[发明专利]一种基于混合遗传算法的生鲜配送实时优化方法

摘要

本发明公开了一种基于混合遗传算法的生鲜配送实时优化方法，其特征是，利用Floyd(城市常规送货点)算法、Dijkstra(城市动态送货点)算法，计算出送货点之间的最短路径，并使用节约里程法对配送路径合并，再运用混合遗传算法对各个送货点的配送路径进行集成。本发明所达到的有益效果本方法能够在实时配送中，对于各种动态送货点的出现，通过混合遗传算法，结合最优化配送成本，实现实时路线分配，提高整体的分配效率，对于生鲜的配送有着极大的意义。

主权项

一种基于混合遗传算法的生鲜配送实时优化方法，其特征是，包括如下步骤：1)根据配送中心以及各个送货点的位置，采用Floyd算法和Dijkstra算法，结合仓储费用、中转费用和管理费用，以总配送费用最小为优化目标进行求解，计算出送货点之间的最短路径；2)采用节约里程法对步骤1)得到的各个最短路径进行合并；3)根据当前配送站点的资源结合步骤2)的结果进行路径划分，计算静态下的配送路线的最小成本目标函数，形成若干条配送路线；4)实时对送货信息进行监控，如果对送货信息进行变更，采用混合遗传算法重新构造配送路线；具体重新构造步骤如下：步骤401)采用送货点直接排列的编码方法，用一个矩阵表示所有需要完成配送的送货点的顺序，送货点的编号由1～n构成；将未被访问过的送货点随机形成序列，按顺序逐一将每个送货点加入到当前配送路线中；检验是否满足车辆载重限制，若满足，则将该送货点加入到当前配送路线中；若不满足，则将其加入到下一条配送路线；步骤402)计算+成本目标函数，G为个体对应的配送路径方案的不可行路径条数：若当前配送路线个数<车辆总台数，则G＝0，表示该个体对应一个可行解；若当前配送路线个数≥车辆总台数，则G>0，表示该个体无解；Pw表示对每条不可行路径的惩罚权重，适应度值满足优化准则；步骤403)选择新个体送货点；采用随机算法选择具有较高区域出现度的个体送货点；将当前送货点集合作为子代，保留当前送货点集合的最优解，并保持子代的送货群体个数与总群体个体数相同；步骤404)采用类改进的O X法作为交叉方法进行反复交叉操作。