改进混合遗传算法及其在农资优化配送中应用

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (2): 234-238.

改进混合遗传算法及其在农资优化配送中应用

韦江霞，陈天恩，张弛

国家农业信息技术研究中心，北京 100097

出版日期:2016-01-15 发布日期:2016-01-28

Improved hybrid genetic algorithm and its application research to optimize agricultural distribution

WEI Jiangxia, CHEN Tian’en, ZHANG Chi

National Engineering Research Center for Information Technology in Agriculture, Beijing 100097, China

Online:2016-01-15 Published:2016-01-28

摘要/Abstract

摘要： 针对农资配送过程中普遍存在空载以及二次配送导致配送成本增加问题，提出一种基于改进混合遗传算法的配送优化方法。在遗传算法中融入模拟退火算法，结合二者优势使得算法跳出局部极值，增强全局优化的能力;针对两种算法混合后造成算法运行时间长、收敛慢的缺点，提出一种混合交叉方式以及混合启发式变异的方法，最大限度减少不必要的计算，提高算法的优化效率。选取北京农资大兴配送中心针对大兴地区30个农资连锁经销门店的日常配送路径优化问题开展实验研究，结果表明，提出的算法较传统算法具有更好的收敛性，优化结果更加逼近全局最优解，可为农资配送车辆实时路径优化决策提供一种新的方法。

关键词: 农资配送, 混合遗传, 混合交叉, 启发式变异

Abstract: In order to solve the increased costs for agricultural distribution by no-load and secondary distribution problems, an improved hybrid genetic algorithm is put forward in this paper. In this study, the simulated annealing algorithm is incorporated into the genetic algorithm, the advantages of both the algorithm are adopted to jump out the local best, enhance the ability of global optimization. In addition, as the hybrid genetic algorithm is time intensive on computation and converges slowly, a hybrid crossover and heuristic mutation method is proposed, it minimizes unnecessary calculations, and improves the efficiency of the optimization algorithm to overcome these disadvantages. 30 agricultural chain distribution outlets in Daxing are selected for the study of daily distribution route optimization. The results show that the proposed algorithm compared with the traditional algorithm has better convergence, and the optimization result is more approximate optimal global optimal solution, which provides a new method for the real-time path optimization decisions for the agricultural distribution.

Key words: agricultural distribution, hybrid genetic algorithm, hybrid crossover, heuristic mutation

韦江霞，陈天恩，张弛. 改进混合遗传算法及其在农资优化配送中应用[J]. 计算机工程与应用, 2016, 52(2): 234-238.

WEI Jiangxia, CHEN Tian’en, ZHANG Chi. Improved hybrid genetic algorithm and its application research to optimize agricultural distribution[J]. Computer Engineering and Applications, 2016, 52(2): 234-238.

[1]	刘兰芬，杨信丰. 基于混合遗传算法的有效路径求解[J]. 计算机工程与应用, 2019, 55(11): 244-249.
[2]	张赫男，张绍文. 采用改进的混合遗传算法求解高校排课问题[J]. 计算机工程与应用, 2015, 51(5): 240-246.
[3]	游伟，雷定猷，朱向. 三维装箱问题的偏随机密钥混合遗传算法[J]. 计算机工程与应用, 2014, 50(22): 265-270.
[4]	符昊，葛洪伟，邵长鲁，朱亮. 造船监理员调度模型和混合遗传算法求解[J]. 计算机工程与应用, 2014, 50(21): 238-242.
[5]	刘波1，2，李波1，李砚1. 不确定条件下应急资源布局的鲁棒双层优化模型[J]. 计算机工程与应用, 2013, 49(16): 13-17.
[6]	赵东红1，2，王来生2，张峰1. 遗传算法的粗糙集理论在文本降维上的应用[J]. 计算机工程与应用, 2012, 48(36): 125-128.
[7]	刘菲，吕世辉，赵中华. 基于多步强化变异算子的混合遗传算法[J]. 计算机工程与应用, 2011, 47(29): 46-48.
[8]	王建华1，2，李南2，郭慧2. 求解敏捷供应链调度优化问题的混合遗传算法[J]. 计算机工程与应用, 2011, 47(17): 224-228.
[9]	李楠1，2，高鹏东1，鲁永泉1，余文华1. 并行混合遗传算法在深度像配准中的应用研究[J]. 计算机工程与应用, 2011, 47(12): 12-15.
[10]	雷阳，李树荣，张强，张晓东. 基于骨干粒子群的混合遗传算法及其应用[J]. 计算机工程与应用, 2010, 46(36): 7-10.
[11]	潘晓英. 混合多智能体遗传算法[J]. 计算机工程与应用, 2010, 46(3): 9-12.
[12]	杜宗宗，刘国栋. 基于混合遗传模拟退火算法求解TSP问题[J]. 计算机工程与应用, 2010, 46(29): 40-42.
[13]	戎丽霞. 模糊需求条件下车辆路径问题的模糊模拟[J]. 计算机工程与应用, 2010, 46(18): 209-210.
[14]	俞武扬. 多式联运运输问题的混合遗传算法[J]. 计算机工程与应用, 2009, 45(33): 10-12.
[15]	梁迪¹,陶泽². 多目标柔性作业调度的优化研究[J]. 计算机工程与应用, 2009, 45(15): 223-225.