摘  要： 在分析了一類配送中心選址問題的基礎(chǔ)上，建立了該配送中心選址問題的數(shù)學(xué)模型,。提出一種具有雙重信息的遺傳算法編碼方案,，并結(jié)合相應(yīng)的遺傳操作進(jìn)行求尋優(yōu)求解，最后通過實(shí)驗(yàn)證明了該方法的可行性和有效性,。
關(guān)鍵詞： 雙重信息,；遺傳算法；配送中心,；模型

　隨著市場競爭的日益加劇,，越來越多的企業(yè)認(rèn)識到,，如何合理地設(shè)立分銷配送中心，加強(qiáng)對配送環(huán)節(jié)的有效管理,，是提高企業(yè)競爭力非常有效的途徑,。配送是指在經(jīng)濟(jì)合理區(qū)域范圍內(nèi)里，配送中心根據(jù)客戶要求,，對物品進(jìn)行揀選,、加工、包裝,、分割,、組配等，并按時(shí)送達(dá)指定地點(diǎn)建立中間分銷配送中心[1],?？茖W(xué)建立配送中心，不僅可以使企業(yè)快速把握和響應(yīng)市場反應(yīng),，而且還能通過優(yōu)化的配送中心以及相應(yīng)的配送方案給企業(yè)節(jié)約很大的成本,。
　目前，越來越多的研究人員趨向于采用遺傳算法,、拉格朗日松弛法,、模擬退火算法等啟發(fā)式算法來達(dá)到或逼近該問題的最優(yōu)解[2]。參考文獻(xiàn)[3]使用兩步驟近似法構(gòu)建在庫存和運(yùn)輸雙重能力約束下,，每個(gè)周期配送中心的庫存成本計(jì)算方法,，分別用遺傳算法、克隆選擇算法,、粒子群算法求解所建立的模型,；參考文獻(xiàn)[4]使用經(jīng)遺傳算法改進(jìn)的人工神經(jīng)網(wǎng)絡(luò)模型對糧食配送中心選址問題進(jìn)行求解；參考文獻(xiàn)[5]采用以模擬退火的思想對遺傳算子參數(shù)進(jìn)行自適應(yīng)的改進(jìn)方法,，解決以區(qū)域分銷中心選址為基礎(chǔ)的汽車零部件物流網(wǎng)絡(luò)優(yōu)化解決方案,；參考文獻(xiàn)[6]采用改進(jìn)的遺傳算法求解帶有時(shí)間窗的單配送中心的車輛調(diào)度模型。遺傳算法具有隨機(jī)和多點(diǎn)搜尋特性[7],。本文對遺傳算法進(jìn)行改進(jìn),，設(shè)計(jì)一種具有雙重信息的編碼方案和相應(yīng)的遺傳操作，將之應(yīng)用到配送中心選址模型,，使算法能夠有效地收斂到該模型的全局最優(yōu)解,。
1 一類配送中心選址數(shù)學(xué)模型
1.1 問題描述
　若某企業(yè)需要在某市建立若干個(gè)配送中心，現(xiàn)有m個(gè)備選配送中心和n個(gè)配送點(diǎn),，并且已知每個(gè)備選配送中心的建設(shè)費(fèi)用以及其建成后可具有的容量,，以及配送中心向配送點(diǎn)配送時(shí)每單位重量需花費(fèi)的運(yùn)輸費(fèi)用和每個(gè)配送點(diǎn)的需求量，現(xiàn)需要從m個(gè)備選配送點(diǎn)中選擇若干個(gè)建設(shè)成配送中心，那么選取哪些備用配送中心以及如何分配這些配送中心的配送點(diǎn),，使得配送中心建設(shè)費(fèi)用以及向配送點(diǎn)配送時(shí)的花費(fèi)最少[8],。
1.2 數(shù)學(xué)模型
　根據(jù)問題描述,，該類配送中心選址問題的數(shù)學(xué)模型描述如下：

