多库车辆路径问题的混合遗传算法[外文翻译].doc
约13页DOC格式手机打开展开
多库车辆路径问题的混合遗传算法[外文翻译],多库车辆路径问题的混合遗传算法摘要成品从仓库到客户的配送是物流管理的现实而具有挑战的问题。良好的路径选择和调度安排能提高客户满意度，因为更多的客户能再更短的时间获得服务。配送问题一般可阐述为车辆路径问题（vrp）。然而，有一个一个假设——只能有一个仓库（depot）。现实中如一个物流公司不止有一个仓库，vpr就不适用了...
内容介绍
此文档由会员 qs_f5t2xd 发布
多库车辆路径问题的混合遗传算法
摘要
成品从仓库到客户的配送是物流管理的现实而具有挑战的问题。良好的路径选择和调度安排能提高客户满意度，因为更多的客户能再更短的时间获得服务。配送问题一般可阐述为车辆路径问题（VRP）。然而，有一个一个假设——只能有一个仓库（Depot）。现实中如一个物流公司不止有一个仓库，VPR就不适用了。为解决这一局限，本论文将研究多仓库的车辆路径问题（MDVRP）。这种方法很难，这就意味着没有有效的算法来寻优。为解决这个问题，本论文将阐述两种遗传算法（HGA）。两种算法的主要不同是算法1的初始解是随机的。算法2的初始步骤融合了Clark和Wright的节能方法和最近邻启发式算法。我们进行了大量的计算研究来对比不同规模问题的算法，证明现代配送中HGA2优于HGA1。
关键词：物流，配送管理，车辆路径问题（VRP），多库（MD），混合遗传算法（HGA）
1.介绍
车辆路径问题（VRP）之所以被广泛研究是因为它被发现广泛适用于许多现实世界的情况，包括物流配送问题。描述VRP很容易，但求解很难。如一个公司有一个确定位置和无限容量的仓库以及知道需求和位置的客户（Customer）群。一般来讲，客户的总需求超过车辆容量，因此就需要不只一辆车把产品从仓库运输到客户手中。在VRP中，每辆车为一条路径，每辆车或每条路径只为一个客户服务。路径的起点和终点都是仓库。公司的决策者要决定那条路为那个客户服务，这就是路径问题。当然也需要首先考虑那个客户应该第一个服务，其次是路径，这就是调度问题。VRP的目标是为所有客户服务耗费的时间和路程。毫无疑问，良好的路径和调度可以提高客户满意度因为更多的客服可以在更短时间接受服务。VRP与著名的旅行商问题（TSP）类似，不同的是旅行商问题中使用的车辆没有容量限制，可通过单一路径服务客户。换句话说，TSP只考虑调度问题，因此比考虑调度与路径的VRP简单。
摘要
成品从仓库到客户的配送是物流管理的现实而具有挑战的问题。良好的路径选择和调度安排能提高客户满意度，因为更多的客户能再更短的时间获得服务。配送问题一般可阐述为车辆路径问题（VRP）。然而，有一个一个假设——只能有一个仓库（Depot）。现实中如一个物流公司不止有一个仓库，VPR就不适用了。为解决这一局限，本论文将研究多仓库的车辆路径问题（MDVRP）。这种方法很难，这就意味着没有有效的算法来寻优。为解决这个问题，本论文将阐述两种遗传算法（HGA）。两种算法的主要不同是算法1的初始解是随机的。算法2的初始步骤融合了Clark和Wright的节能方法和最近邻启发式算法。我们进行了大量的计算研究来对比不同规模问题的算法，证明现代配送中HGA2优于HGA1。
关键词：物流，配送管理，车辆路径问题（VRP），多库（MD），混合遗传算法（HGA）
1.介绍
车辆路径问题（VRP）之所以被广泛研究是因为它被发现广泛适用于许多现实世界的情况，包括物流配送问题。描述VRP很容易，但求解很难。如一个公司有一个确定位置和无限容量的仓库以及知道需求和位置的客户（Customer）群。一般来讲，客户的总需求超过车辆容量，因此就需要不只一辆车把产品从仓库运输到客户手中。在VRP中，每辆车为一条路径，每辆车或每条路径只为一个客户服务。路径的起点和终点都是仓库。公司的决策者要决定那条路为那个客户服务，这就是路径问题。当然也需要首先考虑那个客户应该第一个服务，其次是路径，这就是调度问题。VRP的目标是为所有客户服务耗费的时间和路程。毫无疑问，良好的路径和调度可以提高客户满意度因为更多的客服可以在更短时间接受服务。VRP与著名的旅行商问题（TSP）类似，不同的是旅行商问题中使用的车辆没有容量限制，可通过单一路径服务客户。换句话说，TSP只考虑调度问题，因此比考虑调度与路径的VRP简单。
