改进遗传算法及其在物流配送中心选址优化的应用

遗传算法是模仿自然选择与进化的随机搜索方法，由于其隐含并行性和全局搜索特性，使其具有其他常规优化算法无法拥有的优点。然而，遗传算法这个优化领域里的新生儿，无论是在其理论上还是实现方法上都有待完善，只有对其不断改进，才能更好地发挥遗传算法的性能和特点，使其更广泛的应用于工程实际。 在对遗传算法的特点、发展过程、应用领域以及其理论基础介绍之后，本文针对基本遗传算法的应用存在的局限性，对其进行改进，主要包括以下几方面的工作。 1)对交叉率与变异率的关系进行研究，得出两者存在最优组合关系的结论，在一定程度上减少交叉率与变异率选取的盲目性。 2)设计出余弦下降的自适应交叉率公式以改善遗传算法搜索能力。 3)融入模拟退火算法降温处理的知识，对约束条件处理的罚函数法进行了改进。 物流系统中配送是重要一环，物流配送中心起着承上启下的作用。因此搞好物流配送中心选址对提高整个物流系统的效益具有重要意义。一经选定就将长时间运营，它不仅与运行费直接相关，对工作效率及物流控制水平也会产生很大影响。 在物流系统分析与设计时，物流配送中心选址常需得到模型化、数量化方法的支持。解决选址问题有多种方法，但在实际应用中，当问题规模比较大时，这些传统的方法都在不同程度上遇到求解困难的问题。 本文在改进基本遗传算法基础上，然后利用该改进的遗传算法对物流配送中心选址问题进行优化求解，并结合实际模型，提出了“混合并行编码”的编码思想。应用实践表明，与一般的数学规划方法相比，改进遗传算法简单，并且有较快的运算速度，特别是应用在规模较大、较复杂的问题时，其特点更明显。