　式（1）表示總的建設(shè)費(fèi)用和運(yùn)輸費(fèi)用最?。皇剑?）表示對i點(diǎn)的需求量應(yīng)小于等于其容量,；式（3）表示向配送點(diǎn)j配送的量應(yīng)大于等于其需求量,；式（4）Ai為標(biāo)志整型變量，標(biāo)明第i個(gè)備選點(diǎn)是否被選中,。
2 針對此模型的改進(jìn)遺傳算法
2.1 具有雙重信息的染色體編碼方案設(shè)計(jì)
　傳統(tǒng)的遺傳算法染色體編碼經(jīng)常采用二進(jìn)制編碼,。對于本文所提出的選址中心數(shù)學(xué)模型，如果采用二進(jìn)制編碼,，可以用染色體的每個(gè)基因位相應(yīng)的下標(biāo)來代表每個(gè)備選配送中心,，用染色體的每個(gè)基因位上的0-1值代表該備選配送中心是否被選中，若共有6個(gè)備選配送中心和8個(gè)配送點(diǎn),，則染色體長度應(yīng)設(shè)置為6,，如果某個(gè)染色體如圖1所示。

    則表示1號,、2號,、6號備選配送中心被選中，利用這種編碼方案雖然可以表示出哪些備選配送中心被選中,，但是從染色體上體現(xiàn)不出這些選出來的配送中心為哪些配送點(diǎn)進(jìn)行配送,，如果要繼續(xù)確定這些配送中心的配送點(diǎn)，又需要在此基礎(chǔ)上進(jìn)行相應(yīng)的設(shè)計(jì),，這無疑會(huì)增加算法的復(fù)雜度和編程的工作量,。
　針對二進(jìn)制編碼的上述問題，本文提出了一種具有雙重信息的染色體編碼方案,，使染色體可以體現(xiàn)雙重信息,，從染色體上既可以體現(xiàn)出哪些備選配送中心被選中，而且還可以體現(xiàn)出這些選出來的配送中心為哪些配送點(diǎn)進(jìn)行配送,，這會(huì)很大程度上提高解決問題的效率,。具體方法是：若要從m個(gè)備選配送中心選擇若干個(gè)為n個(gè)配送點(diǎn)進(jìn)行配送服務(wù)，則設(shè)置染色體的長度是n,，染色體由n個(gè)[1,，m]之間的整數(shù)構(gòu)成，如要從6個(gè)備選中心中選擇若干個(gè)為8個(gè)配送點(diǎn)服務(wù),，則染色體長度為8,，染色體由8個(gè)[1，6]之間的整數(shù)構(gòu)成,。這樣染色體的每個(gè)基因位上的值就代表選中的配送中心的編號,，而染色體的每個(gè)基因位相應(yīng)的下標(biāo)表示其所服務(wù)的配送點(diǎn),。如果某個(gè)染色體如圖2所示。

2.4 遺傳算法步驟設(shè)計(jì)
　將上述改進(jìn)遺傳算法應(yīng)用到本文的配送中心選址模型求解中,，具體步驟如下：
?。?）設(shè)置遺傳算法基本參數(shù)：種群數(shù)量NIND，最大代數(shù)MAXGEN,，代溝GGAP,，交叉概率Pc，變異概率Pm,，讀入各備選配送中心的建設(shè)費(fèi)用和建設(shè)之后的容量,，以及各個(gè)配送點(diǎn)的需求和配送單位重量需要的運(yùn)輸費(fèi)用。
?。?）產(chǎn)生初始種群：產(chǎn)生NIND行n列個(gè)范圍在[1,，m]之間的隨機(jī)整數(shù)作為初始種群Chrom，其中n為配送點(diǎn)的個(gè)數(shù),，m為備用配送中心的個(gè)數(shù),。
　（3）分別計(jì)算種群Chrom中各染色體的目標(biāo)值Objv,，根據(jù)各自的目標(biāo)值按照代溝GGAP按前述方法進(jìn)行選擇操作,，形成Selch。
?。?）對Selch按照交叉概率Pc和變異概率Pm依次進(jìn)行交叉和變異操作,，形成子代種群。
?。?）記錄子代種群的最優(yōu)目標(biāo)值,，并對子代種群按步驟（2）的方法產(chǎn)生若干個(gè)染色體對子代種群進(jìn)行補(bǔ)充。
?。?）判斷Gen是否大于MAXGEN,，是則退出，否則轉(zhuǎn)向步驟（3）,。
3 仿真測試
　假設(shè)某公司需要為其在某市的8個(gè)配送點(diǎn)選擇配送中心,，需要從6個(gè)備選點(diǎn)選擇若干個(gè)對其進(jìn)行建設(shè)作為配送中心，那么選擇哪些備選點(diǎn)作為配送中心會(huì)使得建設(shè)費(fèi)用和運(yùn)輸費(fèi)用最小,，其中8個(gè)配送點(diǎn)的需求量如表1所示,，各個(gè)備選配送中心的建設(shè)費(fèi)用及容量如表2所示，各配送中心向配送點(diǎn)配送時(shí)每單位重量需花費(fèi)的運(yùn)輸費(fèi)用如表3所示,。

