基于遗传算法的农产品冷链物流配送中心选址研究
基于遗传算法的农产品冷链物流配送中心选址研究作者：许军梅军军来源：《科学与财富》2019年第19期摘要：我国农产品消费规模不断扩大，SN集团作为北京市规模最大的集农产品生产、配送和销售一体的国有企业，肩负着北京市农产品市场的稳定和繁荣的重任。
本文基于SN集团农产品物流配送的现状，考虑配送中心选址的建设成本、运输成本和运输时间等因素建立数学模型，在拟选的四个地址：北苑、三元桥、大洋路、草桥中应用遗传算法对采集的数据代入模型中进行运算。
研究结果表明：在草桥和大洋路建立冷链物流配送中心成本最优。
关键词：农产品；冷链物流；配送中心选址冷链物流配送中心选址是冷链物流网络建设中至关重要的一环。
配送中心上接物流中心分配的货物，向下为各社区门店提供货源。
如果冷链物流配送中心与农产品冷链物流上下游之间不能有效的运转，将导致整个农产品冷链物流服务水平低下、农产品质量不能得到保证。
因此，在农产品冷链物流配送中心选址方面应该综合考虑经济、交通便利性、政治等各方面的影响因素，选址最为合适的地址作为农产品冷链物流配送中心。
SN集团长期从事的农产品的生产、加工和销售，为北京市的农产品市场提供了大量稳定农产品供应。
“十二五”期间，SN集团将紧紧围绕首都经济发展内涵，加大对农产品物流业的增量投入，拟在草桥、大洋路、北苑和三元桥四个地点中选择两个建立农产品冷链物流配送中心。
本文根据SN集团农产品物流现状，以配送中心建设成本、物流成本和配送时间成本最低为目标建立数学模型，应用遗传算法进行模型求解，从SN集团四个备选地址中选择最优的地址作为SN集团农产品冷链物流配送中心。
一、引言随着农产品物流的发展，国内学者对其农产品配送中心选址和农产品配送过程中的路径规划方面的研究不断深入。
国内外学者对配送中心选址模型和模型的算法等方面做了大量研究。
张亮对易腐货物的配送问题，研究了一个具有多个时间窗的异构车队选址依赖车辆路径模型，并采用自适应大邻域搜索算法来求解该模型。
刘继等人研究了冷链物流配送网络的优化方案，并发现半挂车是提升冷链物流运输效率的有效交通工具。
鲍张研究了联合配送中冷链物流的路径优化问题，并指出联合配送不仅在配送成本上优于部分配送，而且在碳成本上也优于部分配送。
基于预测的冷链产品损耗参数，莫莉分析了易腐产品在冷链配送过程中的损耗过程，提出了考虑损耗时间变化的冷链配送车辆路径优化模型。
Vidal等人提出了一种求解多集散点车辆路径问题和周期性车辆路径问题的混合遗传算法框架。
Juan等人将偏随机化与迭代局部搜索相结合，开发了一种求解多集散点车辆路径问题的混合方法。
Absalom E. Ezugwu提出了两种混合元启发式算法，其将指数型和近似型模拟算法结合到基本的智能水滴算法中。
Haghani和Oh提出了一种用于配送作业的多商品、多模式网络流模型的制定和求解方法。
农产品冷链物流配送中心选址不仅要考虑配送路径最优还需要结合具体的环境将配送中心的建设成本、环境因素、政治因素、农产品的时效性和易损性等因素考虑在内。
本文基于以上几点考虑，在以上文献综述的基础上，结合SN集团的实际情况，对SN集团农产品冷链物流配送中心选址进行研究。
二、SN集团农产品物流现状分析（一）SN集团简介SN集团一直致力于种植业的发展，其拥有南口、东郊、巨山等一批老牌农产品生产基地及外埠生产基地1万余亩。
同时，SN集团还拥有双日物流、三元及第等一批专业化物流企业，已经在北京市形成较为完整的物流网络体系。
另外，SN集团下属三元梅园在北京已有70余家连锁店，三元、华都、大发等食品加工企业也已与超市、商场、购物中心、社区店等零售终端建立了广泛的业务联系。
在北京市SN集团建立了五十家社区销售门店。
这些农产品生产、加工、运输和销售设施共同构建了SN集团农产品物流网络。
（二）SN集团物流现状分析SN集团在京郊固安、济南、东营及滨州等地分别建设了预冷加工中心，并配备相应的冷库、周转箱、升降台、叉车等设备。
在北京五环和六环之间建立了四个物流中心，用来作为从北京阜外生产基地运输农产品进入北京的中转站。
