1、引言
比来几年来，我国电商行业的蓬勃成长，使得网上购物成为人们的首要购物消费渠道，人们不单在网上采办日用品、美妆产物，还采办生鲜食物产物。网购的渠道也从淘宝、京东等除夜型购物平台，慢慢向直播带货平台进行分流，此种网购趋向使得对物风行业的需求慢慢增添。物流运输作为全数网购流程的焦点关头，据有着较为首要的位置。冷链物流是指在冷藏前提下进行的物流勾当，它触及食物、药品等易腐、需要恒温保留的商品。冷链物流配送路径优化是物流治理中的一个首要环节，直接影响物流成本、时效和处事质量。遗传算法作为一种启发式搜索算法，具有精采的全局寻优能力，已被普遍操作于各类优化问题。冷链物流配送路径优化问题可描述为：在知足冷藏商品质量束厄狭隘的前提下，规齐截组最优的配送路径，使得总的配送成本（搜罗运输成本、冷藏成本、时刻奖惩成本等）最小化。该问题具有多束厄狭隘、非线性等特点，传统的优化编制难以有用求解。
基于此，本文将以冷链物流配送路径作为研究对象，经由过程优化配送车辆的线路，下降冷链运输酿成的成本问题，进而提高物流运输的配送效力，且必定水平上削减碳排放量，下降物流运输对气象的污染，具有较为首要的现实意义。本文中构建的模子算法设计，通顺贯通了遗传算法和烟花算法，设计出一种改良型烟花遗传算法（IFWGA），该算法可以有用地解决冷链物流配送的车辆路径问题。借助Matlab2021a进行编码运算，并经由过程算例对功能进行验证，可得出此算法研究的操作结论。该算法能够仆从快速成长的物风行业趋向，借助软时刻窗的束厄狭隘前提，为冷链配送供给全新的优化路径，借此增强物流企业的运输效益，辅佐电商企业下降运输成本，使物流企业凝练焦点竞争力，有用地催促物风行业的快速成长。
2、模子构建与算法设计
1. 问题描述
本文进行的冷链物流配送模子研究中，需要从多个成本方面进行考量，其中已知输送生鲜农产物的冷链物流配送车型及相关车型数目，同时要保证算法研究中能够知足客户的运输需求，并需在客户要求的期望送达时刻内完成输送。基于上述前提方可成立运输路径问题的数学模子。确保研究能够将运输成本节制在最低规模内，并筹算和计较出科学的物流配送方案，借此下降运输过程中发生的碳排放，并尽可能削减因为车辆开关门酿成的货物耗损，其中需要从成本节制等方面建示范子，并从以下四个方面进行综合考量。
(1）固定成本
本研究中固定成本首要有车辆费用、驾驶员人工费用及一系列车辆固定成本等，若该配送中心共有K辆车，则配送过程中的固定成本可用C1暗示，见式（1）。
(2）运输成本
因为本研究需要对运输路径进行筹算，是以运输成本属于变量，需要遵循车辆的行驶距离进行必定，将由距离抉择的运输成本暗示为C2，见式（2）。
式中：ckij是客户i与客户j由k车配送需要发生的成本；dij是客户i与客户j的间距。
(3）奖惩成本
该数学模子构建中，软时刻淳砼念界说为客户可领受的迟到时刻规模，奖惩成本C3见式(3)。
式（3）中：[eti,lti]为硬时刻窗；[ei,li]为软时刻窗；yik的值抉择j车是不是派送了客户i(i取值为0或1,1暗示配送，0暗示不配送）；P1为单价；tik是现实配送过程中k车达到坐标点i的时刻；μ1、μ2是预先设置的奖惩系数；qi是i客户对生鲜农产物的需求量；M暗示一个极除夜值。
(4）制冷成本
