研究生毕业答辩物流专业.ppt
- 文档编号:2681513
- 上传时间:2022-11-07
- 格式:PPT
- 页数:50
- 大小:3.37MB
研究生毕业答辩物流专业.ppt
《研究生毕业答辩物流专业.ppt》由会员分享,可在线阅读,更多相关《研究生毕业答辩物流专业.ppt(50页珍藏版)》请在冰豆网上搜索。
单亲遗传算法的冷链物流车辆路径问题单亲遗传算法的冷链物流车辆路径问题(VRP)(VRP)优化研究优化研究姓姓名:
名:
专专业:
业:
指导教师:
指导教师:
目录S食品公司冷链食品公司冷链VRP优化实证研究优化实证研究多配送中心的冷链多配送中心的冷链VRP优化优化满意度约束的单配送中心冷链满意度约束的单配送中心冷链VRP优化优化相关理论基础相关理论基础绪绪论论论文框架论文重点内容:
建立模型时间和品质满意度货损和能源成本模型求解单亲遗传算法局部精英选择策略实证分析满意度约束多配送中心对比实验章节目录S食品公司冷链食品公司冷链VRP优化实证研究优化实证研究多配送中心的冷链多配送中心的冷链VRP优化优化满意度约束的单配送中心冷链满意度约束的单配送中心冷链VRP优化优化相关理论基础相关理论基础绪绪论论1.绪论国外研究国内研究冷链物流冷链VRP互联网+政策文件理论意义现实意义模型及算法文献研究法定性与定量理论与实证背景意义研究现状内容方法章节目录S食品公司冷链食品公司冷链VRP优化实证研究优化实证研究多配送中心的冷链多配送中心的冷链VRP优化优化满意度约束的单配送中心冷链满意度约束的单配送中心冷链VRP优化优化相关理论基础相关理论基础绪绪论论相关相关相关相关理论理论理论理论VRPVRP冷链冷链冷链冷链物流物流物流物流阿伦尼乌阿伦尼乌阿伦尼乌阿伦尼乌斯方程斯方程斯方程斯方程2.1冷链物流概念概念:
指生鲜易腐品在生产、加工、储藏、配送等各个环节,为了保证产品质量及减少损耗,需要利用制冷技术使其始终处于规定的低温状态下的一项系统工程。
图2-1冷链物流适用范围2.1冷链物流特点特点全程全程冷链冷链生鲜生鲜易腐易腐经济性经济性时效性时效性时效性时效性高货损高货损比例比例冷链物流公司特点设施设备特点产品特点注意车厢和货物预冷卸货时关闭制冷机组保持冷风循环制冷机组按动力来源分类:
独立与非独立制冷机组工作原理:
物理循环2.2车辆路径问题VRP概念概念:
VRP(VehicleRoutingProblem)是指已知配送中心的位置和承运能力及客户需求量,给定车辆配送规则,选择某种指标(距离最短、成本最低等)为优化目标,在满足一定约束条件下(如时间、最少服务数、车辆载重限制等),合理规划配送车辆数目和行驶路线,使配送方案达到最优。
图2-2VRP示意图2.2车辆路径问题VRP序号序号分类标准分类标准VRP类型类型1按配送中心数目单配送中心;多配送中心2按配送任务特征纯装货;纯卸货;取送一体化3按车辆载货状况满载型;非满载型4按车辆类型单车型;多车型5按客户对货物取送时间要求无时间窗限制;硬时间窗限制、软时间窗限制、混合时间窗6按客户需求类型需求确定型;随机需求、模糊需求7按需求是否可分可切分的VRP;不可切分的VRP8按优化目标单目标问题;多目标问题9按车辆归属开放型(不必返回其出发配送中心)封闭型(必须返回其出发配送中心)10按两地之间往返距离对称网络;非对称网络VRP的常见分类2.2车辆路径问题VRP图2-3VRP求解算法2.3阿伦尼乌斯方程常用形式为:
K反应的速率常数;A阿伦尼乌斯常数或前因子;Ea反应活化能(J或kJ),温度变化不大时为常数;T绝对温标下的温度(开尔文)。
R气体常数8.314(kJ/molK)图2-4阿伦尼乌斯K-T曲线曲线曲线显示,K是T的增函数,且T在e的指数项中,说明反应速率随温度升高而快速增加,并无限接近最大值A。
该图显示了反应速率常数与温度之间的关系反应速率常数与温度之间的关系。
推导变质率(2-1)章节目录S食品公司冷链食品公司冷链VRP优化实证研究优化实证研究多配送中心的冷链多配送中心的冷链VRP优化优化满意度约束的单配送中心冷链满意度约束的单配送中心冷链VRP优化优化相关理论基础相关理论基础绪绪论论单亲遗传算法设计冷链VRP模型建立3.1模型目标:
