遗传算法在快递配送领域的应用分析

摘 要：随着信息技术的发展，现代物流作为“第三个利润源泉”是一种先进的组织方式和管理技术，已被世界各国广泛采用，并形成商业产业化，在国民经济中发挥越来越重要的作用。物流优化技术，正受到日益广泛的重视，并处于巨大的发展浪潮中。

关键词：遗传算法;快递配送;路径优化

在现代物流中，配送是一个重要的与消费者直接相连的环节，一方面可以体现企业的核心竞争力，另一方面通过线路优化，可以提高企业的运作效率，降低配送成本，实现物流科学化配送。目前市场上仓储类管理系统已经比较完善，但对于不同需求的路线规划还存在一定的短板，基于当前末端配送路径优化的要求，本文引用遗传算法，对某乡镇的邮政服务作了系统的设计和优化。

1、问题提出：

某乡镇邮政服务点（用0表示）需要向管辖区内的20个村委会提供邮政派件服务，其中服务点与20个村委会坐标已知，见下表1-1，且每个村委会一次派送需求量也已知。要求邮件派送车完成派送任务后需返回服务点，同时一个村委会仅需要一辆派送车服务即可满足派送需求。每辆派送车的行驶最远里程均为50KM和装载容量限制均为8t，派送车辆足够多。要求设计一组配送路线在满足车辆里程和容量限制的前提下使车辆行驶的总里程最短。服务点的坐标为（14.15KM，13.10km）。

2、邮件派送服务优化原理：

此类问题在数学上属于典型的VRP问题，查阅相关资料也可以了解到解决此类问题的算法是多种多样的，遗传算法作为经典的现代启发式算法在解决这类问题上有得天独厚的优势。所谓优化就是指通过算法的设计让一个现实问题变为一个可运算的数学问题，通过运算来使目标函数值越来越小，对于上面的问题就是指使总里程最短。

3、遗传算法的设计：

3.1 遗传算法简介

遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法从代表问题潜在的一个种群开始的，而一个种群则由经过基因编码的个体组成。由于仿照基因编码的工作很复杂，我们往往进行简化，用二进制编码来代替等，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代演化产生出越来越好的近似解，在每一代中，根据问题域中个体的适应度大小来选择个体，并借助于自然遗传学的遗传算子进行组合交叉和变异，产生出新一代的种群。

3.2遗传算法设计

基于本题的实际情况来看，基因的编码我们可以设计为一个车辆派送村委会的顺序，如某一辆车从服务点出发依次经过乡镇3，乡镇17，乡镇15，乡镇5，完成配送任务后返回到服务中心，则这一条基因编码就可以是0-3-17-15-5-0，某一组解的所有车辆的配送顺序构成这一代种群的基因库。在每一代繁殖的过程，遗传因子可能发生交叉，前后顺序颠倒等遗传变异行为，种群的适应度函数则可以设计为车辆行驶里程函数的倒数，基于本题来说，适应度越大，代表行驶的总里程越短，越是我们需要的结果。假设某代种群中其中有两条基因编码分别为0-3-17-15-5-0，0-6-9-4-13-0，在发生复制遗传的过程中遗传因子的交叉操作第一种情况可以设计为第一条的基因15与第二条的基因9交换了顺序，形成新的0-3-17-9-5-0，0-6-15-4-13-0两条染色体。第二种情况可以设计为第一条染色体的尾部基因5添加到了第二条染色体的尾部，形成新的0-3-17-15-0，0-6-9-4-13-5-0两条染色体。基因的前后顺序颠倒则可以设计为如0-3-17-15-5-0，在复制过程中基因5和15交换了顺序，形成了新的一条染色体为0-3-17-5-15-0，其中需要注意的是在每一代种群基因的遗传中，交叉操作和前后顺序颠倒操作必须是随机发生的。在每一代种群复制以后，需要判断新一代种群的适应度函数值大小，如果适应度较前一次大，则用新一代种群取代上一代種群，如果适应度变小了，则种群依然采用上一代的种群，如此循环往复几百上千次以后，将可以得到相对适应度最大的种群即为我们做需要的种群。

3.3流程图介绍

4、结果分析

基于以上的设计，利用MATLAB建模，并设置好各种参数，分别输入迭代次数为100，200，300，400，500可以得出以下结果。

总的来看，迭代次数越多迭代所花费的时间就越多，不过得到的结果越接近于真实的最小值。通过这样的研究，基本就能解决末端配送的的路径问题了，这将极大地促进电商和物流行业的一同前进。

参考文献：

[1] 郑瑞卿.构造节约遗传算法解决电子商务环境下的物流配送路径优化问题研究[J].宜春学院学报，2018，40（12）：59-61.

[2] 宋金文. 现代物流配送系统的研究与实现[D].天津大学，2016.

作者简介：

朱康林（1998），男，汉族，本科生，研究方向为电气工程及其自动化方向。