该成本计较可引入转化系数作为参考，将热负荷作为关门状况下制冷剂的破耗成本，此顶用Qk1来暗示k车运行中发生的热负荷，Qk2暗示k车开门状况发生的热量，C51暗示关门状况下的制冷成本，C52暗示开关门过程中的制冷成本，见式（4）-式（7）。
式（4）-式（7）中：P2暗示尺度距离行驶成本；S为车厢的概况积；Sw、Sn分袂为外、内部的车厢面积；R暗示传热系数；Tw、Tn分袂为外、内部的温度；tij暗示客户i到客户j的时刻；α代表了开门的频率，其取值见表1。
表1 开门频度系数 下载原图
是以，总制冷成本C5见式（8）。
2. 改良遗传算法设计
因为车辆路径问题中具有多种组成成分，且仆从组成成分的不合组合，可组成不合的方针。本研究被选择遗传算法进行改良设计，是因为遗传算法作为具有较强全局搜索能力的强智能算法，其操作规模加倍普遍。是以在传统遗传算法根底上引入改良策略，可有用避免遗传操作过程中丢失踪踪暗藏的最优解，且能够借此填补闪现的局部搜索不到位气象，此外该算法中存在的易早熟收敛、局部失踪陷等不足的处所，可经由过程烟花算法进行补足，借助其自己具有的高强寻优能力，辅助遗传算法的改良。
所谓遗传算法是摹拟自然界中繁衍的数学运算编制，其具有操作简单，寻优能力强的特点。本文采纳遗传算法为主框架，力争操作遗传算法优势特点，连络烟花算法爆炸性优势，进行奇奥的改良，在众多解决编制被选择最接近最优解的道路，并进行综合斗劲选择适合的路径。本研究中的烟花算法的变异算子设计为两种步长，遵循步长长短分袂界说为LSMO和SSMO。将在后文中进行变异算子的形态切换，用以计较动态概率值，且研究中遵循迭代纪律，前期将多操作LSMO，后期多操作SSMO。
3. 算法操作
遗传算法作为经常操作的全局搜索算法之一，可将可行性解决方案遵循必定的编码顺次进行组合编码，组成染色体组合，并在计较中针对每个染色体进行顺应度的计较，事实下场经由过程交叉、变异等操作得出全新的结论，此研究过程中可发现具有最除夜顺应度函数的染色体。此种算法操作过程，在种群的不竭繁衍中，能够慢慢裁减顺应度低的个体，而将顺应度高的个体进行保留，便于后续进行复制操作。是以，遗传算法也包含上述染色体复制滋长的特点。
(1）染色体编码
作为遗传算法的第一法度楷模，其需遵循现实问题进行响应的数据措置，便于选择编码编制，为后续的交叉等操作供给按照。其中函数模子构建中，经常操作的编码编制有二进制编码、自然数编码、浮点数编码等。其中操作数字1和0进行组合的二进制编码较为等闲实现，但编码长度会遭到搜索效力的影响，而自然数编码也较为经常操作，能够对问题进行直接编码，能够使编码功能了了清楚，亦具有更除夜的操作空间，搜索下场较好。是以，对遗传算法进行改良中，本研究采纳的编码编制为自然数编码。
(2）选择
该操作亦是遗传算法中的染色体复制环节，合适优胜劣汰尺度，被选中的个体可直接进行复制，考量个体方案的顺应度，其中顺应度除夜的方案被选择的概率响应升高，常见的选择操作编制有轮盘赌选择策略、精英保留策略、锦标赛选择策略等，本研究被选择采纳轮盘赌选择策略，并在适当的时辰引入精英保留策略。其中轮盘赌选择策略能够短谶有较高顺应度的个体进行选择，但其亦存在错选的概率，易导致优良的路径被漏失踪踪，此选择编制的最除夜优势是可使局部最优化。而精英保留策略则主若是为了保证最优良的个体存留，采纳直选的编制，避免优良的方案被交叉变异，此种选择编制虽能够解决局部最优，但易使全局的搜索能力变差。将上述两种操作编制进行组合，可组成优势互补下场。