生产基地生产的农产品经过预冷加工中心加工运往北京市物流中心，再通过北京物流中心的分发运送到SN集团下属的各个社区销售门店进行销售。
SN集团在“十二五”期间制定了一个“农产品全产业链物流协同服務体系建设”的项目。
该项目中明确提出了建立SN集团农产品冷链物流体系，并且在北京市建立两个农产品冷链物流配送中心，作为SN集团农产品从物流中心到社区门店的中转站。
建立配送中心后，SN集团农产品物流流程如下图所示。
三、模型建立（一）模型假设在满足一定的约束条件下，本文需要解决的问题是从拟选配送中心地址中选择两个最优的地址作为SN集团冷链物流配送中心根据配送中心选址影响因素，对模型的建立提出以下合理假设：1.配送中心无配送容量限制；2.配送中心到社区门店的配送车型一致。
假设配送车型相同可以简化问题复杂度，减少解的复杂性，从而提高算法搜寻速度；3.不考虑物流中心农产品容量问题，假设物流中心始终能给满足配送中心对农产品种类和数量的需求。
（二）符号说明配送中心选址模型的建立应以成本最低为目标函数，该成本指的是配送中心的建设成本和物流中心到配送中心以及配送中心到销售门店的物流成本。
在满足社区门店的配送要求下，建立模型的约束条件。
下面先进行模型中涉及各种符号的说明。
（三）目标函数农产品在运输过程中易腐蚀和损坏，并且随着运输距离和运输时间的增长，农产品的腐蚀和损坏程度越严重。
因此，在运输过程中农产品的消耗也需要考虑在目标函数中。
以S（Q）函数表示农产品运输过程中的损耗，建立的函数为：，其中L表示距离，t表示运输时间。
配送中心选址的目标函数是使得配送中心的选址成本最低，选址成本包括：配送中心建设成本、物流中心到配送中心的运输成本、配送中心到社区门店的物流成本、物流中心到配送中心运输过程中的损耗成本、配送中心到社区门店运输过程中的损耗成本。
式（3-1）表示目标函数，式（3-2）——（3-10）为约束条件。
式（3-2）表示每个社区门店只能由一个配送中心负责配送；式（3-3）表示物流中心到配送中心的运量等于配送中心的需求量；式（3-4）物流配送中心到社区门店的运量等于社区门店的需求量；式（3-5）（3-6）如果第j个配送中心没有被选中，则到第j个配送中心的运量为0，也不会有从第j个配送中心给社区门店配送货物；式（3-7）（3-8）（3-9）为整数约束；式（3-10）为非负约束。
四、数据分析SN集团目前有物流中心4个，备选配送中心4个，已建和拟建的社区门店共50个。
对以上基础数据进行分析，得到以下内容。
（一）配送中心建设成本配送中心备选点的建设成本主要包括配送中心土地成本、厂房建设成本和基础设备采购成本等。
四个备选点的土地成本和建设成本可按照当前北京市房价可预估。
基础设备采购成本通过查询SN集团使用的基础设备品牌价格即可得知。
（二）社区门店的农产品需求量SN集团五十个社区门店用L1～L50分别表示。
根据北京市SN集团所属部分各社区门店农产品的每天销售量和周边人口密度，预估得出五十个社区门店的农产品每日需求量，具体数据如表3所示。
（三）物流中心、配送中心备选点、社区门店之间的距离本文将SN集团配送中心各备选点，用R1～R4表示，其中，R1代表草桥、R2代表大洋路、R3代表北苑、R4代表三元桥。
根据SN集团现有物流中心和社区门店以及配送中心备选点的实际运输距离，物流中心到配送中心备选点的车辆实际运输距离如下表4所示，配送中心备选点到社区门店的车辆实际运输距离如下表5所示。
（四）模型算法中其他参数本文模型算法中的其他参数，如车速、农产品运输过程的损耗率和农产品配送过程中的单位成本等如下表6所示。
五、结果分析根据上文的算法和数据用MATLAB对算法进行编程，设定最大迭代次数为20次，得到模型的最优目标值的变化轨迹如下图所示。
最优染色体对应的选择结果如下图2所示。
从该图可以看出，在进化的前3代，最优解的变化下降地很快，说明该阶段搜索速率很快，这是因为对适应度函数采用了动态线性标定方式，加强了算法的局部搜索能力，使得算法在进化的初始阶段的搜索速率很快。
在第7代搜索到了一个局部最优解为最终的最优解，最优解为R1和R2。
R1、R2与各社区门店之间的关系如下表6所示。