　采用上述改進(jìn)遺傳算法對此問題進(jìn)行仿真測試,，其中參數(shù)設(shè)置為：種群數(shù)量NIND=20，最大代數(shù)MAXGEN=100，代溝GGAP=0.7,，交叉概率Pc=0.7,。
程序運(yùn)行后的最優(yōu)解的染色體為：21121222，從該染色體可以得出：從6個(gè)備選配送中心中選擇1號,、2號建設(shè)成為配送中心,，其中1號配送中心為2號、3號,、5號配送點(diǎn)配送服務(wù),，2號配送中心為1號、4號,、6號、7號,、8號配送點(diǎn)配送服務(wù),。
　其中遺傳算法進(jìn)行100代時(shí)每代的最優(yōu)目標(biāo)值如圖3所示，從圖中可以看出,，運(yùn)行到100代時(shí)得出最優(yōu)解,，總的建設(shè)和運(yùn)輸費(fèi)用是804個(gè)單位值，進(jìn)化時(shí)每代的最優(yōu)目標(biāo)值從最初的1 655左右逐漸下降到804,，說明該算法有很好的尋優(yōu)能力,，能有效地對這類配送中心選址數(shù)學(xué)模型進(jìn)行優(yōu)化。

　科學(xué)建立配送中心,，不僅可以使企業(yè)快速把握和響應(yīng)市場,，而且還能通過優(yōu)化的配送中心以及相應(yīng)的配送方案提高企業(yè)的市場競爭力。本文針對一類配送中心選址問題出發(fā),，對其進(jìn)行數(shù)學(xué)建模,，并提出一種具有雙重信息的編碼設(shè)計(jì)方案，使得從染色體編碼上不僅可以體現(xiàn)出哪些備選配送中心被選中,，而且還可以體現(xiàn)出這些選出來的配送中心為哪些配送點(diǎn)進(jìn)行配送,。通過仿真測試，證明了該方法在解決這一類模型時(shí)的可行性和有效性,。
參考文獻(xiàn)
[1] 謝天保,，雷西玲，席文玲.物流配送中心配載車輛調(diào)度問題研究[J].計(jì)算機(jī)工程與應(yīng)用,，2010,，46（36）：237-240.
[2] 王喆.基于組合遺傳算法的鐵路危險(xiǎn)貨物辦理站點(diǎn)整合優(yōu)化[J].計(jì)算機(jī)應(yīng)用，2010,，39（9）：2301-2304.
[3] 稅文兵,，葉懷珍，張?jiān)姴?物流配送中心動(dòng)態(tài)選址模型及算法研究[J].計(jì)算機(jī)應(yīng)用研究，2010,，27（12）：4476-4479.
[4] 許德剛,，肖人彬.基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的糧食配送中心選址決策研究[J].計(jì)算機(jī)應(yīng)用研究，2010,，27（3）：887-890.
[5] 朱爽,，王東.汽車零部件物流網(wǎng)絡(luò)優(yōu)化設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)工程，2011,，37（12）：258-261.
[6] 施朝春,，王旭，葛顯龍.帶有時(shí)間窗的多配送中心車輛調(diào)度問題研究[J].計(jì)算機(jī)工程與應(yīng)用,，2009,，45（34）：21-24.
[7] 李凈，袁小華,，朱云飛.物流配送系統(tǒng)中車輛路徑問題的實(shí)現(xiàn)[J].計(jì)算機(jī)工程與設(shè)計(jì),，2009，30（16）：3783-3786.
[8] 張玉芬,，齊紅然,，劉世普.一類應(yīng)急服務(wù)設(shè)施選址問題的模型及算法[J].數(shù)學(xué)的實(shí)踐與認(rèn)識，2009,，39（14）：37-41.