(3）交叉
交叉操作的素质是重组，即对两个个体进行交叉操作，使其能够形成全新的算法，经由过程此种交叉编制能够对问题的解法空间进行不竭的搜索，便于得出最优谜底，而且此种交叉操作能够便于个性化的设计。常见的交叉编制有单点、多点、平均交叉等。其中单点交叉操作较为简单，只需进行一次交叉，针对某一节点和前提进行交叉便可，顺应性较小。多点交叉则是在单点交叉根底长进行的交叉点的变量增添，能够进行全局的优化操作。平均交叉首要指增添问题的多样性前提，并基于全局搜索能力的考量，进行交叉选择，此种交叉功能的质量难以节制。本研究中采纳多点交叉的编制，进行几回再三对比选择。
(4）变异
变异操作中为增强个体方案的顺应度，可对全局进行搜索，并给以交叉操作，进行有用的交叉变异，其经常与交叉配合操作，组成对遗传算法的改良，晋升其全局搜索能力及局部搜索能力。其中经常操作的变异编制有根底位变异、平均变异、高斯变异等。
(5）烟花算法
操作烟花算法对遗传算法进行改良。具体法度楷模以下。
①计较爆炸数目。
爆炸数目标必定及半径的计较需遵循烟花种群及顺应度进行计较，其中爆炸数目越多，顺应度越强，呈正比关系。爆炸火花数目si见式（9）。
公式（9）中：f(xi)暗示个此外顺应度值；ymax是当前种群中顺应度的最除夜值；M为控量常数（M≤10）；常数ε为避免去数为0而存在。
其中Smax为最除夜火花数目，Smin为最小火花数目，见式（10）、式（11）。
②计较爆炸半径。
为常量值，爆炸半径Ai见式（12）。
③发生变异火花。
变异火花可遵循路径优化特点，起到平衡搜索能力的浸染。是以本研究中触及两种步长分歧前提，第一种变异算子步长为1(SSMO），第二种变异步长为6(LSMO）。其中maxgen暗示最除夜迭代次数，计较见式（13）。
4. 改良要素
(1）束厄狭隘前提
在改良遗传算法进行车辆路径问题研究中，需要将束厄狭隘前提作为求解问题的限制尺度，算法的改良需在束厄狭隘前提根底长进行操作，不得闪现超出束厄狭隘前提的气象。束厄狭隘前提的存在，使不合问题求解的编制有了限制尺度。在车辆路径问题研究中，常见的束厄狭隘前提有：①车辆载重束厄狭隘。装载的货物不得超出车辆的最除夜载物重量，此为国家尺度的运输硬性要求。②车辆行驶距离束厄狭隘。此要求主若是限制车辆的行驶距离，确保输送线路筹算中不超出最除夜行驶距离，避免影响配送效力。③客户点处事束厄狭隘。需要遵循整体的输送要求，确保每个客户点都能够有运输的车辆，保证冷链运输的笼盖率。④车辆起点束厄狭隘。所有车辆的肇端点都应从货物中心解缆，并在完成运输使命后即刻返回中心泊车区域。⑤客户处事时刻束厄狭隘。对客户特定例定的配送运输时刻，要进行孤立的算法设定，不成过早或过晚，避免影响冷链运输的处事质量。
(2）方针函数
在遗传算法改良过程中，设定的方针函数需要跟事实下场的运输方针具有一致性，并遵循不合的运输前说起需求，成立不合的函数方针，函数方针具有不独一性，可由一个或多个组成，在改良算法中常见的方针函数有：①配送距离最短化。该方针主若是要求所有车辆在运输过程中能够保证总距离最短。②配送成本最小化。此方针是优化运输路径的事实下场方针，即下降运输成本，其中成本搜罗车辆呵护的固定成本，车辆运输成本，和其他成本等。③车辆数目起码化。该方针力争在完成配送使命过程中，尽可能晋升车辆的装载能力，操作起码的车辆数目完成运输使命。
(3）客户需求