从表6可以看出在4个备选的配送中心中草桥和大洋路被选中，草桥配送中心负责社区门店是L8、L11、L12、L15、L20、L21、L22、L25、L30、L31、L32、L35、L36、L40、L41、L43、L44，其他的社区门店由大洋路配送中心配送。
参考文献：[1]黄圣晶，马晓旦，夏晓梅. 我国生鲜农产品第三方冷链物流系统模型研究[J]. 物流工程與管理，2015，（11）：191-193.[2]高宏伟. 基于“帕戈郎”清真鸡肉的乌鲁木齐市肉类流通追溯系统应用研究[D].乌鲁木齐新木齐：新疆农业大学，2015：10-12.[3]李学工，张媛. 我国农产品冷链物流标准化体系的重构[J]. 标准科学，2015，（7）：48-53.[4]朱超才. 物联网环境下农产品冷链监控与追溯平台研究[J]. 山西农业大学学报（社会科学版），2015，（5）：18-485-490.[5]李腾，浦甲伦，徐辉. 物联网环境下农村物流系统建设问题研究[J].品牌，2015，（4）：41-42.[6]朱先月. 物联网技术在吉林省农产品冷链物流中的应用研究[D].长春：长春工业大学，2015[7]杨蕊. 物联网技术下的我国农产品冷链物流优化研究[D].太原：山西财经大学，2015[8]Kwon， Y.J.； CLoi， Y.J.； Lee， D.L. Leterogeneous fixed fleet vehicle routing considering carbon emission.Transp. Res. D Transp. Environ. 2013， 23， 81–89.[9]You， H.F.； Wang， X. Interactive genetic algorithm based on tournament selection and its application. J. put.[10]Liu， W.Y.； Lin， C.C.； Chiu， C.R.； Tsao， Y.S.； Wang， Q. Minimizing the Carbon Footprint for the Time-DependentHeterogeneous-Fleet Vehicle Routing Problem with Alternative Paths. Sustainability 2014， 6， 4658–4684.注：本文系河南省教育厅社科项目“基于供应链协同的农产品流通利益机制研究”（项目编号：2015-GH-096）、河南科技大学研究生教改项目“物流工程专业学位研究生实践与创新能力培养”（项目编号：2016YJG-013）的部分研究成果。
遗传算法在物流配送中心选址问题中的应用
域转 换为 位 串结 构 空间 ｓ； （ ）定 义 适 应 值 函 数 ｆｘ ； ２ （）
一
【 章摘 要】 文 配 送 中 心 是 物 流 网络 中 最 具 影 响
力 的 结 点 ， 化情 况 ， 因为顾客
（ ）确 定 遗 传 策 略 ， 括 选 择 群 体 大 ３ 包
中心 对 选 址 的 需 要 的 不 同 的 。 如 有
配 送 中 心 是 物 流 网 络 中最 具 影 响 力 配 送 中 心 所 保 管 的 商 品 有 保 温 设 施 、 四 、结 束 语 遗 传 算 法 作 为 一 种 强 犬 的 优 化 搜 索 的 结 点 ， 是 物 流 系 统 的 重 要 基 础 设 施 。 冷 冻 设 施 、 危 险 品 设 施 等 对 选 址 都 有 他不仅 承担多 种物 流功 能 ，而且 越来越 特 殊 要 求 。 方 法 ， 用 编 码 的 方 式 ， 直 接 对 各 种 对 采 叮 多 的 执 行 指 挥 调 度 、信 息 处 理 等 神 经 中 象 进 行 操 作 ， 且在 搜 索 最 优 解 时 不 依 并 仅 枢 的 职 能 ， 是 整 个 物 流 网 络 的 核 心 所 二 、建 立此 模 型 的基本 假 设 和 前提 赖 于 问 题 空 间 的 知 识 ， 凭 适 应 度 函 数 在 在 ，所 以 合 理 的 选 择 配 送 中 心 对 于 物 流 （ １ ）能预测某 一区域或 范围 内对某种 评 价 群 体 中 个 体 的 优 劣 ， 此 基 础 上 进 同 系 统 的 规 划 至 关 重 要 。 通 常 ，在 配 送 中 商 品的需 求量 ，并 且有 能 力满足这 种需 行 遗 传 操 作 ， 时 它 克 服 了 许 多 传 统 的 求。 搜索 算 法都 是 单 点搜 索 的缺 陷 ， 以 同 可 心 及 网点 布 局 决 策 时 要 考 虑 众 多 影 响 因 素 ，这 导 致 配 送 中心 的 选 址 成 为 一 个 相
