摘 要

设施选址对现代物流企业来说至关重要，运用智能优化算法解决选址问题也越来越普遍，但是不同的优化算法在相同条件下得到的最优结果会不同，又因为优化算法各有优缺点，适合算法的条件也不一样，所以本文就粒子群算法和遗传算法在相同条件下做了分析对比。本文以顺丰速运为例对两种算法进行分析，考虑两种算法存在容易陷入局部最优、所建机场不能满足城市需求量、大客户带来的效益等因素，在本文中加入了局部搜索、优先级、基因修复等操作。对原始算法、加入优化操作组成的八种组合从最优结果、运行时间和收敛速度等方面做了对比，得出遗传算法在收敛和最优结果方面优于粒子群算法，而粒子群算法在时间方面更快。

关键词：智能优化算法 粒子群算法 遗传算法 基因修复

Abstract

Facility location is crucial for modern logistics companies. It is becoming more and more common to use intelligent optimization algorithms to solve location problems, but the optimal results obtained by different optimization algorithms under the same conditions will be different, and because the optimization algorithms have their own. The advantages and disadvantages and the conditions suitable for the algorithm are different, so this article makes an analysis and comparison between the particle swarm algorithm and the genetic algorithm under the same conditions. This article takes SF Express as an example to analyze the two algorithms. Considering that the two algorithms are easy to fall into local optimality, the built airport cannot meet the demand of the city, and the benefits brought by large customers, etc., local search is added, Priority, genetic repair and other operations. The original algorithm and the eight combinations of optimization operations are compared in terms of optimal results, running time and convergence speed. It is concluded that the genetic algorithm is superior to the particle swarm algorithm in terms of convergence and optimal results. Faster in terms of time.

Keywords: intelligent optimization algorithm particle swarm optimization genetic algorithm gene repair

目录

第一章 绪论 1

1.1研究的背景及目的 1

1.1.1研究背景 1

1.1.2研究目的 1

1.2国内外研究综述 1

第二章 论文研究内容 3

2.1论文研究框架 3

2.2论文研究方法 4

第三章 算法概述 5

3.1粒子群算法概述 5

3.1.1粒子群算法的思想与原理 5

3.1.2粒子群算法的数学描述 5

3.1.3粒子群算法的基本步骤 6

3.2遗传算法概述 7

3.2.1遗传算法的原理 7

3.2.2遗传算法的内容 7

3.2.3遗传算法的基本步骤 9

第四章 案例分析 10

4.1顺丰简介 10

4.2顺丰速运存在问题分析 10

4.2.1波特五力模型介绍 10

4.2.2顺丰速运存在问题分析 10

4.3数据收集与处理 11

4.3.1货运机场吞吐量数据收集 11

4.3.2机场的建造成本分析 12

4.3.3机场运营成本分析 12

4.3.4城市货运需求量的收集和预测 13

第五章 结果分析 15

5.1问题描述 15

5.2问题建模 15

5.2.1基本假设 15

5.2.2模型建立 15

5.2.1模型分析 16

5.3计算十年成本 18

5.3.1收敛速度比较 18

5.3.2解码分析 19

5.3.3运行时间比较 22

第六章 结论 23

6.1总结 23

6.2展望 23

参考文献 24

致谢 25

第一章 绪论

1.1研究的背景及目的

1.1.1研究背景

近年来随着网络的发展，我国物流行业发展十分迅速，出现了许多大大小小的物流企业，随着物流行业的日益发展，物流服务能力和服务效率已成为企业间的主要竞争力。就目前状况而言，我国物流成本在GDP中的占比较大，2019年物流成本和GDP的比值为17.8%，远远高于发达国家的。而在物流成本中，运输配送成本占到了一半以上，所以为了减少物流成本就要从运输配送成本下手。

而运输成本要想降低就必须要减少客户和设施之间的距离。设施选址是建立和管理企业的第一步，所以设施选址在物流企业中非常重要。首先设施选址对设施建成后的设施布置以及投产后的产品、服务质量和生产经营费用等都有非常大的影响。如果选择不当，它所带来的不良后果不能通过建成后的加强管理等措施里改善，因此，在进行设施选址时，必须充分考虑多方面因素的影响，由此可见设施选址是很多企业决策的关键。

1.1.2研究目的

设施选址的影响因素有很多，如：总成本、距离、时间、还有自然条件等，目前我国在物流行业的理论主要来源于对外国的学习，虽然取得了很大的进步，但是对问题的研究还不够成熟。随着智能优化算法（如：遗传算法、免疫算法、模拟退火算法、粒子群算法、蚁群算法，以及鲸鱼群算法、灰狼算法、布谷鸟算法、帝国竞争算法等等）在各邻域的普遍应用，运用智能优化算法已成为解决选址问题的主要方法。智能算法通过模拟自然界某些系统的运行规律来实现对问题的优化，其求解精度相对于传统的最优化方法（如混合整数规划等）和启发式方法有明显的提高，且计算时间明显减少，计算效率明显提高，为解决现实生活中的复杂的组合优化问题提供了一种更有效的方法。因此，运用智能算法解决选址问题已经成为一种十分重要和有效的方法。

高效的智能优化算法是物流优化研究的核心问题，也是保证物流系统高效运行的基础，同时在其他方面的选址问题中也至关重要。本文运用可修复性遗传算法和粒子群算法来解决顺丰速运公司在多约束设施条件下的选址问题。顺丰的航空方面在国内具有一定的基础和优势但是其竞争对手的实力亦不容小觑，为了进一步提高竞争力，科学的选址和合理的布局更有利于减少机场建设的成本，增强企业竞争力。本文对顺丰机场选址问题展开研究，首先分析顺丰局势，再用灰色预测法进行预测，最后分别用遗传算法和粒子群算法优化求解得出最佳机场建设位置，再分析对比两种算法，给出建议。

1.2国内外研究综述

作为一个比较成熟的研究问题，选址问题已经在国内外得到了广泛的研究。在国内研究方面：翟园园^[1]针对粒子群算法在求解优化和复杂性的问题中存在收敛速度慢和收敛度低的问题，将粒子群算法中的学习因子及位置公式进行改进，证明了改进的粒子群算法有更快的收敛速度和更强的寻优能力；冯席席^[2]采用带惯性权重的粒子群优化算法对配送中心选址问题进行了全面介绍，阐述了粒子群算法的早熟收敛及跳出，最终确定集物流配送中心选址和配送路径优化两方面的双层规划模型；邹贵祥、张飞舟^[3]为克服标准遗传算法陷入早熟缺点，引入了不同算子，观测概念，针对选址问题特点选择引入多样性测度和应用小生境技术对遗传算法进行改进从而改善了遗传算法解决选址问题中的准确性、在线性能函数和离散性能函数；吴钦阳^[4]在选择、交叉、变异等方面对基本遗传算法进行了改进，并应用于物流配送中心选址问题，证明了改进遗传算法优于基本遗传算法。