在路径问题组成中，其可作为算法函数的限制前提，为求解问题进行不凡性设定，计较中需按照不合客户需求进行算法调剂，成立算法模子。其中客户需求可总结以下：①必定客户需求量。货物需求量抉择着车辆运输的路径及车辆数目，其能够抉择车辆的现实算法设定。②货物装载需求。该需求抉择着车辆的路径，在交叉遴选中，可设定可装载和不装载两种限制前提，并分袂拟定线路筹算，其中装载的卸货时刻需计较在整体筹算内容中。③客户的时刻窗需求。该需求抉择着线路筹算问题，可作为算法中的需要前提和优先级，为线路整体算法进行时刻规模限制。④多辆车处事需求。客户有权力要求进行单车冷链运输处事，此种处事要求必定水平上增添了车辆的运输成本，但也会一样削减多车处事的前提限制。
3、实例分化
1. 考试考试数据
考试考试以某生鲜连锁超市为载体，操作IFWGA算法考试考试优化超市的生鲜货物物流配送路径问题，切磋此种算法的优化可行性。因为该生鲜连锁超市遵循GPS导航地图数据反馈，检索出分店区域规模，选定中点位置为配送中心，并摹拟设定客户需求实时刻窗，遵循市道上对生鲜冷链的配送要求进行配送，保证每日上午完成配送。是以，时刻可限制为6:00-12:00之间，并遵循车容量实载气象，随机生成需求量派单，货物输送的计数单元为吨。
2. 考试考试功能
考试考试中遵循不合算法截取的不合功能路径图（图1），分袂代表着GA、FWA-EI、IFWGA和FWGA算法的功能路径演示功能，且进行了十次求解，便于进行数据对比。
质量功能对比分化可发现IFWGA多次求解均获得最优解，对比GA、FWA-EI和FWGA功能都有较着的优化，仅一次略逊于FWGA的运行功能；总成本功能分化中（表2),IFWGA比GA优化了39.8%，比FWA-EI优化了16.9%，比FWGA优化了16.2%，具有较除夜的成本节制优势。运行时刻对比可见表3。各算法的平均运行时刻以下：GA=54.38s;FWA-EI=76.23s;FWGA=65.72s;IFWGA=63.44s。IFWGA运行时刻较FWGA及FWA-EI算法有较着优化下场，但却比GA运行时刻稍长，但IFWGA在现实运行中的求解质量高于其他算法。
表2 总成本对比
图1 4种算法路径图
4、结语
经由过程对遗传算法进行改良，借助顺应度的调剂及烟花算法的优化，能够经由过程上述函数总结出种群的最优解，为考试考试追求到最好顺应度方案。经由过程时刻功能对比分化，可发现传统遗传算法生效甚微，只能得出局部最优解，且求得的质量不高。而采纳烟花算法对遗传算法进行改良往后，能够获得除夜都函数收敛，更具顺应性，可实现全局搜索能力和局部搜索能力的晋升，增强算法的机能。
基于上述算法模子的改良研究，将其操作到物流运输规模中，可以有用的解决车辆路径筹算问题，为生鲜冷链的运输追求到最好运输路径。经由过程将改良后的遗传算法操作到冷链物流配送路径优化中，在容量束厄狭隘前提下，若客户未提出加急处事要求，可操作此改良算法进行线路筹算；该算法的操作能够有用的为物风行业供给全新的配送思绪，增强冷链输送的处事质量；并经由过程改良算法操作，为物流运输寻觅到加倍高效的配送编制，借助数据模子的计较，能够快速为物流公司供给最好配送线路，削减筹算线路的时刻，削减运输成本，有助于提高物流冷链的收益。此外，此种线路上的优化，能够有用的增添客户冷链输送的知足度，优化客户的消费体验。
沪公网安备 31011202008041号