基于GIS和遗传算法的物流配送中心选址研究
基于GIS 和遗传算法的物流配送中心选址研究林娜 , ,李志( 成都理工大学遥感与GIS 研究所,成都610059;重庆工商大学重庆市发展信息管理工程技术研究中心,重庆400067)收稿日期:2009-09-11基金项目:重庆市科委科技合作重点项目(CST C,2008AB2084);重庆工商大学青年科研基金项目(0752010)。
作者简介:林娜(1981~),女,助理研究员,博士生,现从事地理信息系统理论及应用研究。
E m ail:linnawb@摘要:物流配送中心的选址是物流系统优化的一个具有战略意义的问题。
在分析传统物流配送中心选址算法不足的基础上,建立了一个基于GIS 和遗传算法的物流配送中心选址模型。
首先确定配送中心选址的目标及影响选址的因素,接着利用GIS 的空间分析技术,定量分析可在电子地图上表现的物流配送中心选址的影响因素,得出一系列候选地点,最后利用遗传算法,求解得出最佳选址地点,并通过实例研究表明该算法的可行性。
关键词:物流配送中心;选址;G IS;空间分析;遗传算法doi:10.3969/j.issn.1000-3177.2010.05.023中图分类号:T P79 文献标识码:A 文章编号:1000-3177(2010)111-0110-05Study on Location Selection of Logistics Distribution CenterBased on GIS and Genetic AlgorithmL IN N a , ,L I Zhi !( I nstitute of R S &GI S ,Chengdu Univ er sity of T echnolo gy ,Cheng du 610059;Chongqing Engineer ing T echnolog y R esearch Center f or I nf or mation M anagement in D ev elop ment,Cho ngqing T echnolog y and Business Univers ity ,Chongqing 400067)Abstract:T he lo cation selection of log istics distr ibut ion center is of str ategic sig nificance to log istics sy stem o pt imizing.Based o n analy sis of tr aditional location select ion alg or ithms of log istics dist ributio n cent er,an algo rithm based o n GIS and ge netic algo rithm is established.First,the lo cation selection and its influence factor s are determined;then influence factor s o f loca t ion selection ar e analyzed by means o f G IS spatial analy sis techniques,a ser ial of candidate sites ar e obtained;at last the best lo catio n was obtained based o n g enet ic alg or ithm,and the case study show s that the algo rithm is feasible.Key words:log istics distributio n center;lo cat ion selectio n;GIS;spatial ana lysis;genetic algo rithm1 引 言物流配送中心是物流配送过程中相互联系的组织与设施的集合,是转接节点,其位置的选择是物流系统优化的一个具有战略意义的问题。
