3 解法和算例

　　3.1 遗传算法的设计

(1)适应度函数和终止条件。设适应度函数，其中MA为预计最大费用。终止条件为最大遗传代数。

　　(2)复制。根据适应度函数得到个体的适应度并按大小排序，采用适应度比例法随机选择80次，将复制出的个体放到匹配池中。为了增强寻优搜索能力，将父代中个最优个体放回到匹配池中，顶替子代最差的个体，保持种群体中最佳个体的存在。

　　(3)交叉。本文采用单点交叉的方法，以保证探索新的基因空间。低阶、短定义距的模式呈指数倍增长，使新的群体中的个体具有多样性。但它并没有确认这些模式一定向最优解收敛，交叉算子有可能搜索不到靠近边缘的解，应依靠变异来解决此问题。

(4)变异。随机产生一个变异方向，其中是的变化量。在可行域中利用方向d产生新个体。为了避免早熟现象，对其进行均匀变异[4]。当算法进入不成熟收敛时，增大变异概率以摆脱迟钝状态。

　　3.2 算例

　　物资由配送中心从工厂统一订货，所以成本相同，p=90,η=0.002。仓库的库存、需求、订货手续费、装卸费、运输费等成本见表1。仓库间调货手续费和装卸费、各仓库之间单位物资运输成本、仓库与配送中心间的单位物资运输成本见表2。

　　表1 物资调配数据表 仓库 现存 需求 订货

　　手续费 订货

　　装卸费 库存

　　费 缺货

　　费 库存

　　容量 4 13 40 80 90 3 110 70 3 10 30 80 90 3 90 65 2 16 40 80 90 3 120 85 1 14 50 80 90 3 100 80

　　表2 调配和订货费用表 仓库 1 2 3 4 配送

　　中心 调货

　　手续费 调货

　　装卸费 1 0 200 220 200 300 40 50 2 200 0 140 170 350 40 50 3 220 140 0 150 370 40 50 4 200 170 150 0 400 40 50 (2)设置初始种群的规模为50，交叉概率为0.6，进化300代，变异概率为分别为0.001、0.005和0.01。变异概率为0.001和0.005时不突变，变异概率为0.01时突变概率为0.6。最优供应方案如表3。

表3 结果优化方案表 仓库 订货点 =0.001时

订货量 =0.005时

订货量 =0.01时

　　订货量 1 35 48 45 55 2 45 50 46 50 3 30 41 49 45 4 30 40 45 55 4 结束语

　　本文介绍了国内外物资供应系统的研究现状，考虑了订货和调配问题中所产生的各项费用，建立了一个总费用最小下的订货及调配决策优化的数学模型。根据实际情况，灵活选择订货和调配的供应方式，既能发挥联合订货的规模效益和整合优势，又能突出同级调配快速方便和成本低廉的优点。最后对算法和例子进行了分析求解，验证了模型的正确性和可行性。

　　参考文献

　　[1] 朱志军. 物流配送系统中三类选线问题研究[D]. 西安:西安交通大学,2001.

　　[2] Dekker A G. An easy derivation of the order level optimality condition for inventory systems with backordering[J]. International Journal of Production Economics, 1994,74(1):201-204.

　　[3] 李其治,杨 丹. 基于遗传算法的物资调配系统[J]. 重庆大学学报2005,28(5):95-98.

　　[4] 李勇. 供应链中分销配送优化模型及算法研究[D]. 重庆:重庆大学,2005.

　　[5] Snyder, L. V. and M. S. Daskin , Reliability models for facility location: the expected failure cost case, Transportation Science, 39(2005), 400-416.

　　[6] Shen, Z. -J., A multi-commodity supply chain design problem[J]. IIE Transactions, 37(2005):753-762.

　　[7] 高自友,孙会君. 现代物流与交通运输系统[M]. 北京:人民交通出版社,2003.

 2/2   首页 上一页 1 2