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.