生鲜农产品冷链物流配送中心选址研究
生鲜农产品冷链物流配送中心选址研究一、本文概述随着人们生活水平的提高和食品安全观念的增强，生鲜农产品作为人们日常生活中不可或缺的一部分，其质量和安全越来越受到关注。
而冷链物流配送作为保障生鲜农产品质量与安全的关键环节，其选址问题则显得尤为重要。
本文旨在探讨生鲜农产品冷链物流配送中心的选址问题，以期为我国生鲜农产品冷链物流的发展提供参考。
本文将对生鲜农产品冷链物流配送中心的选址背景进行阐述，包括生鲜农产品市场的快速发展、消费者对生鲜农产品品质和安全的需求提升，以及冷链物流在保障生鲜农产品品质和安全方面的重要作用。
本文将分析生鲜农产品冷链物流配送中心选址的影响因素，包括交通条件、市场需求、物流成本、政策环境等多个方面。
在此基础上，本文将探讨如何构建科学的选址模型，以指导实际选址工作。
本文将提出相应的选址策略和建议，以期为我国生鲜农产品冷链物流的健康发展提供有益参考。
本文的研究不仅有助于提升生鲜农产品冷链物流配送中心的选址水平，也有助于推动我国生鲜农产品冷链物流行业的健康发展，为保障人们的食品安全和生活质量做出积极贡献。
二、文献综述随着生鲜农产品市场的不断扩大和消费者对食品品质要求的提升，冷链物流在生鲜农产品的配送过程中扮演着越来越重要的角色。
生鲜农产品冷链物流配送中心的选址问题，不仅关系到企业的物流成本、效率，更直接影响到产品的质量、新鲜度和消费者的满意度。
因此，对生鲜农产品冷链物流配送中心选址的研究具有重大的理论价值和现实意义。
国内外学者在冷链物流配送中心选址问题上进行了大量的研究。
早期的研究主要集中在选址模型的构建上，如经典的0-1整数规划模型、线性规划模型等，这些模型在理论上为冷链物流配送中心的选址提供了基础。
随着研究的深入，越来越多的学者开始关注到选址过程中的多目标决策问题，如成本、时间、服务质量等。
例如，等（年）提出了一种基于多目标决策的冷链物流配送中心选址模型，该模型综合考虑了成本、时间和服务质量三个因素，并通过算例验证了模型的有效性。
基于遗传算法的物流中心选址优化研究
基于遗传算法的物流中心选址优化研究随着全球化的不断深入和物流技术的不断发展，物流中心的选址问题成为了一个重要的研究领域。
一个合理的物流中心选址方案可以优化物流效率，降低物流成本，从而提高物流企业的竞争力和运营效益。
而遗传算法作为一种基于自然选择和遗传机制的优化算法，被广泛应用于物流中心选址问题的研究中。
一、遗传算法的介绍遗传算法是一种基于自然选择和遗传机制的优化算法，是对优化问题进行求解的通用方法。
遗传算法的基本思想是将优化问题通过编码形成适应度函数，然后通过染色体的交叉、变异和选择等遗传操作来逐步优化适应度函数，并最终得到问题的最优解。
遗传算法具有全局搜索能力强、易于并行化、能够避免陷入局部最优解等优点，因此被广泛应用于物流中心选址问题的研究。
二、物流中心选址问题的研究现状物流中心选址问题是指在考虑经济、运输、环保等因素的基础上，确定最佳的物流中心选址方案。
物流中心选址问题具有复杂性和多样性，需要综合考虑多个因素。
例如，地理位置、交通状况、能源消耗、环保标准、人力成本、税收政策等因素均会影响物流中心选址方案的制定。
目前，对于物流中心选址问题的研究已经取得了一定的进展。
研究者们通过建立数学模型和算法，从不同角度考虑物流中心选址问题，提出了许多优化方案。
但是，在实践中，由于条件的不同和问题的多样性，往往难以找到最优解。
因此，需要进一步探讨更加高效的求解方法。
