)对于遗传算法来说，存在过早收敛问题，在搜索的初期，由于优良个体急剧增加使种群失去多样性，从而造成程序陷入局部，达不到全局最优解的现象。遗传算法的另一个缺陷是在搜索过程中有可能搜索到最优解然后又发散出去的现象。

综上，扫描法、模拟退火法、遗传算法，在计算过程中，不能很好的满足实际需求，生成的托盘物资的装车方案不够合理，不够准确，存在会直接导致实际中无法按照计算出的方案进行装车的情况。此外，不支持配送车辆的优先级设定，以及定义解释复杂问题的额外的约束条件。

发明内容