综合成本最低、满意度不低于给定水平满意度分析:
时间、品质货损成本能源成本运输、调度、时间成本已知:
配送中心及车辆、服务时间窗、顾客分布和需求、车速、顾客之间及与配送中心之间的最短距离;约束:
每个顾客均被服务一次、车辆返回配送中心等;求解:
综合成本最小的车辆路径方案。
问题描述:
主要内容3.1模型时间满意度图3-2软时间窗示意图图3-1硬时间窗示意图图3-3混合时间窗示意图硬时间窗:
配送服务需严格遵循时间窗约定软时间窗:
不必严格按时间窗,可早到或晚到混合时间窗:
软时间窗和硬时间窗的结合P(t)是关于t的惩罚函数,M为很大的惩罚值3.1模型时间满意度MDVRPTW模中,顾客时间满意度可表示为:
图3-4混合时间窗下的顾客满意度期望接受服务时间最大忍受等待/迟到时间不可接受服务时间(3-1)(3-2)3.1模型品质满意度阿伦尼乌斯方程变质率lqm品质满意度变换可得:
则:
令其为令其为(3-3)(3-4)Psi3.1模型品质满意度运输过程(t0t1)卸货过程(t1t2)货损量:
t1秒末:
总货损量:
品质满意度:
(3-5)开门后处理时间开门前运输和等待时间3.1模型满意度和货损成本综合考虑时间和品质因素对满意度的影响程度对其赋予适当的权值,得到顾客满意度函数f:
根据以上推导过程也可得货损成本DC:
3.1模型能源成本能源成本油耗、设备折旧、其他意外花费运输过程为保持车厢内适宜温度,制冷机组开启,产生能耗成本。
卸货过程由冷藏车运输操作规范可知,卸货过程制冷机组需关闭,不计能耗。
最终能耗成本可用以下公式表示:
满意度约束的冷链VRP模型目标函数:
约束条件:
运输、车辆调度、等待、迟到、货损、能源成本之和。
载重限制、车辆数限制、前后续节点唯一、每个顾客均被服务且仅一次、时间约束、满意度约束。
3.2算法单亲遗传GA求解组合优化问题优点:
通用的编码技术、简单有效的遗传操作、全局搜索能力。
缺点:
对复杂问题搜索效率低、易陷入“早熟收敛”、交叉算子对本文染色体具有很强的破环性。
PGA优势:
突破了双亲繁殖方式,基因个体内部完成自身进化;不再采用交叉算子且初始群体不必具有多样性;避免陷入“早熟收敛”,提高了求解效率;PGA对初始解质量的较低要求降低了其生成难度。
简称:
遗传算法(GeneticAlgorithm,GA)传统遗传算法(TraditionalGeneticAlgorithm,TGA)单亲遗传算法(ParthenoGeneticAlgorithm,PGA)3.2算法染色体编码自然数编码配送中心编码为0;顾客编码为1,2,N;车辆编码为1,2,K。
车辆均从配送中心出发,完成任务后返回而形成多条闭合回路。
例如,染色体编码:
“0-3-5-6-0-1-2-4-0”解码后:
路径103560(车辆1)路径201240(车辆2)3.2算法种群初始化车辆初始化路径初始化ceil向上取整;表示装卸货物的复杂程度,01,情况越复杂,越小,每辆车装载货物越少,需要的车辆越多。
Step1随机分配客户访问顺序;Step2随机选k-1个点做断点位置;Step3按断点位置将编码0插入客户访问顺序,形成各个子路径。
例如:
顾客顺序断点位置初始化结果1-2-4-3-5-8-62-50-1-2-0-4-3-5-0-8-6-0满足约束:
车辆限制、节点唯一性、服务要求(3-5)3.2算法适应度和精英选择适应度适应度:
用以评价路径方案的优劣,代表遗传个体生存能力的大小。
适应度越大目标值越小。
表示为:
满足约束:
违背载重约束时,给予Zi很大的惩罚值;违背时间及满意度约束的个体,在目标函数成本计算时进行适当惩罚,使其在进化过程中被逐渐淘汰。
局部精英保留策略局部精英保留策略:
1.将种群随机分为若干组,每组八个成员构成一个局部区域;2.精英选择,将局部最优个体直接保留到下一代;3.对每个局部区域的最优个体进行七种不同的单亲遗传操作,产生的子代与父代个体形成下一代种群。
这样每代的最优个体均优于上代种群,且种群规模保持不变。
步骤3.2算法遗传算子代表子路径的基因段作为遗传操作的基本单位交叉算子变异算子概率融合:
