基于改进遗传算法的末端共同配送车辆路径优化

doi:10.3969/j.issn.1672-0946.2024.01.007

	基于改进遗传算法的末端共同配送车辆路径优化
其他题名	Research on optimization of vehicle path for end of terminal joint delivery based on improved genetic algorithm
	彭会萍; 李士伟; 孙宏进; 曹晓军
	2024-02-28
发表期刊	哈尔滨商业大学学报（自然科学版）
卷号	40 期号:1 页码:45-51
摘要	为解决共同配送路径优化问题,提出一个具有可操作性的共同配送策略,基于此构建了以考虑车辆使用成本、车辆行驶成本和碳排放成本最小化为目标的共同配送车辆路径模型,用K-means聚类方法对客户节点进行分区聚类,确定各末端配送网点所服务的客户,并在此基础上利用基于节约里程算法的遗传算法对该模型进行求解.通过利用公共数据集实验验证设计的CW-GA算法的优越性,发现相较于传统GA,本文算法具有良好的求解性能.利用本文算法仿真分析共同配送前后相关成本的变化以及不同配送模式下的燃料消耗、行驶距离变化,结果表明共同配送能够有效降低物流总成本.
其他摘要	In order to solve the joint distribution routing optimization problem,an operational joint distribution strategy was proposed.Based on this,a joint distribution vehicle routing model with the goal of minimizing the vehicle use cost,vehicle running cost and carbon emission cost was constructed.On the basis of determining the customers served by each terminal distribution network,the genetic algorithm based on saving history algorithm was used to solve the model.By using the public data set to verify the superiority of the designed CW-GA algorithm,it was found that the designed algorithm has good solution performance compared with the traditional GA.The proposed algorithm was used to simulate and analyze the changes of related costs before and after joint distribution,as well as the changes of fuel consumption and driving distance under different distribution modes.The results showed that joint distribution can effectively reduce the total logistics cost.
关键词	共同配送末端物流车辆路径问题遗传算法 K-means聚类
DOI	10.3969/j.issn.1672-0946.2024.01.007
URL	查看原文
ISSN	1672-0946
语种	中文
原始文献类型	Periodical
文献类型	期刊论文
条目标识符	http://ir.lzufe.edu.cn/handle/39EH0E1M/37496
专题	信息工程与人工智能学院
作者单位	兰州财经大学丝绸之路经济研究院,兰州 730020
第一作者单位	丝绸之路经济研究院
推荐引用方式 GB/T 7714	彭会萍,李士伟,孙宏进,等. 基于改进遗传算法的末端共同配送车辆路径优化[J]. 哈尔滨商业大学学报（自然科学版）,2024,40(1):45-51.
APA	彭会萍,李士伟,孙宏进,&曹晓军.(2024).基于改进遗传算法的末端共同配送车辆路径优化.哈尔滨商业大学学报（自然科学版）,40(1),45-51.
MLA	彭会萍,et al."基于改进遗传算法的末端共同配送车辆路径优化".哈尔滨商业大学学报（自然科学版） 40.1(2024):45-51.