現(xiàn)有船舶電子商務(wù)物流中心站選址方法以時間路徑最短為目標(biāo),存在著選址合理性參數(shù)較小的問題,為了解決上述問題,提出遺傳算法的船舶電子商務(wù)物流中心站優(yōu)化研究。依據(jù)船舶物流特點(diǎn)構(gòu)建物流中心站選址模型,構(gòu)建模型是一個NP-hard問題,利用遺傳算法尋求全局最優(yōu)解,通過編碼、初始化種群、適應(yīng)度評價、遺傳算子操作以及遺傳算法求解確定最佳船舶電子商務(wù)物流中心站的位置,實(shí)現(xiàn)船舶電子商務(wù)物流中心站的優(yōu)化。實(shí)驗(yàn)結(jié)果顯示:與現(xiàn)有代表方法相比較,本文方法用戶到物流中心站位置的單位運(yùn)輸時間較短、單位運(yùn)輸成本較低,表明本文方法選址合理性參數(shù)較大,具備更好的應(yīng)用前景。 

【文章來源】：艦船科學(xué)技術(shù). 2020,42(16)北大核心

【文章頁數(shù)】：3 頁

【部分圖文】：

遺傳算法求解流程圖Fig.1Geneticalgorithmsolutionflowchart

2.1實(shí)驗(yàn)環(huán)境為了保障實(shí)驗(yàn)的順利進(jìn)行，用Python在一定范圍內(nèi)生成100個隨機(jī)數(shù)據(jù)點(diǎn)作為物流中心站，將其作為基礎(chǔ)的實(shí)驗(yàn)數(shù)據(jù)集，物流中心站示意圖如圖2所示。圖2物流中心站示意圖Fig.2Schematicdiagramoflogisticscenterstation為了保障本文方法得到全局最優(yōu)解，確定遺傳算法的運(yùn)行次數(shù)。遺傳算法運(yùn)行結(jié)果如圖3所示�？芍�(dāng)遺傳算法運(yùn)行次數(shù)為50次時，結(jié)果穩(wěn)定，即此時得到全局最優(yōu)解，則確定遺傳算法運(yùn)行次數(shù)為50次。圖3遺傳算法運(yùn)行結(jié)果圖Fig.3Runningresultofgeneticalgorithm2.2單位運(yùn)輸時間對比分析通過實(shí)驗(yàn)得到用戶到物流中心站位置單位運(yùn)輸時間對比情況如表1所示�？芍疚姆椒ǖ膯挝贿\(yùn)輸時間較短，最小值可以達(dá)到0.9t。2.3單位運(yùn)輸成本對比分析通過實(shí)驗(yàn)得到用戶到物流中心站位置單位運(yùn)輸成本對比情況如表2所示。表2數(shù)據(jù)顯示，提出優(yōu)化方法的單位運(yùn)輸成本較低，最小值可以達(dá)到0.98k。3結(jié)語相較于現(xiàn)有代表方法，本文方法用戶到物流中心站位置的單位運(yùn)輸時間較短、單位運(yùn)輸成本較低，選址合理性參數(shù)較大，本文方法的性能更佳。參考文獻(xiàn)：鄭瑞卿.構(gòu)造節(jié)約遺傳算法解決電子商務(wù)環(huán)境下的物流配送路徑優(yōu)化問題研究[J].宜春學(xué)院學(xué)報(bào),2018,40(12):59–61.[1]陳國華.基于改進(jìn)SLP理論的鐵路電商物流中心布局研究[J].山東科學(xué),2018,31(5):48–57.[2]褚胡冰,張海鵬,劉一.基于遺傳算法的氣墊船主尺度優(yōu)化設(shè)計(jì)研究[J].船舶,2018,29(6):109–116.[3]馬冉祺,黃連忠,魏茂蘇,等.基于實(shí)船監(jiān)測數(shù)據(jù)的定航線船舶智能航速優(yōu)化[J].大連海事大學(xué)學(xué)報(bào),2018,44(1):31–35.[4]表1單位運(yùn)輸時間對比情況表Tab.1Compari

