近年来国内物流产业正在快速发展,物流市场在壮大的同时,竞争日趋激烈。随着物流业向全球化、信息化及一体化发展,配送在整个物流系统中的作用变得越来越重要。顾客对物流服务质量要求的提高,以及行业竞争使物流企业格外注重在物流配送作业上的科学与高效管理。 配送是物流系统中一个直接与消费者相连的重要环节,是货物从物流节点送达收货人的过程。运输系统是配送系统中最重要的一个子系统,运输费用占整体物流费用中的50%,所以降低物流成本首先要从降低物流配送的运输成本开始。其中运输线路是否合理直接影响到配送速度、成本和效益。选取合适的运输路线,可以加快对客户需求的响应速度,提高服务质量,增强客户对物流系统的满意度,降低服务上的运营成本。本文针对配送中的核心问题——车辆路径问题(Vehicle Routing Problem, VRP),采用遗传算法进行了深入的研究。 遗传算法是模拟自然界生物进化过程与机制求解问题的一类自组织与自适应的人工智能技术。它使用群体搜索技术,通过对当前群体施加选择、交叉、变异等一系列遗传操作,从而产生新一代的群体,并逐步使群体进化到包含或接近最优解的状态。由于其具有思想简单、易于实现、应用效果明显等优点而被众多应用领域所接受,并在组合优化、模式识别、机器学习、人工生命、管理决策等领域得到了广泛的应用。遗传算法给我们呈现出的是一种通用的算法框架,该框架不依赖于问题的种类。 本文在认真分析国内外对VRP研究的基础上,将遗传算法进行了一系列的改进,如采用整数编码、引入罚函数对约束进行处理、对交叉算子和变异算子进行改进并对由此操作产生的不合法个体进行相关操作,直到得到合法的子代个体才能进行下一次迭代。通过MATLAB实现该算法,并通过实例证明了该算法是求解VRP的一个较好方案。这对物流配送企业实现配送路径优化、降低成本和提高物流经营管理水平、更快的响应顾客,最终增加企业的竞争力具有重要的参考价值。