优化车辆数染色体:
3.2算法执行步骤算算法法流流程程图1.染色体编码;2.初始化种群;3.解码并计算个体适应度;4.局部精英选择;5.单亲遗传操作;6.判断是否满足终止条件。
单亲遗传算法步骤章节目录S食品公司冷链食品公司冷链VRP优化实证研究优化实证研究多配送中心的冷链多配送中心的冷链VRP优化优化满意度约束的单配送中心冷链满意度约束的单配送中心冷链VRP优化优化相关理论基础相关理论基础绪绪论论对比遗传算法设计MDVRP模型建立4.多配送中心的冷链VRP已知:
多多个个配配送送中中心心、车辆载重、服务时间窗、顾客分布和需求、车速、顾客之间及与配送中心之间的最短距离;约束:
车辆不超载、不共享且不从系统外租赁、满意度约束满意度约束等;目标:
综合成本综合成本最小的车辆路径方案。
问题描述:
模型建立多配送中心转换单亲遗传设计对比算法设计主要内容图4-1多配送中心VRP示意图4.1多配送中心VRP模型目标函数:
约束条件:
运输、车辆调度、等待、迟到、货损、能源成本之和。
载重限制、车辆数限制、前后续节点唯一、每个顾客均被服务且仅一次、时间约束、满意度约束。
4.2多配送中心VRP模型转化图4-3几何重心分区法Step1绘制散点图,求配送中心的几何重心;Step2以重心为起点,过相邻两个配送中心的中点做射线,相邻两条射线围成的区域作为一个分区;Step3确定顾客所在分区,分布在射线方程上的客户随机分配到两侧分区。
具体步骤:
几何重心分区法几何重心分区法在大规模VRP问题中不仅能够有效求解顾客在配送中心的分配方案,而且大大减少了运算量。
4.3算法染色体编码模型的解需要体现的要素:
客户需求在配送中心的分配车辆调度数车辆路径染色体结构为:
配送中心编码+断点位置+依次服务的客户编码+配送中心编码+。
如,一条染色体:
1|5|2-4-12-5-9-1-6-7-12|2|3|10-8-11-3-14-13,解码后:
路径路径出出发的配的配送中心送中心车辆编号号服服务客客户及及顺序序路径路径1112-4-12-5-9路径路径2121-6-7-12路径路径32110-8-11路径路径4223-14-13表4-1单亲解码结果单亲遗传4.3算法染色体编码模型的解需要体现的要素:
客户需求在配送中心的分配车辆调度数车辆路径染色体结构为:
虚拟配送中心+实际配送中心+车辆编号+顾客服务次序+虚拟配送中心。
如,一条染色体:
0-1-1-2-3-6-90-1-2-1-4-80-2-1-5-11-7-10-0,解码后:
表4-2自适应解码结果自适应遗传路径路径起点起点实际出发实际出发的配送中的配送中心心车辆编车辆编号号客户及其客户及其服务顺序服务顺序实际返回实际返回的配送中的配送中心心终点终点路径路径10112-3-6-910路径路径20121-4-810路径路径30215-11-7-10204.3算法种群初始化1.重心分区,确定顾客所属配送中心;2.初始化每个配送中心的车辆数km;3.随机分配顾客访问顺序;4.随机选取km-1个断点位置;5.每个配送中心的顾客访问顺序与km-1个断点位置形成M*km个子路径。
单亲遗传并且,子路径顺序与车辆编码相同。
例如:
配送中心1顾客顺序断点位置子路径1-2-4-3-5-8-62-51-2,4-3-5,8-64.3算法种群初始化自适应遗传1.确定虚拟配送中心虚拟配送中心所有配送中心的重心;2.建立极坐标系极坐标系。
以虚拟配送中心为极点,以虚拟配送中心与任一客户的连线为极轴;3.利用逆时针扫描法逆时针扫描法进行客户分群客户分群;4.利用C-WC-W节约算法对每个顾客群进行优化优化,形成一条以虚拟配送中心为起点和终点的路径;5.计算每条路径中首末客户与各配送中心的距离,将最近的配送中心配送中心插入插入到首末顾客与虚拟配送中心之间,形成一条完整的路径;6.将实际配送中心可调度车辆车辆编号插入插入到每条染色体;7.将极轴偏移一个角度,重复步骤(3)-
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 研究生 毕业 答辩 物流 专业