本文關(guān)鍵詞：基于遺傳算法的汽車零部件集配中心選址問題的研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來電子商務(wù)飛速發(fā)展,作為其行業(yè)核心的物流已經(jīng)不知不覺間在人們生活中扮演著不可或缺的角色,而配送中心是維系該系統(tǒng)能夠正常運(yùn)轉(zhuǎn)的重要組成部分,起著承上啟下的作用,科學(xué)有效地建立物流配送中心能大幅降低供應(yīng)鏈成本,保障企業(yè)和相關(guān)用戶雙方共同的利益[1]。因此,物流配送中心選址對提高物流整體效率和效益具有十分重要的意義。對于汽車零部件集配中心選址問題,傳統(tǒng)算法擁有眾多的局限性,遺傳算法利用計(jì)算機(jī)可以很好的計(jì)算出最優(yōu)的選址策略,然而該算法尚處于起步階段,很多參數(shù)還有待于進(jìn)一步優(yōu)化,以解決現(xiàn)實(shí)問題。傳統(tǒng)遺傳算法適用于解空間較小,解的數(shù)量有限且離散的情況。而對于解空間較大,解數(shù)量無限,解的分布為連續(xù)時(shí),算法計(jì)算量大幅飆升的同時(shí),更為不容易搜索出最優(yōu)解。在解空間較大時(shí),國內(nèi)外眾多學(xué)者提出了眾多的改進(jìn)策略,在借鑒了前人的研究成果的基礎(chǔ)上,本文開展了以下研究:首先,對汽車零部件集配中心選址問題進(jìn)行了分析和建模,用鮑摩-瓦爾夫法求解選址問題,通過案例分析,解析了中國北方某大型汽車制造廠五年的物流編組數(shù)據(jù),建立了兩種不同的數(shù)學(xué)模型,在備選的三個(gè)集配中心中選出一個(gè)或多個(gè)集配中心,利用遺傳算法找到最佳的集配中心選址策略以確保供應(yīng)鏈總成本最低。其次,本文介紹了傳統(tǒng)的鮑摩法,然后針對鮑摩法難以找出最優(yōu)解的缺陷,針對市場調(diào)查中實(shí)際遇到的汽車零部件集配中心選址問題,提出了貨物不可拆分模型和貨物可拆分模型。為了解決實(shí)際問題,提出了基于貨物不可拆分模型解空間有限時(shí)的遺傳算法。而對于貨物可拆分模型,針對其解空間龐大的特點(diǎn),引入懲罰函數(shù),對遺傳算法解空間的搜索進(jìn)行了限制。在此基礎(chǔ)上,本文針對汽車零部件集配中心選址這個(gè)具體問題,對該算法進(jìn)行了一系列的改進(jìn),如改善初始種群,引入最優(yōu)個(gè)體保送策略,陷入局部最優(yōu)值時(shí)的變異跳出機(jī)制等,得到了較為滿意的計(jì)算結(jié)果。但上述懲罰函數(shù)遺傳算法依然不夠理想,本文又提出了約束條件代入法,進(jìn)一步限定了搜索空間,得到了滿意的計(jì)算結(jié)果,同時(shí),討論了遺傳算法眾多參數(shù)如變異率,交叉率等在實(shí)際編程中的作用和如何選擇這些參數(shù)才能得到更優(yōu)的結(jié)果,提高編程和調(diào)試能力。最后,本文對兩種遺傳算法(不可拆分算法和可拆分算法)的試用條件、準(zhǔn)確度、結(jié)果精確度等進(jìn)行了比較分析,并對遺傳算法在不同情況下的使用和改進(jìn)進(jìn)行了探討,為今后的研究提供了詳實(shí)的理論依據(jù)。
【關(guān)鍵詞】：選址 遺傳算法 汽車零部件集配中心
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP18
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-15
• 1.1 選題背景10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-13
• 1.2.1 集配中心選址問題的研究現(xiàn)狀11-12
• 1.2.2 遺傳算法的發(fā)展史及研究現(xiàn)狀12-13
• 1.3 研究目的及意義13
• 1.4 本文的組織結(jié)構(gòu)13-15
• 第2章 集配中心的選址及鮑摩法解決方案15-26
• 2.1 集配中心概述15-17
• 2.1.1 集配中心的配送功能15-16
• 2.1.2 集配中心的分類及物流網(wǎng)絡(luò)的問題模型16-17
• 2.2 配送中心選址系統(tǒng)的建模17-21
• 2.2.1 選址應(yīng)考慮的基本條件分析17
• 2.2.2 選址問題的案例分析17-19
• 2.2.3 模型的建立19-21
• 2.3 鮑摩瓦爾夫模型求解策略21-26
• 2.3.1 模型具體解決問題的思路21-22
• 2.3.2 程序?qū)崿F(xiàn)22-25
• 2.3.3 鮑摩瓦爾夫法的計(jì)算結(jié)果和缺陷25-26
• 第3章 基于貨物不可拆分模型的遺傳算法的解決方案26-42
• 3.1 遺傳算法的概述26-29
• 3.1.1 遺傳算法的簡介26-28
• 3.1.2 遺傳算法的模式定理28-29
• 3.2 貨物不可拆分的模型分析29
• 3.3 貨物不可拆分遺傳算法29-42
• 3.3.1 編碼29-30
• 3.3.2 適應(yīng)度函數(shù)30-32
• 3.3.3 初始種群生成32-33
• 3.3.4 選擇33-34
• 3.3.5 交叉34-39
• 3.3.6 變異39-40
• 3.3.7 參數(shù)調(diào)整40
• 3.3.8 測算結(jié)果40-42
• 第4章 基于貨物可拆分模型的遺傳算法解決方案42-56
• 4.1 貨物可拆分模型分析42
• 4.2 懲罰函數(shù)遺傳算法42-49
• 4.2.1 編碼42-43
• 4.2.2 解除約束及適應(yīng)度函數(shù)的確定43
• 4.2.3 初始種群生成43-46
• 4.2.4 選擇和交叉46-47
• 4.2.5 變異47-49
• 4.2.6 參數(shù)調(diào)整和測算結(jié)果49
• 4.3 約束條件代入遺傳算法49-56
• 4.3.1 適應(yīng)度函數(shù)50-51
• 4.3.2 交叉51-54
• 4.3.3 變異54-55
• 4.3.4 測算結(jié)果55-56
• 第5章 兩種算法的分析與性能對比56-59
• 5.1 兩種算法的適用條件分析56-57
• 5.2 性能對比57-59
• 第6章 總結(jié)與展望59-60
• 6.1 總結(jié)59
• 6.2 展望59-60
• 參考文獻(xiàn)60-63
• 致謝63

