一种基于遗传算法的区域物流网络选优方法
2008-12-29刘敏王家敏孔祥法
中国市场 2008年6期
摘要:本文利用区域物流的有关理论,讨探了物流网络建设的框架,结合区域物流服务的需要,从第三方物流企业的角度出发,侧重于对区域现有的物流中心进行整合和选择,利用改进的遗传算法对现有物流节点进行最优化选择,从而在根本上提高区域物流网络建模的效率和运行参数的可靠性。
关键词:遗传算法;区域物流;网络建模;选优方法
中图分类号:F224 文献标识码:A
一、引言
近几年区域物流的发展,体现了物流与区域经济发展相辅相成的道理,区域物流发展的宏观与微观经济价值不断显现。发展第三方物流服务,完善区域之间的通道化物流网络系统,以及区域内部的物流基础设施系统对于形成区域网络化物流服务格局,降低区域之间及区域内部的经济要素流动成本,提高物流活动效率,加快区域经济的发展引起了普遍的重视。
二、利用贝叶斯法则对遗传算法的改进
贝叶斯法则是概率统计中的应用所观察到的现象对有关概率分布的主观判断(即先验概率)进行修正的标准方法。本文利用贝叶斯发则对再生的概率进行修正,提供一种提高选择压力和保持种群多样性之间达到某种平衡的策略。
(1)贝叶斯法则:
修正后的概率后利用轮盘赌的处理方式,决定再生结果。改进的方面核心是对主观经验概率P(A│Bi)的定义,笔者认为,P(A│Bi)一般选择05—0.7之间,为了使适配值再生概率小的种群不被过早的淘汰,种群适配值再生概率的大的取值小,种群的适配值再生概率的大的取值大。这样,在一定程度上保存了种群的多样性,减轻了选择压力,由于再生概率修正幅度不大,对算法的收敛速度不会有太大影响。
三、具体应用及其模型分析
1.网络模型的建立与解算
如果将物流中心规划在同一区域的各个地点,不同布局方案可能使整个物流系统的运作成本产生很大的差异,一般来讲,物流中心选址和网点布局应以费用低、服务好、辐射强以及社会效益高为目标。假设某第三方物流企业处于城市经济圈,准备建设自己的配送网络,假设有s个已建设好的物流中心可供选择,有m个物流资源点,有n个用户以一定服务水平接受配送中心服务,如图3-1所示。假设:资源点到配送中心,配送中心到用户的运费均为线性函数,配送中心的可变成本为流量的凹函数,配送中心的容量和个数均受限制。
(6)变异操作
采用传统的基本位变异。对个体的每一位(基因座),以变异概率Pm指定为变异点,对每一个指定的变异点,将其基因值作取反运算,从而产生出一个新的个体。
(7)终止条件判断
判断终止条件之一是否满足,如果满足,停止运算;否则,令t=t+1,转到3。算法的终止条件有以下三种:
1) 如果在给定的最大运行代次内得到最优解,则停止运行;
2) 达到预先给定的最大运行代次即停止运行;
3) 因为有可能得不到最优解,按照收敛条件判断是否终止,当满足给定的条件即停止运行。
3.参数的确定
1)二进制编码串的长度LC=S;
2)群体大小n取决于问题的复杂程度即己建设物流网点的个数和备选地点的个数,通常在100-200之间取值;
3)交叉概率N取值在0.7-0.8之间;
4)变异概率P二取值在0.01-0.03之间;
5)最大运行代数T取值在100-200之间。
4.解除约束
采用惩罚策略惩罚策略,基本思想为:对在解空间中无对应可行解的个体,在计算其适应值时,处以一个惩罚函数,从而降低该个体的适应性值,使该个体被遗传到下一代群体中的概率降低。构造带有惩罚项的评价函数为:
其中,F (i)为考虑了惩罚函数后的评价函数即新的适应性值,F(i)为原评价函数即原适应性值,P(i)为惩罚函数。为了简化运算,提高算法的运行效率,本文采用惩罚函数的一种极端处理情况,即当某个体不满足约束条件时,设定P(i) = -F(i),则其适应性值F(i)=0。
5.确定最优解的方法
按照上述3种终止运行准则,相应确定最优解(满意解)的方法为:
1)终止时群体中的最好的个体即为最优解;
2)终止时群体中挑出的比较好的个体即为满意解;
3)满足条件的个体即为最优解或满意解。
当得到的最优解或满意解不止一个时,可以根据实际情况确定出一个最合理的解。
五、结束语
本文研究了区域物流网络的节点的选址问题,以费用最小为目标,建立了选址的数学模型。针对遗传算法在 “种群多样性”和“选择压力”寻找平衡的问题,提出了利用概率统计中贝叶斯法则对再生概率进行修正的新思路。对于第三方物流网络的建设问题,本文建立的0-1混合规划选址模型可以针对在一定的区域内,合理选择物流节点提供帮助,而目前的研究多数都是仅仅针对新建配送中心网络的选址问题;上述选址模型仍需实践进行检验。
作者单位:刘敏 山东商业职业技术学院工商系
王家敏 山东商业职业技术学院工商系
孔祥法 淄博建筑工程学校
参考文献:
[1] 余泽忠.城市经济圈的发展与区域经济合作[2] 求索2004.7:28—39.
[3] 赵振勇.遗传算法改进策略的研究[J].计算机应用.2006.6: 185-186
注:本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原