4.2 双物资中心模糊需求车辆调度问题的求解思路 14

        4.2.1 问题的图形描述 14

        4.2.2 问题的分析与求解思路 14

    4.3 双物资中心的模糊车辆调度模型建立 15

5  求解双物资中心的模糊车辆调度问题 17

    5.1 求解双物资中心VRPFD的基于模糊模拟的遗传算法设计 17

        5.1.1 遗传算法 17

        5.1.2 遗传算法基本要素 19

    5.2 求解双物资中心VRPFD的遗传算法设计以及程序流程 27

        5.2.1 解双物资中心VRPFD的遗传算法设计 27

        5.2.2 程序的流程设计 28

    5.3 实验分析 30

结  论 35

致  谢 37

参 考 文 献 38

1 绪论

 1.1 研究背景和选题意义

物流业作为近年来新兴的行业，越来越频繁的出现在人们的生活中。而作为当下生活在城市中的人们，日常生活中几乎时刻会遇到物流业相关的话题。随着我国经济的发展和企业管理水平的提高，物流在宏观和微观层面都越来越受到重视。物流是指为完成商品从生产地到消费地的流动而进行的各种经济活动，其中以运输和仓储为主要职能形式。随着近来配送运输作为一种新型运输组织方式的兴起，如何组织和规划支线运输就显得越来越重要，这就要牵扯到车辆优化调度问题。

车辆调度问题(Vehicle Routing Problem，简称VRP)是一个非常有吸引力的规划优化问题。1959年Dantzig和Ramser第一次次提出该问题，很快全世界无数的科学家、工程师和管理学者便扎身其中，对这个问题进行不断深入的研究。由于车辆调度问题是综合数学运筹学，管理控制理论，生产实践的一个复合型问题，最近这些年来随着科研人员的不断研究探索，取得了很多的成果，因此车辆调度问题这个领域被称为“近年来运筹管理领域最成功的研究之一”，先后涌现了一大批解决VRP问题的启发式、亚启发式算法，如Gillett和Miller提出的Sweep算法，Clark和Wright提出的Clark-Wright算法，Lin提出的2-opt和3-opt交换算法，以及近年来出现的遗传算法(Genetic Algorithm)、模拟退火算法(simulated Annealing)、禁忌搜索算法(Tabu search)、神经网络(Neutral Network)等等。但纵观这些研究成果可以发现，其中绝大多数都假定有关VRP的所有参数都是已知的或有统计规律可循的，即它们研究的多是传统的确定性车辆调度问题[1,14]。

但是在许多实际生活中，由于客观世界中存在许多不确定的因素以及人们认识事物的客观性，车辆调度问题的某些参数可能是模糊的。例如，某些客户点的需求时间可能是描述为“大约5点”，“2点到3点之间”，“4点左右”等等许多类似的模糊性语言。随着模糊数学这一学科的飞速发展，以及它在工程技术领域，人工智能领域的发展，近年来，越来越多的科学家开始致力于更贴近生活实际的模糊环境下的车辆调度问题（Fuzzy Vehicle Routing Problem,简称FVRP）[2]，并取得了许多成果，基本上解决了实际生活中可能会产生的带模糊参数的车辆调度问题。例如带时间窗的车辆调度问题，模糊需求的车辆调度问题，以及多车型非满载或者满载的模糊车辆调度问题等等。 论文网