基于冷鏈物流配送的路徑優(yōu)化探討

張晏魁

摘 要：現(xiàn)階段人們對物流的要求越來越高，對生鮮易腐產品需求的增大，冷鏈物流開始備受人們的關注。我國冷鏈物流的發(fā)展存在很多不足，成本過高就是其中的重要問題之一，主要原因是我國物流配送路徑不夠完善。因此加強對路徑優(yōu)化問題的研究，可以有效降低成本。

關鍵詞：冷鏈物流；配送路徑；優(yōu)化

我國冷鏈物流在發(fā)展過程中，出現(xiàn)了眾多問題，其中導致成本過高的重要原因之一就是配送路徑缺乏科學性。相關人員應加強對期的研究，積極尋求能夠保證成本最低的最優(yōu)路徑。現(xiàn)階段我國在這一方面主要采用了C-W節(jié)約算法、改進遺傳算法等方法進行路徑的優(yōu)化，并還在積極研究更有效的方法。

一、遺傳算法的改進

1.基本概念

該算法是自然界進化機制的模擬，中心思想是優(yōu)勝劣汰。整體思路是在每一代物種中選擇具有代表性的個體，它擁有優(yōu)秀的遺傳基因，和較高的適應自然界的指數(shù)，父輩不僅將優(yōu)秀的基因遺傳給了它，并且在交叉和變異之下，生長出更優(yōu)秀的基因，對環(huán)境的適應能力更強，該個體同其父母相比更加類似最優(yōu)解。該算法自身帶有較強的適應能力，能夠對智能式物流配送車輛路徑的優(yōu)化事項進行整體搜索。

2.基本思想及步驟

對自然界不同種群進行遺傳的模仿是該算法的中心思想，通過模仿、交叉等方式不斷進化不同種群的相關解，并從中找到最優(yōu)值，知道尋找到最優(yōu)的個體。其中編碼、設置初始群體遺傳操作是主要內容。

首先，編碼策略。應用遺傳域內的個體或染色體來代替問題域中的參數(shù)，這些個體的構成以基因值為基礎；其次，初始群體的隨機生成，此處以P來表示其大小。種群的大小為N，N個隨機產生的初始解代表著不同的個體，開始迭代由P（0）表示，最終要求的迭代次數(shù)的最高值；再次，f（x）為取值函數(shù)，能夠對適應度進行確定，目標函數(shù)在這一過程中具有重要作用，通常處于修正或變形的中心，隨后會出現(xiàn)新的函數(shù)；最后，應用Ps代表選擇概率、Pc代表交叉概率、Pm代表變異概率，通過計算能夠促使T代的遺傳迭代實現(xiàn)。

3.改進步驟及意義

首先，優(yōu)化冷鏈物流配送路徑，應編碼解向量，不僅要對冷藏車輛數(shù)進行確定，還要對單一車輛的服務對象數(shù)量和服務順序進行明確，因此自然編碼是最主要的方式；其次，初始重群的隨機產生，優(yōu)化路徑時能夠隨機生成多個初始種群；再次，適應度函數(shù)的確定。該函數(shù)能夠對個解優(yōu)劣性進行評價，對下一代種群概率進行確定。函數(shù)隨實際問題變化而變化。例如非負數(shù)應為個體的適應度值等。

該算法在求解智能式配送車輛路徑問題中使用較廣泛。對該算法的改進有助于廣義運輸成本的求解，能夠有效對比各項成本構成同廣義運輸成本之間的差異，該算法就有耗時少和結果優(yōu)的特點。

二、粒子群優(yōu)化算法的改進

1.概述

PSO即粒子群優(yōu)化算法，在飛鳥集群的基礎上被提出。在一個固定的區(qū)域中，一群鳥在搜索食物，此時可能出現(xiàn)兩個已知條件，一種是該區(qū)域內質擁有一塊食物，另一種是鳥群明確自身所處的位置與食物的距離是多少；而未知的條件是該事物的具體地點是鳥群未知的，因此鳥群會對附近的區(qū)域進行食物搜索。

在這種情況下該算法能夠將個體的鳥都視作一個最優(yōu)解，叫做“粒子”。全部粒子都有自身的適應度值，而客觀的不同條件是，它們的位置及速度不同，而接下來的方法及步驟就是對最優(yōu)解進行空間搜索，其過程中應嚴格按照不同粒子及跟隨每一迭代來進行。

2.基本思想及步驟

初始化時該算法的首要步驟，它是針對一群隨機粒子來進行的。為了能夠尋找到存在于該種群中的最優(yōu)解，應以逐步的迭代來進行。不同的迭代，會導致兩種極值產生于粒子群中。一種是個體極值，即最優(yōu)解在個體粒子中的體現(xiàn)，應用pBest來表示。另一種是全局極值，即最優(yōu)解在整個種群中全部個體極值中的體現(xiàn)，用gBest來表示。在不可擅自改動的規(guī)定及固定的公式下，粒子群發(fā)生每一次都不同的迭代。

首先，初始物種的隨機產生，初始化該算法中的全部參數(shù)；其次，對該種群中的全部粒子進行評價，評價過程以提前設定的適應度函數(shù)為基礎；再次，粒子的速度和位置是會發(fā)生轉變的，轉變過程中以速遞和位置更新公式為基礎；第四，評價該種群中全部粒子，對是硬度值進行重新計算，從而促使pBest和gBest得以更新；最后，如果能夠不通過迭代而實現(xiàn)最大次數(shù)值，那么可以結束該算法，并將目標函數(shù)和gBest值進行輸出，反之應從第三步驟重新開始迭代。

3.改進步驟及意義

首先，編碼以自然數(shù)為主，針對個體粒子進行。優(yōu)化冷鏈物流配送路徑時，首先要解決路徑問題，其次是服務次序。因此，編碼對個體粒子而言擁有兩部分，即問題和可行解。兩段編碼都有n位；其次，粒子群初始化。局部最優(yōu)是現(xiàn)階段粒子的位置適應度，全部局部最優(yōu)的最優(yōu)的適應度值是全局最優(yōu)值gBest，同粒子最優(yōu)解對應；再次，同遺傳算法具有相同的粒子群優(yōu)化算法，個體粒子的優(yōu)劣要在適應度函數(shù)下進行衡量。這里的函數(shù)同遺傳算法的函數(shù)相同。

粒子群優(yōu)化算法在優(yōu)化冷鏈物流配送路徑過程中，其基礎是標準粒子群的優(yōu)化算法，能夠有效改進學習因子和慣性權重的設置。

三、結論

現(xiàn)階段我國人民的生活質量不斷提高，人們對于物流服務的質量要求也越來越高，現(xiàn)階段加強對冷鏈物流配送路徑的優(yōu)化進行研究具有重要的意義。本文從遺傳算法的改進和粒子群優(yōu)化算法的改進角度對冷鏈物流配送路徑的優(yōu)化展開了探討，通過對相關思想和步驟的掌握，對提高人們的生活質量能夠起到較大的促進作用。

參考文獻：

[1]王瑞.基于AFA-ACO的農產品冷鏈物流配送路徑優(yōu)化研究[D].河北工程大學，2014.

[2]楊麗娟.水產品冷鏈物流配送中心選址及配送路徑優(yōu)化研究[D].成都理工大學，2014.

[3]徐優(yōu)香.基于云計算的冷鏈物流配送車輛路徑優(yōu)化方法的研究[D].江蘇科技大學，2013.