2.1實(shí)驗(yàn)環(huán)境為了保障實(shí)驗(yàn)的順利進(jìn)行，用Python在一定范圍內(nèi)生成100個隨機(jī)數(shù)據(jù)點(diǎn)作為物流中心站，將其作為基礎(chǔ)的實(shí)驗(yàn)數(shù)據(jù)集，物流中心站示意圖如圖2所示。圖2物流中心站示意圖Fig.2Schematicdiagramoflogisticscenterstation為了保障本文方法得到全局最優(yōu)解，確定遺傳算法的運(yùn)行次數(shù)。遺傳算法運(yùn)行結(jié)果如圖3所示�？芍�，當(dāng)遺傳算法運(yùn)行次數(shù)為50次時，結(jié)果穩(wěn)定，即此時得到全局最優(yōu)解，則確定遺傳算法運(yùn)行次數(shù)為50次。圖3遺傳算法運(yùn)行結(jié)果圖Fig.3Runningresultofgeneticalgorithm2.2單位運(yùn)輸時間對比分析通過實(shí)驗(yàn)得到用戶到物流中心站位置單位運(yùn)輸時間對比情況如表1所示�？芍�，本文方法的單位運(yùn)輸時間較短，最小值可以達(dá)到0.9t。2.3單位運(yùn)輸成本對比分析通過實(shí)驗(yàn)得到用戶到物流中心站位置單位運(yùn)輸成本對比情況如表2所示。表2數(shù)據(jù)顯示，提出優(yōu)化方法的單位運(yùn)輸成本較低，最小值可以達(dá)到0.98k。3結(jié)語相較于現(xiàn)有代表方法，本文方法用戶到物流中心站位置的單位運(yùn)輸時間較短、單位運(yùn)輸成本較低，選址合理性參數(shù)較大，本文方法的性能更佳。參考文獻(xiàn)：鄭瑞卿.構(gòu)造節(jié)約遺傳算法解決電子商務(wù)環(huán)境下的物流配送路徑優(yōu)化問題研究[J].宜春學(xué)院學(xué)報(bào),2018,40(12):59–61.[1]陳國華.基于改進(jìn)SLP理論的鐵路電商物流中心布局研究[J].山東科學(xué),2018,31(5):48–57.[2]褚胡冰,張海鵬,劉一.基于遺傳算法的氣墊船主尺度優(yōu)化設(shè)計(jì)研究[J].船舶,2018,29(6):109–116.[3]馬冉祺,黃連忠,魏茂蘇,等.基于實(shí)船監(jiān)測數(shù)據(jù)的定航線船舶智能航速優(yōu)化[J].大連海事大學(xué)學(xué)報(bào),2018,44(1):31–35.[4]表1單位運(yùn)輸時間對比情況表Tab.1Compari

【參考文獻(xiàn)】：
期刊論文
[1]基于遺傳算法的氣墊船主尺度優(yōu)化設(shè)計(jì)研究[J]. 褚胡冰,張海鵬,劉一.  船舶. 2018(06)
[2]構(gòu)造節(jié)約遺傳算法解決電子商務(wù)環(huán)境下的物流配送路徑優(yōu)化問題研究[J]. 鄭瑞卿.  宜春學(xué)院學(xué)報(bào). 2018(12)
[3]基于改進(jìn)SLP理論的鐵路電商物流中心布局研究[J]. 陳國華.  山東科學(xué). 2018(05)
[4]基于實(shí)船監(jiān)測數(shù)據(jù)的定航線船舶智能航速優(yōu)化[J]. 馬冉祺,黃連忠,魏茂蘇,柳霆,劉伊凡,王寰宇.  大連海事大學(xué)學(xué)報(bào). 2018(01)



本文編號：3245365