三、基于遗传算法的物流中心选址优化研究基于遗传算法的物流中心选址优化研究是指在遗传算法的框架下，建立物流中心选址的数学模型，通过遗传算法的优化过程，得到比较优的选址方案。
基于遗传算法的物流中心选址优化研究具有以下优点：1、全局搜索能力强：遗传算法具有全局搜索的特点，可以在大范围内搜索最优解，并能够保证优化结果不会陷入局部最优。
2、适应度函数定义灵活：根据物流中心选址问题的实际情况，可以灵活定义适应度函数，以便更好地反映问题的实际情况。
3、算法易于并行化：遗传算法的基本操作包括交叉、变异、选择等，这些操作可以很容易地并行化，提高算法的求解效率。
基于遗传算法的物流配送规划研究
基于遗传算法的物流配送规划研究近年来，物流配送已经成为了经济社会发展中不可或缺的一部分，而如何高效地完成物流配送，从而降低成本、提高效率，成为了每个企业所关注的重点。
而遗传算法，作为一种自然界中自然选择与适应性的机制，已经被广泛用于问题的求解中。
基于遗传算法的物流配送规划研究，可以帮助企业制订最佳的配送路线，帮助企业提高效率、降低成本，在物流配送中体现最优解。
一、遗传算法简介遗传算法是模拟进化过程的一种算法。
在遗传算法中，一般采用染色体表示问题的解，而每个染色体由基因组成。
基因可以代表问题本身的某些特征，而染色体代表问题的解。
在求解问题时，通过对一系列染色体的进化、交叉和变异，寻找到最优解。
这种算法不需要问题具有可导性、解析式等特性，而且具有广泛的适用性。
二、物流配送规划问题的介绍物流配送规划问题，是针对某一特定的物流配送场景，通过选定的配送节点和目标节点，制定最佳的配送路线。
常见的物流配送规划问题包括地图配送问题、车辆路径问题、集装箱装载问题等等。
考虑到物流配送规划问题的复杂性，传统的以人工经验为主的方法很难取得令人满意的结果。
三、基于遗传算法的物流配送规划1、适应度函数的设计适应度函数是遗传算法中十分重要的一环，它评估了问题解在群体中的适应程度。
因此，设计合理的适应度函数是解决问题的关键。
在物流配送规划问题中，适应度函数应基于节点之间的距离、配送节点的负担、车辆数量和超时时间等因素。
2、选择机制在选择机制的设计上，一般使用轮盘赌选择机制或者锦标赛选择机制。
轮盘赌选择机制是根据适应度值的大小，将所有个体标记到一个轮盘上的位置，每次选择时转动一个尺子，落到哪个个体标记位置上就选择哪个个体。
锦标赛选择机制则需要随机选择一定数量的个体，从中选择适应度最高的个体。
3、交叉及突变操作交叉操作是在选择个体基础上，通过对基因进行某种形式的交叉，使遗传上的信息在不同的个体之间混合。
突变操作则是在基因的遗传操作中，以较低的概率对某一个基因进行着色。
结题报告 基于遗传算法的货物配送公司选址的求解
目录第一章绪论 (1)1.1货物配送的研究意义 (1)1.2 国内外研究现状 (1)1.2.1 配送中心选址问题的国内外研究现状 (1)1.2.2 遗传算法的国内外研究现状 (2)1.3 本文研究的主要内容和组织结构 (4)第二章基本理论 (4)2.1 遗传编码 (4)2.2 二进制编码 (5)2.3 改进重心法 (5)2.4 并行算法 (6)2.4.1 并行计算的三个基本条件 (6)2.4.2 采用并行计算技术的主要目的 (6)2.5遗传算法的基本原理 (6)2.6 并行编程环境MPI (7)第三章设计思想与实现 (8)3.1串行算法 (8)3.1.1. 串行算法设计思想 (8)3.1.2. 串行程序的具体实现 (10)3.1.3. 程序实现 (15)3.2并行算法 (15)3.2.1 并行算法思路 (15)3.2.2 并行方案设计 (16)参考文献 (20)第一章绪论1.1货物配送的研究意义确定货物配送中心选址的主要目标是使总运营成本最小，其中考虑的主要成本有运输费用、运营费用、选址固定费用和重新选址费用等。
运输费用取决于运输距离、运输方式和运输量。
大多数模型都假设运输费用为线性函数，但实际中正常的运输费用函数却是非线性的或指数型的，所以为计算上的简便起见，也可将非线性费用函数用线性函数来近似代替。
运营费用取决于可重复使用的资源费用，如劳动力、公用事业费用和其他开支。
物流中心选址的固定费用一般是最初投资的年费用，包括土地使用、设备和建筑费用。
