基于遗传算法的物流配送路径优化研究.docx

5湖北大学硕士研究Th学位论文开题报告填表日期2017年11月8日（此表以A4纸双面打印表格空间不够可自行增加）院\系计算机与信息工程学院姓名学号专业电路与系统研究方向嵌入式系统设计入学时间2015年9月导师姓名职称拟定学位论文题目基于遗传算法的物流配送路径优化研究综述国内外研究现状说明选题的依据和意义阐明所做工作的创新性及完成的可能性：2002年郎茂祥在建立物流配送路径优化问题数学模型的基础上构造了求解该问题的遗传算法并进行了实验计算。计算结果表明用遗传算法进行物流配送路径优化可以方便有效地求得问题的最优解或近似最优解。2005年柳林建立优化物流配送路径的数学模型"然后构造求解该问题的遗传算法进行多次实验和计算"证明用遗传算法优化物流配送路径"可以有效地求得问题的最优解或近似最优解。2008年易荣贵对基于遗传算法的物流配送路径优化问题进行了研究。作者阐述了遗传算法是一种基于自然进化原理的全局搜索随机算法。遗传算法在选址问题、配送问题、调度问题、运输问题、布局问题方面意义重大。在建立物流配送路径优化问题数学模型的基础上构造了求解该问题的遗传算法。该遗传算法采用常用的二进制编码在个体选择上结合使用最优个体保留策略和轮盘赌法。最后以这种方法进行了实验计算通过计算结果表明用遗传算法进行物流配送路径优化可以方便有效地求得问题的最优解或近似最优解。2009年刘芳华通过改进遗传算法的编码方式和适应度评估减少二进制编码或浮点型编码的复杂性同时精简适应度评估的计算来求解物流配送路径优化问题。在建立物流配送路径优化问题的数学模型基础上构造改进后的遗传算法。改进后的遗传算法采用自然数直接编码在个体选择上结合使用常用的最优个体保留策略和轮盘赌法。进行多次实验和计算证明改进后的遗传算法在优化物流配送路径方面比传统的遗传算法收敛性更好、更优越进而更高效地获得问题的最优解或近似最优。2012年罗勇认为物流配送路径规划对于提高物流配送效率、节约配送成本具有重要意义。以物流配送路径总长度为优化目标将其转换为经典TSP优化问题进行求解并建立了数学模型。基于该数学模型提出改进的遗传算法针对遗传算法的选择、交叉和变异分别提出了基于序的选择算子、基于最小代价树的交叉算子和基于随机点长度控制的变异算子。改进的遗传算法与简单遗传算法的对比仿真实验表明所改进的遗传算法有较好的全局寻优能力且其收敛速度快是解决物流配送路径优化问题的有效方法。2013年刘静物流配送路径优化问题是一个NP(非确定多项式)问题使用传统优化方法很难得到最优解或满意解。为了很好地解决这个NP问题本文建立了一个配送中心、多个顾客的物流配送数学模型用自己改进的遗传算法加以分析求解并进行了实例验证而且在物品的配送种类上取得了突破不在只是针对单一品种对物流企业实现科学快捷的配送调度和路径优化有实际意义。2014年罗庆针对从物流配送中心向各个配送点的配送车辆路径优化这一实际问题进行了数学描述建立了数学模型重点介绍了遗传算法常见的编码方法、适配度函数形式和选择、交叉、变异算子的设计方法最终在遗传优化操作中采取基于最优保存策略基于变化的交叉概率进行顺序的选择交叉算子和基于变化的变异概率进行边界变异代替原有基因值使算法的效率和功能得到了很大提高最终设计出改进遗传算法进行配送车辆的路径决策从而降低运输成本提高物流经济效益。研究的基本内容拟解决的主要问题:研究物流配送路径问题的构成要素、优化目标、模型分类和常见模型的数学描述的基础上分析了求解该问题的相关算法总结了建立物流配送路径优化模型的一般步骤并根据时间窗的基本概念和自身对物流配送路径优化模型的理解建立了带有软时间窗的物流配送路径优化模型。然后在研究传统标准遗传算法和相关改进算法的基础上总结出了遗传算法的改进思路并提出了一种基于爬山算法和自适应交叉变异策略的改进遗传算法。最后使用传统标准遗传算法和改进遗传算法对基本物流配送路径优化模型和带有软时间窗约束的物流配送路径优化模型进行编码仿真实验验证了改进遗传算法在局部搜索方面的优势以及求解物流配送路径问题时的有效性。研究步骤、方法及手段:1．查阅资料收集国内外关于遗传算法的研究资料。在前人研究基础上构建自己的模型。2．详细阐述遗传算法和物流配送路径问题3．对物流配送路径问题进行增加约束。4.对遗传算法进行改进。5.实证模拟改进遗传算法对物流配送路径的作用。研究工作进度计划:2017年8月~9月：国内外文献研究资料收集。2017年10月~11月：确定研究方向和初步规划研究成果完成开题报告。2017年12月~1月：做好论文核心部分。2018年2月~3月：完成论文初稿修改完善。2018年3月~4月：论文定稿完