改进的遗传算法在配送中心选址中的应用

物流配送中心在现代商品流通中的作用极大,它通过对商品的运输、保管、装卸、搬运、流通加工、配送、定单处理和信息处理等工作的统一管理,可以大大减轻作业劳动强度,减少商品消耗,提高库存周转率,加速商品流通,降低流通成本,提高社会需求的满足程度,给消费者以更多选择。正是由于配送中心的巨大功能,目前对于配送的研究成为物流发展的热点。而选址问题则是配送中心规划时面临的首要的,也是最为复杂的一个问题。 遗传算法(Genetic Algorithms)是基于生物进化理论的原理发展起来的一种广为应用的、高效的随机搜索与优化的方法。其主要特点是群体搜索策略和群体中个体之间的信息交换,搜索不依赖于梯度信息。它是在70年代初期由美国密歇根大学(Michigan)大学的霍兰(Holland)教授发展起来的。近几年来,遗传算法在复杂优化问题求解和工业工程领域应用方面,取得了一些令人信服的结果,所以引起了很多人的关注。在发展过程中,进化策略、进化规划和遗传算法之间差异越来越小。 本文首先介绍了有关遗传算法和配送选址问题的研究现状。并由此结合我国在物流选址问题中面临的实际问题,提出本文的拟解决的主要问题。即受约束的配送中心选址模型问题求解。 其次在总结前人基础上,介绍了遗传算法的理基础,及其在不同领域的运用。并指出了遗传算法的优缺点,在此基础上提出了对遗传算法的一些改进。 由于目前对配送中心选址模型的研究大多集中在多个自建型配送中心的问题上。这与我国物流行业发展现状不太相符。因为大多数企业最可能的选择是将配送中心的建设外包给第三方仓储企业或者物流企业来运营。即是自建型的配送中心,也是以某一配送中心为基础辐射一个城市或者一个区域,然后再将下面一层的配送外包出去。所以,目前的选址研究失去对实际问题的指导意义。 本文正是从选址问题面临的实际出发,提出基于第三方物流的配送中心双层选址模型,在考虑了自建型和外包型配送中心利弊的权衡上,建立了约束条件。并采用一种改进的遗传算法求解。此算法较传统的算法实现简单,且运算速度快,更容推广。 最后以某一企业的选址案例为对象,建立模型,并应用遗传算法编码基础,实现迭代运算。将其运算结果与传统的算法作对比,由此得出遗传算法的优越性。