重新选址费用包括将设备移到新物流中心地址的费用、新物流中心初建费用和关闭旧址处的设施费用。
新物流中心选址还包括其他限制因素，如所选位置的数量及可得性、供应源(工厂或仓库)能力、消费点(仓库或顾客)的需求、建新物流中心的总资金等。
近30 年来，选址理论发展迅速，各种不同的选址方法也越来越多，特别是电子计算机的广泛应用，促进了物流系统选址问题的研究，为不同方案的可行性分析提供了强有力的手段。
基于遗传算法的配送中心选址及配送区域划分问题研究
Ｒｅ ｅ ｒ ｈ ｏ ｓ ｒｂ ｔｏ ｎ ｅ ｌ ｃ ｔｏ ｎ ｓｒ ｂ ｔｏ ｇ ｏ ｖ ｓ ｎ Ｂａ ｅ ｎ Ｇｅ ｅ ｉ ｇ ｒｔ ｍ ｓ ａ ｃ ｎ Ｄｉｔ ｉ ｕ ｎ Ｃｅ ｔ ｒＡｌ ａ ｉ ｎ ａ ｄ Ｄｉｔ ｉ ｕ ｉ ｎ Ｒｅ ｉ ｎＤｉ ｉｉ ｓ ｄ ｏ ｎ ｔｃＡｌ ｏ ｉ ｉ ｏ ｏ ｈ
Ａｂ ｔａｃ：Ｏｎｔｅｂ ｓｓｏ ｘｓｉｇｓｕ ｉｓ ｔ ｅｐ ｐ ｒｅｔｂｉｈ ｓｔｅｍｏ ｅ ｆ ｌｉｌ ｉｔ ｂ ｔｏ ｅ ｔｒａｌｃ ｔ ｎ ａ ｄｄｓｒｂ ｔ ｎｒ— ｓｒ ｔ ｈ ａ ｉ ｆｅ ｉｔ ｔｄｅ ．ｈ ａ ｅ ｓａ ｌ ｅ ｈ ｄ ｌｏ ｔｐｅｄ ｓｒ ｕ ｉｎｃ ｎ ｅ ｌ ａｉ ｎ ｉｔ ｕ ｉ ｅ ｎ ｓ ｍｕ ｉ ｏ ｏ ｉ ｏ ｇｏ ｉ ｉｎ ｗ ｉｈｃｎ ｉ ｅｓｎ ｔｏ ｌ ｃｏ ｕ ｈａ ｈ ｉｔｎ ｅｂ ｔ ｅ ｎｄ ｓｒ ｔ ｎ ｃｎ ｅｓａ ｄｄ ｍａ ｄｐ ｉｔ，ｒｆｃｆｏ ａ ｄｒｌ ｂ ｌｙ ｉｎｄ ｓｏ ｈｃ ｏ ｓｄ ｒ ｏ ｎｙｆ ｔｒ ｓ ｃ ｓｔｅｄｓａ ｃ ｅｗ ｅ ｉｔｂｕｉ ｅ ｔｒ ｅ ｎ ｏｎｓ ｔａ ｉ ｗ ｅｉ ｉｉ ， ａ ｓ ｉ ｏ ｎ ｌ ｎ ａ ｔ
ＬＵ Ｈ ｇｊａ， ＡＮＭｉｇＪＡＮ ｕ ｈｎ ， ＨＡ ＧＪａ—ａｇ Ｉ ａ －ｕ ｎ Ｇ ｎ ，Ｉ ＧＹ — ｏｇＺ Ｎ ｉ ｆｎ ｎ ｎ ｆ ｓｔｔ ｏＭｏ ｅ Ｌ ｇ ｔ ｓＬ ｇｓｃ ｎ ｉｅｒ ｇ ｎｖｒｉ ， ｈ ｎｑｎ ４ １ １， ｈｎ） Ｉ ｔｕｅ ｆ ｄｍ ｏｉｉ ， ｏ ｔｓ ｇｎｅ ｎ ｉｅｓｙ Ｃ ｏ ｇｉｇ ０ ３ １Ｃ ｉａ ｎｉ ｓｃ ｉ ｉＥ ｉ Ｕ ｔ
基于云自适应遗传算法的物流配送中心选址问题研究
基于云自适应遗传算法的物流配送中心选址问题研究-工程论文基于云自适应遗传算法的物流配送中心选址问题研究李娟LI Juan（重庆工商职业学院财经管理学院，重庆400052）摘要：物流配送中心是整个物流系统的关键环节，对于降低物流成本、提高物流效率具有重大意义。
现有求解物流配送中心选址问题的传统遗传算法，存在种群多样性较差、个体退化等缺点，算法性能有待进一步改善。
针对该问题，在云模型理论的基础上，本文提出了求解物流配送中心选址问题的云自适应遗传算法。
算法的核心思想在于利用云模型理论生成交叉和变异概率。
最后的仿真实例表明，本文所提算法具有更好的求解性能。
关键词：物流中心选址；遗传算法；云模型中图分类号：F224 文献标识码：A 文章编号：1006-4311（2015）23-0060-03作者简介：李娟（1984-），女，山西大同人，讲师，硕士，研究方向为物流管理。
0 引言随着我国经济的增长，物流行业也取得了快速的发展。
如今，物流作为“第三方利润源泉”，已然成为我国经济发展的新增长点，整个物流系统包含着巨大的经济效益[1]。
物流配送中心作为物流系统的关键节点，能够提高物流系统的运作效率，降低运作成本，因此广受学者关注，关于物流中心选址问题的求解算法更是不甚枚举。
其中，由于并发性能较好、搜索范围较大等优点，遗传算法被应用得最为广泛，如文献[2]-[5]。
传统遗传算法虽然在一定程度上解决了物流配送中心选址的难题，但固定的交叉和变异概率值一方面限制了种群的多样性。
另一方面，个体在算法进化过程中也时常产生退化现象，进而算法求解性能有待提高。
云理论来源于“隶属云与语言原子模型”等概念，是一种定量定性转换模型，最初由李德毅院士提出[6]-[7]。
云自适应遗传算法则是由文献[8]针对传统遗传算法中种群多样性较差、算法退化等现象，在云模型理论的基础上提出的一种自适应遗传算法。
