论文总字数：14430字

摘 要

本文首先针对物流配送进行了阐述，也同时指出目前物流路径优化出现的相关的问题。然后通过MATLAB遗传算法模拟并进行深入的剖析物流配送配送过路径程中路径的优化方案，最后通过举例得出结论。

关键词：物流配送；路径优化；MATLAB遗传算法；模拟

Courier companies to ferry terminal path

optimization design

Abstract

First of all ,This paper aimed at the logistics distribution,Also pointed out that the current logistics path optimization related problems.Then the author deeply analyzes the simulation by MATLAB genetic algorithm and logistics distribution path path path optimization scheme,Finally.come to the conclusion through examples.

Key words: logistics distribution; Path optimization; MATLAB genetic algorithm; simulation

目录

摘 要 I

Abstract II

前言 1

第一章 绪论 1

1.1 配送 2

1.2 基于时间窗的配送车辆线路 2

1.3 MATLAB的遗传算法 2

第二章 数学模型 7

2.1有关TSP的数学模型 7

2.2带时间窗的配送路径优化模型及其求解方法介绍 8

2.3配送路径的遗传算法 9

2.4 MATLAB 的简介 10

第三章 某快递的优化 15

第四章 结 论 21

参考文献 22

致 谢 24

前言

  TSP问题就是旅行商问题是一个重要的路径优化问题。TSP问题在各个学科中运用非常多，其不仅是路线优化中相对来讲较难解决的问题，一直困扰着人们。
TSP问题可以阐述为:有M个城市,一人从开始城市出发,把所有的城市走一遍,最后回到开始城市,求路径最短。现在对于较难解决的TSP问题已经发现了很多研究方法。
TSP问题属于路径优化问题，涉及很多问题的方面，如何解决这一难题，成为当今一个重要而艰巨的任务。现在，在实际生活中有很多的TSP问题出现，例如，网络系统通讯、公共交通问题、工厂加工流水线排序问题、管道铺设线路问题、货物配送运输路线问题、等等均可理解为TSP问题。所以，尽快的找到解决 TSP 问题的方法对我们的生活和经济有着非常好的影响。

第一章 绪 论

1.1 配送

配送指的是对商品进行一系列的加工、包装、拣选、装配等流程，当然这是在一定的经济区域内的情况下，然后按照顾客规定的时间将商品配送到顾客指定的地点的这样一个物流过程。其具有以下特点：（1）提供给用户的终端运输服务。配送是一种基于配送中心物流节点向顾客提供的商品运输服务。货物运输分为干线和支线运输。干线运输就是我们所知道的较长距离和较大批量的运输，进行总线大局的运输，而支线运输就是干线运输结束后发到当地配送中心，然后进一步将商品通过配送的方式送到具体的顾客的最末端的物流服务。（2）注重时效性和合理性。配送当中个性化服务是一个重要的特点，它可以根据不同顾客的要求，提供不同的服务。配送巧妙有效的将“配”与“送”进行结合，并且安按照顾客的时间地点要求，制定出一系列合理的配送计划，其中车辆、线路的安排是最核心的部分。（3）强调系统化、一体化。用户对于配送的印象可能仅仅是送货的车辆、送货的人员，而配送远远不止这些。配送与采购、销售、信息、财务、仓库等一系列的各个管理部门是密不可分的，只要其中任何一个部门出现了问题，最终都会导致配送的整个过程无法顺利完成。例：假如销售部门与采购部门沟通没有到位，就有可能导致出现缺货的现象，此时如果有客户购买该商品，那么仓库没有货物将准时的送达。所以配送与这些部门是息息相关的，中间不能有断开，是一个循环系统。

1.2 基于时间窗的配送车辆线路

时间窗配送路线的设计：配送中心不仅仅需要满足顾客的所需的要求，还要在顾客期待指定的时间内将货物送至给顾客，从中进行的配送线路的这样一个优化设计过程。过程中，企业需要把顾客需求，效率以及自身的经济效益等多方面的因素都要考虑到。

从1959年起Danting和Ramser 他们两个人就提出了汽车运输的路径问题，而针对于时间窗的车辆配送路线的研究也被随之提出。但是在针对于时间窗的车辆路径这一问题中，在VRP的基础上，把顾客针对时间窗口约束的访问中出现的一系列的问题加入了这次研究，这也就促使其与现在物流的真实情况更加符合。

1.3 MATLAB的遗传算法

MATLAB遗传算法能很有效地解决最优化问题。该算法是在1975年被John Holland首次提出的，它是一种计算模型。MATLAB遗传算法的思想归根于适者生存的自然规律和生物遗传学，它呈现出的是一种“检测 生存”的多层过程的算法。该算法的操作过程包含交叉，变异和选择；适应度函数的设计、参数编码、初始群体的设定、控制参数设定、遗传操作设计等几个重要步骤是GA的核心。

GA：从群体中随机产生的一个称为“种群”的事物开始，个体也可以成为染色体。我们通常把染色体类似一串二进制数来表示，这些染色体在之后的迭代中不断的改变不断地进化，这个过程我们就叫它遗传。在这个遗传的过程中，我们定义“适值”，它是来评价每个染色体的好坏的一个参数，父代所遗传的下一代染色体我们称之为后代。他们的染色体就是父代染色体的变异或者交叉遗传运算形成的。在新的染色体形成的过程中，通过“适值”评价好坏来选择以及淘汰一些后代，这样做的目的是为了使种群的适值大小为一个常数。概率较高的被选中的一般都是适值高的染色体。经过若干代遗传之后，最好的染色体最终会沉淀下来，这也许就是需要解决问题的最好的方案或者第二优化方案。

GA的基本执行过程如下：

①参数编码：我们先将数据进行解化，再把它描述成遗传空间的基因型串数据。不同结构的基因型串数据组成不同的点。

请支付后下载全文，论文总字数：14430字