您好, 访客   登录/注册

基于遗传算法的服装连锁业车辆调度问题研究

来源:用户上传      作者: 王志远 缪顾贤

  [摘 要] 结合服装业流行性强,顾客对产品个性化明显等特点,本文建立车辆调度模型,修改传统的仅考虑成本因素的决策指标;注重考虑配送服务水平;最后应用遗传算法求解。
  [关键词] 服装 连锁经营 车辆调度问题 遗传算法
  
  一、模型描述和建立
  服装业行业特点为:潮流性强,配送服务要求高。中国连锁经营协会对国内连锁零售业调查显示: 缺货是该行业配送的重要症结。故本文考虑缺货成本,多品种问题和车辆时间价值建立车辆调度模型,允许对实际配送量决策。研究范围:单配送中心、单周期、非满载、多品种、多车型、允许对配送量决策、允许租车、带软时间窗的车辆调度问题。连锁总部配送中心为N个门店配送W种服装,自有车辆数为nk,能租到车辆数mk, k为车辆型号,车型总数为K,车辆编号为1;门店i对第w种服装需求量为giw, 对门店i实际决策配送量为riw ;决策变量xijk1为1表示k型号编号为l的车辆从点i行驶到j,否则用0表示;ti表示从点i出发时间,t0=0表示从配送中心出发时间,tij表示从点i到点j的行驶时间, si表示对门店i的服务时间。 dij表示从点i到点j的行驶距离;qk表示k型车容量,由于货物是服装,故这里选容积,忽略重量影响;cw表示每单位第w种货物占用的容积;Vk表示k型车单位距离行驶成本;φw表示第w种货物的单位配送量成本;Fk表示自有的k型车出车固定成本; Ek示租用的k型车出车固定成本;[ei,li]表示点i的时间窗,其中[e0,10]=[0,∞];ai表示对配送点i配送时提前到达的单位时间成本bi表示对配送点i配送时单位迟到时间成本;αk表示k型车单位行驶时间的成本;βw表示第w种货物每一单位的缺货成本;Ri表示是否对配送点进行服务,为1表示配送,否则为0;pk1表示k型,编号为1的车是否参加配送,为1表示参加,否则为0。模型表达式:
  
  二、遗传算法求解
  据文献[1]采用基于客户的编码方式以适应不确定车辆数要求。 采用传统适应函数易造成适应度选择集中或分散,本文[2]中以目标函数值作为适应度,并配以随机联赛选择策略可以规避此问题。本文采取最佳保留策略结合随机联赛选择策略作为选择策略,采用常见的两点交叉和扩展的单点变异:区别在变异时按照初始化中重新对染色体赋值方法进行赋值。由于所得解均为只有车辆容量约束不满足的半可行解,故采用惩罚法调整适应值。算例如下:设配送点数为8,车辆类型为2,每型号3辆车,其中1型3号,2型3号为可租车辆,货种为2,1型车容量为15,2型车容量为20。总目标中各成本系数为:出车固定成本系数,自有车辆为{100,120},租用车辆为{180,200};距离成本系数为{0.5,0.7};时间成本系数为{10,15};配送量成本系数为{2,4};早到惩罚成本系数为{40,30,25,20,30,35,10,20};迟到惩罚成本系数为{100,120,160,130,100,95,120,140};缺货成本系数为{80,100};超载惩罚系数为4000。将文献中数据进行调整加入如下配送点的品种需求:
  由实验得本问题取种群规模100,交叉率为0.8,变异率为0.15,迭代500代为宜。进行独立实验50次得满意解:目标函数值为1039,对应的配送方案为出车3辆,1型1号车配送路线0~8~2~7~0,1型2号车配送路线0~6~4~0,2型2号车配送路线0~3~1~5~0。
  参考文献:
  [1]邹 彤:不确定车辆数有时间窗车辆路径问题的遗传算法[J].系统工程理论与实践,2004.6(6):134~138
  [2]占书芳:并行遗传算法在带软时间窗车辆路径问题中的研究[D].武汉理工大学,2005


转载注明来源:https://www.xzbu.com/3/view-1489798.htm