该算法通过云模型理论生成遗传算法中的交叉和变异概率，利用云滴的稳定倾向性使交叉概率具有稳定倾向性，从而避免了算法出现退化现象，加快了算法的求解速度；此外，由于云滴还具有随机性，因此通过云模型设计交叉和变异概率，还能提高种群的多样性，进而提高算法求解性能。
基于遗传算法的配送中心选址问题研究
（ １ １ ） ： ｌ ｌ １ ８ － １ １ ３ ０ ．
［ ３ ］ 李昌兵，杜茂康 ，曹慧英． 基 于层 次遗传算法的物流配送中心选址策略［ Ｊ 】 ．计算机应用研 究，２ ０ １ ２ ， ２ ９ （ １ ） ： ５ ７ — ５ ９ ， ７ ８ ．
【 ４ 】 王燕 ，蒋笑梅．配送 中心全程规划【 Ｍ】 ．北京 ：机械管理 出版社 ，２ ０ ０ ３ ． ［ ５ 】 郎茂祥．配送车辆优化调度模 型与 算法【 Ｍ】 ．北京：电子工业 出版社 ，２ ０ ０ ９ ． ［ ６ ］ 王战权 ，杨 东媛 ，汪超．配送 中心选址的遗传算法研 究【 Ｊ Ｊ ．物流技 术，２ ０ ０ １ （ ３ ） ： １ １ － １ ４ ．
Ｇ ≤Ｑ
Ｊ＝Ｉ
， ：
］
式 中 ：Ｇ ． ——需求点
— —
．
的需求量
．
． ．
配送 中心 ｉ 到需求
的距离 ＡＤ— Nhomakorabea—
，
配送 中心在 ｉ 的造价 ，Ｌ代表需求点数量 在ｉ 点不设置配送 中心 ，不会 选择 ｉ 点 ，Ｄ 为ｌ 则代表在 ｉ 点建设 配送中心 ，此时 ｉ 点选上
入下一代 ，其他个体则参与遗传运算 。
。１ １ 为适应度 ，厂 为 目标函数
Ｊ ＋ ｒ ￣ ｐ
交 叉 算 子 ：类 Ｏ Ｘ法 。例 如 父代 为 Ａ＝ １ ２（ ３ ４ ）５ ６ ７ ，Ｂ ＝ ７（ ６ ５ ）４ ３ ２ １ ，括 号 内为 随 机 产生 的交 配 区 域 。运 算 后 为 Ａ
＝
６ ５ １ ２ ３ ４ ７， Ｂ ＝ ３ ４ ７ ６ ５ ２ １ 。
变异算 子 ：多次采用交换变异 ，例如 ：序列 １ ２ ３ ４ ５ ６ ７ ，交换第 四位和第五位 ，则序列变为 １ ２ ３ ５ ４ ６ ７ 。
基于遗传算法的配送中心选址——以广州KT物流科技有限公司为例
2019年第04期（总第191期）沿海企业与科技COASTAL ENTERPRISES AND SCIENCE&TECHNOLOGYNO.04，2019（Cumulatively NO.191）物流配送中心作为线上销售、线下销售的主要节点和供应链的重要纽带，扮演着集中分配的角色，它介于上游制造商和下游零售商之间负责进行专业的仓储、拣货、运输等作业，并具有整合商流、物流、现金流、信息流等的功能，在物流配送系统中具有重要的地位。
物流配送中心不仅可以提高供应链运营的效率，降低运营成本，还能够实现供应链的整体优化，间接提高企业竞争力。
因此，研究物流配送中心的选址是重要而必要的。
一、配送中及其心选址（一）配送中心的内涵1.概念配送中心是指从事以配送服务为主的现代化设施，是以组织配送式销售和供应、执行实物配送为主要功能的流通型物流结点。
它能够很好地解决用户多样化需求和厂商大批量专业化生产的矛盾，因此逐渐成为现代化物流的标志。
2.与物流中心的区别配送中心是储存众多物品且将储存周期较短的众多物品配送给众多零售店（如专卖店、连锁店、超市等）或最终客户的场所；而物流中心则是储存众多物品、且将储存周期稍长的众多物品送达下一层经销商或配送中心的场所。
（二）配送中心的分类1.根据功能不同的分类（1）流通加工型配送中心——配送中心对物品的流通和加工职能较为重视。
为了匹配客户的要求，占有市场的主动权，配送中心主要进行流通以及再加工活动以满足客户的需求。
（2）配送型配送中心——配送中心对物品的配送职能较为重视。
作为面向零售商和消费者的物流节点，配送中心不仅有集货、仓储、分拣、加工、运输等职能，更强调以快速为主要目标所进行的短距离、小范围的快速配送。
（3）仓储型配送中心——配送中心对物品的仓储能力较为重视。
在提高土地利用率以及降低仓储成本的条件下，一般会采用此类配送中心。
（4）枢纽型配送中心——配送中心强调物品的集运及转运功能。