城市農(nóng)產(chǎn)品冷鏈物流配送路徑優(yōu)化研究
發(fā)布時(shí)間:2021-08-20 06:19
隨著人們生活節(jié)奏的加快和生活品質(zhì)的提升,飲食健康這一方面的問題格外引起人民大眾的關(guān)心與重視,隨著冷鏈物流這一新興產(chǎn)業(yè)逐漸進(jìn)入人們的視野,農(nóng)產(chǎn)品作為日常生活中不可或缺的一部分,其食品質(zhì)量更加受到人們的高度關(guān)注。但生鮮農(nóng)產(chǎn)品從生產(chǎn)廠商生產(chǎn)出來直至銷售出去的過程中,有幾乎四分之三以上的時(shí)間是消耗在運(yùn)輸配送上面。配送運(yùn)輸已經(jīng)逐步成為生鮮農(nóng)產(chǎn)品冷鏈物流各項(xiàng)環(huán)節(jié)中的一個(gè)重要組成部分,從配送中心運(yùn)輸?shù)礁鱾(gè)銷售點(diǎn)的城市配送屬于最容易被忽視的環(huán)節(jié),可是,正是這最容易被忽視的環(huán)節(jié),卻成為制約整個(gè)城市冷鏈物流配送發(fā)展的瓶頸,成為保障服務(wù)和食品安全中的最重要一個(gè)環(huán)節(jié)。因此設(shè)計(jì)合理的車輛配送方案,可以更加有效的降低配送成本和保障食品安全。本文以城市農(nóng)產(chǎn)品冷鏈物流配送路徑優(yōu)化作為論文的研究課題,主要包括以下內(nèi)容:(1)本文通過大量閱讀國內(nèi)外相關(guān)文獻(xiàn),在國內(nèi)外生鮮農(nóng)產(chǎn)品運(yùn)輸車輛路徑問題研究現(xiàn)狀的基礎(chǔ)上,總結(jié)了農(nóng)產(chǎn)品冷鏈物流特殊性以及城市農(nóng)產(chǎn)品配送基本模式,整理了冷鏈物流車輛路徑問題的分類和構(gòu)成要素以及算法求解等相關(guān)理論,分析了冷鏈物流配送路徑優(yōu)化的必要性從而為模型的建立奠定基礎(chǔ)。(2)在城市路網(wǎng)配送中,由于道路擁堵...
【文章來源】:蘭州交通大學(xué)甘肅省
【文章頁數(shù)】:59 頁
【學(xué)位級(jí)別】:碩士
【部分圖文】:
銷售點(diǎn)和配送中心位置示意圖
城市農(nóng)產(chǎn)品冷鏈物流配送路徑優(yōu)化研究-36-圖5.2銷售點(diǎn)16至銷售點(diǎn)17車輛行駛時(shí)間概率分布圖表5.3各點(diǎn)之間行駛時(shí)間的概率分布(部分)01234500N(0.32,0.06)N(0.47,0.02)N(0.38,0.15)N(0.26,0.1)N(0.67,0.26)1N(0.32,0.05)0N(0.28,0.23)N(0.19,0.09)N(0.14,0.21)N(0.36,0.28)2N(0.51,0.01)N(0.32,0.22)0N(0.32,0.26)N(0.33,0.33)N(0.51,0.06)3N(0.37,0.13)N(0.18,0.08)N(0.29,0.26)0N(0.18,0.05)N(0.34,0.08)4N(0.32,0.08)N(0.2,0.21)N(0.38,0.33)N(0.26,0.03)0N(0.23,0.03)5N(0.59,0.26)N(0.36,0.28)N(0.4,0.06)N(0.28,0.07)N(0.26,0.02)0表5.4遺傳算法參數(shù)算法參數(shù)名稱參數(shù)值種規(guī)模100交叉率自適應(yīng)策略調(diào)整變異率自適應(yīng)策略調(diào)整最大代數(shù)200爬山操作次數(shù)5
城市農(nóng)產(chǎn)品冷鏈物流配送路徑優(yōu)化研究-40-圖5.6混合遺傳算法路徑圖5.4結(jié)果分析通過比較遺傳算法和混合遺傳算法的求解結(jié)果,種群進(jìn)化過程如圖5.7所示。圖5.7兩種算法迭代對(duì)比圖從圖5.7可以看出,混合遺傳算法比傳統(tǒng)遺傳算法的目標(biāo)函數(shù)值小,均在迭代200次得到最優(yōu)的目標(biāo)函數(shù)值。在進(jìn)化過程中可以看出混合遺傳算法的收斂速度高于傳統(tǒng)遺傳算法,這表明對(duì)遺傳算法地不足進(jìn)行改進(jìn),引用爬山算法增強(qiáng)遺傳算法的局部搜索能
本文編號(hào):3352983
【文章來源】:蘭州交通大學(xué)甘肅省
【文章頁數(shù)】:59 頁
【學(xué)位級(jí)別】:碩士
【部分圖文】:
銷售點(diǎn)和配送中心位置示意圖
城市農(nóng)產(chǎn)品冷鏈物流配送路徑優(yōu)化研究-36-圖5.2銷售點(diǎn)16至銷售點(diǎn)17車輛行駛時(shí)間概率分布圖表5.3各點(diǎn)之間行駛時(shí)間的概率分布(部分)01234500N(0.32,0.06)N(0.47,0.02)N(0.38,0.15)N(0.26,0.1)N(0.67,0.26)1N(0.32,0.05)0N(0.28,0.23)N(0.19,0.09)N(0.14,0.21)N(0.36,0.28)2N(0.51,0.01)N(0.32,0.22)0N(0.32,0.26)N(0.33,0.33)N(0.51,0.06)3N(0.37,0.13)N(0.18,0.08)N(0.29,0.26)0N(0.18,0.05)N(0.34,0.08)4N(0.32,0.08)N(0.2,0.21)N(0.38,0.33)N(0.26,0.03)0N(0.23,0.03)5N(0.59,0.26)N(0.36,0.28)N(0.4,0.06)N(0.28,0.07)N(0.26,0.02)0表5.4遺傳算法參數(shù)算法參數(shù)名稱參數(shù)值種規(guī)模100交叉率自適應(yīng)策略調(diào)整變異率自適應(yīng)策略調(diào)整最大代數(shù)200爬山操作次數(shù)5
城市農(nóng)產(chǎn)品冷鏈物流配送路徑優(yōu)化研究-40-圖5.6混合遺傳算法路徑圖5.4結(jié)果分析通過比較遺傳算法和混合遺傳算法的求解結(jié)果,種群進(jìn)化過程如圖5.7所示。圖5.7兩種算法迭代對(duì)比圖從圖5.7可以看出,混合遺傳算法比傳統(tǒng)遺傳算法的目標(biāo)函數(shù)值小,均在迭代200次得到最優(yōu)的目標(biāo)函數(shù)值。在進(jìn)化過程中可以看出混合遺傳算法的收斂速度高于傳統(tǒng)遺傳算法,這表明對(duì)遺傳算法地不足進(jìn)行改進(jìn),引用爬山算法增強(qiáng)遺傳算法的局部搜索能
本文編號(hào):3352983
本文鏈接:http://sikaile.net/kejilunwen/daoluqiaoliang/3352983.html
最近更新
教材專著