论文部分内容阅读
物流作为20世纪末发展起来的综合性产业，在国民经济的发展和企业经营管理水平的提高中显得越来越重要。要使物流充分发挥其职能，使其不断完善和优化就必须使物流合理化，而物流合理化的关键是物流系统化，所以物流必须走系统化的道路。物流系统是一个复杂的科学系统，涉及生产、运输、库存、配送等环节。根据系统中的优化问题所建立的模型极其复杂，大都具有NP难度。遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法，与物流系统的结合具有良好的实用性和广泛的应用前景。禁忌搜索是对局部邻域搜索的一种扩展，是一种全局逐步寻优算法，是对人类智力过程的一种模拟。禁忌搜索算法和遗传算法现已形成比较完整的算法体系，成为解决组合优化问题的有效工具。本文阐述了物流系统、遗传算法和禁忌搜索算法的现状并进行了总结，然后基于自然数编码的方式提出一种改进的交叉运算算子，同时结合禁忌搜索算法，提出了改进的混合遗传禁忌算法，改进后的算法不但可以大大加快了收敛速度，而且有效的避免了早熟发生。本文将改进后的遗传算法和混合遗传禁忌算法应到实际问题当中，这些实际问题包括旅行商问题、标准的车辆调度问题和物流调度问题。计算结果表明：1)改进后的遗传算法应用到旅行商问题和车辆调度问题，无论爬山能力和易早熟性都较传统算法有明显的改善。2)改进的遗传算法和混合遗传禁忌算法应用到物流系统中的加工调度问题，改进后的遗传算法和混合遗传算法的求解效率都较传统的遗传算法及混合遗传算法有明显的改善。因此，本文对遗传算法的研究有效的改进了物流系统的工作流程，提高了物流系统的智能化水平。