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 胡籍;;AHP在物流配送中心選址中的應(yīng)用[J];經(jīng)營管理者;2014年06期

2 宋少忠;孔繁森;王利芳;郭淑馨;;應(yīng)用鮑摩法規(guī)劃汽車零部件制造業(yè)集配中心選址[J];工業(yè)工程;2012年03期

3 李昌兵;杜茂康;曹慧英;;基于層次遺傳算法的物流配送中心選址策略[J];計(jì)算機(jī)應(yīng)用研究;2012年01期

4 李果;馬士華;龔鳳美;王兆華;;基于Supply-Hub的供應(yīng)物流協(xié)同運(yùn)作研究綜述與展望[J];機(jī)械工程學(xué)報(bào);2011年20期

5 王竹榮;巨濤;馬凡;;多核集群系統(tǒng)下的混合并行遺傳算法研究[J];計(jì)算機(jī)科學(xué);2011年07期

6 王勇;何宇;;基于改進(jìn)蟻群算法的多物流配送中心選址[J];經(jīng)營管理者;2011年02期

7 孫浩然;遠(yuǎn)亞麗;;基于鮑摩-瓦爾夫模型的配送中心選址[J];物流工程與管理;2011年01期

8 張宇;張明海;;模糊層次分析法為基礎(chǔ)的東北地區(qū)鹿類動物生境評價(jià)體系初探[J];野生動物;2010年01期

9 張燕;胡賢滿;李珍萍;;重心法和模糊層次分析相結(jié)合的配送中心選址方法[J];物流技術(shù);2009年10期

10 余曉鐘;劉鴻淵;陳健聲;;基于缺貨條件的成品油二次運(yùn)輸成本優(yōu)化[J];西南石油大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年05期

  本文關(guān)鍵詞：基于遺傳算法的汽車零部件集配中心選址問題的研究，由筆耕文化傳播整理發(fā)布。

本文編號：325365