基于改进遗传算法的物流中心选址优化

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (25): 221-223.

基于改进遗传算法的物流中心选址优化

陶羿¹，朱建青¹，李明²

1.解放军信息工程大学理学院，郑州 450002
2.信号盲处理国防科技重点实验室，成都 610041

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-09-01 发布日期:2007-09-01
通讯作者: 陶羿

Optimization of locations of logistics centers based on improved Genetic Algorithm

TAO Yi¹，ZHU Jian-qing¹，LI Ming²

1.Institute of Sciences，Information Engineering University，Zhengzhou 450002，China
2.National Defence Key Laboratory of Blind Processing of Signals，Chengdu 610041，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-09-01 Published:2007-09-01
Contact: TAO Yi

摘要/Abstract

摘要： 根据物流中心选址问题的特点和要求，在运输成本和运输时间最优的基础上，构造了选址问题的数学模型。给出了一种改进遗传算法的求解方法，其中由于适应度函数与各物流中心对应的需求分配情况密切相关，用拉格朗日松弛法来解决对于特定位置的物流中心服务需求分配的子问题。遗传算子采用线性凸组合的杂交方式、强弱两种变异方式以及进化（?滋+λ）选择方式，从而有效地避免算法的早熟现象，可防止其很快收敛到局部最优解。实例求解表明，该算法可以有效、快速地求得物流中心选址问题的全局最优解。

关键词: 物流中心选址, 遗传算法, 需求分配, 拉格朗日松弛法

Abstract: With the characteristics and demands of locations of logistics centers，a mathematics model has been made on logistics locations problems on the basis of the optimization of the total transport costs and time among customers and their serving centers.An improved Genetic Algorithm of global optimization solution has been given.In view of the tight relation between the fitness function and each service demands of locations of logistics centers，the subproblem of allocations of service demands has been sovled by Lagrangian relaxation method.The linear convex combination，subtle mutation and violent mutation，and ES-（?滋+λ）selection have been adopted to avoid premature convergence and prevent fast local optimal solution.The instance demonstrates that the improved algorithm can effectively get the global optimal solution.

Key words: locations of logistics centers, Genetic Algorithm, allocations of service demands, Lagrangian relaxation method

陶羿¹，朱建青¹，李明². 基于改进遗传算法的物流中心选址优化[J]. 计算机工程与应用, 2007, 43(25): 221-223.

TAO Yi¹，ZHU Jian-qing¹，LI Ming². Optimization of locations of logistics centers based on improved Genetic Algorithm[J]. Computer Engineering and Applications, 2007, 43(25): 221-223.

[1]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[6]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[7]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[8]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[9]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[10]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[11]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[12]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[13]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.
[14]	陈元文. MapReduce技术在物资调运与配载问题中的应用[J]. 计算机工程与应用, 2021, 57(12): 273-278.
[15]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.