物流配送車輛智能調(diào)度模型研究及應(yīng)用.pdf

1、隨著市場(chǎng)經(jīng)濟(jì)的不斷發(fā)展,企業(yè)信息化顯的越來越重要。物流被稱作“第三方利潤(rùn)源”也受到了各行各業(yè)的重視并得到了較快的發(fā)展。將計(jì)算機(jī)網(wǎng)絡(luò),電子商務(wù)等技術(shù)與物流相關(guān)技術(shù)結(jié)合起來,實(shí)現(xiàn)物流信息的共享性與網(wǎng)絡(luò)化是現(xiàn)代物流的基本特點(diǎn)。越來越多的大規(guī)模生產(chǎn)企業(yè),紛紛建立起來了物流配送中心,將物流配送作為本企業(yè)的核心業(yè)務(wù),更加重視商品的流通效率和對(duì)市場(chǎng)的響應(yīng)速度。
　　 本文主要對(duì)物流配送業(yè)務(wù)以及物流管理作了詳細(xì)介紹,結(jié)合福建中煙工業(yè)公司物流配送

2、業(yè)務(wù)基本流程,研究物流各個(gè)環(huán)節(jié)相關(guān)技術(shù),提供更為有效的解決方案。重點(diǎn)對(duì)物流配送過程中的車輛調(diào)度問題進(jìn)行了深入的研究,建立車輛調(diào)度基本模型,通過遺傳算法和最短路徑算法對(duì)模型進(jìn)行求解,形成有效的配車方案和行車路線。主要包括以下幾個(gè)方面:
　　 (1)在物流配送車輛調(diào)度過程中,分析了車輛調(diào)度的基本問題。并且根據(jù)車輛行駛的約束條件和優(yōu)化目標(biāo),建立了車輛調(diào)度的數(shù)學(xué)模型。針對(duì)車輛送貨裝載量的不同,將該問題分為車輛滿載調(diào)度和車輛非滿載調(diào)度模型

3、。本文通過兩種不同的算法分別求解了兩種不同車輛調(diào)度模型,并且將該模型應(yīng)用于物流配送系統(tǒng)中。
　　 (2)在求解車輛非滿調(diào)度模型中,針對(duì)煙草工業(yè)企業(yè)集團(tuán),使用改進(jìn)的遺傳算法,研究了遺傳算法中選擇、交叉和變異三種遺傳算子基本原理,并且針對(duì)傳統(tǒng)遺傳算法染色體編碼方案的不足之處,提出了一種改進(jìn)的染色體編碼方案。這種編碼方案有效的提高了遺傳算法的執(zhí)行效率,簡(jiǎn)化了遺傳算子的操作。在處理帶時(shí)間窗約束的車輛調(diào)度問題時(shí),并沒有使用特殊的遺傳算子去

4、求解,而是在目標(biāo)函數(shù)中引入懲罰函數(shù)來加以限制。懲罰函數(shù)同時(shí)兼顧到車輛早到客戶點(diǎn)的等待成本以及車輛晚到客戶點(diǎn)的懲罰成本,并且通過相關(guān)的數(shù)學(xué)函數(shù)將之量化。
　　 (3)對(duì)于車輛滿載的調(diào)度模型,車輛的行車路線是一種單點(diǎn)送貨路線,是典型的最短路徑問題,本文主要通過Dijkstra算法來求解。在針對(duì)傳統(tǒng)Dijkstra算法出現(xiàn)的瓶頸問題,本文也提出針對(duì)此算法的改進(jìn)方式和優(yōu)化策略。
　　 (4)本文在處理多個(gè)源點(diǎn)車輛調(diào)度問題時(shí),將客