基于冷链物流配送的路径优化探讨

张晏魁

摘 要：现阶段人们对物流的要求越来越高，对生鲜易腐产品需求的增大，冷链物流开始备受人们的关注。我国冷链物流的发展存在很多不足，成本过高就是其中的重要问题之一，主要原因是我国物流配送路径不够完善。因此加强对路径优化问题的研究，可以有效降低成本。

关键词：冷链物流；配送路径；优化

我国冷链物流在发展过程中，出现了众多问题，其中导致成本过高的重要原因之一就是配送路径缺乏科学性。相关人员应加强对期的研究，积极寻求能够保证成本最低的最优路径。现阶段我国在这一方面主要采用了C-W节约算法、改进遗传算法等方法进行路径的优化，并还在积极研究更有效的方法。

一、遗传算法的改进

1.基本概念

该算法是自然界进化机制的模拟，中心思想是优胜劣汰。整体思路是在每一代物种中选择具有代表性的个体，它拥有优秀的遗传基因，和较高的适应自然界的指数，父辈不仅将优秀的基因遗传给了它，并且在交叉和变异之下，生长出更优秀的基因，对环境的适应能力更强，该个体同其父母相比更加类似最优解。该算法自身带有较强的适应能力，能够对智能式物流配送车辆路径的优化事项进行整体搜索。

2.基本思想及步骤

对自然界不同种群进行遗传的模仿是该算法的中心思想，通过模仿、交叉等方式不断进化不同种群的相关解，并从中找到最优值，知道寻找到最优的个体。其中编码、设置初始群体遗传操作是主要内容。

首先，编码策略。应用遗传域内的个体或染色体来代替问题域中的参数，这些个体的构成以基因值为基础；其次，初始群体的随机生成，此处以P来表示其大小。种群的大小为N，N个随机产生的初始解代表着不同的个体，开始迭代由P（0）表示，最终要求的迭代次数的最高值；再次，f（x）为取值函数，能够对适应度进行确定，目标函数在这一过程中具有重要作用，通常处于修正或变形的中心，随后会出现新的函数；最后，应用Ps代表选择概率、Pc代表交叉概率、Pm代表变异概率，通过计算能够促使T代的遗传迭代实现。

3.改进步骤及意义

首先，优化冷链物流配送路径，应编码解向量，不仅要对冷藏车辆数进行确定，还要对单一车辆的服务对象数量和服务顺序进行明确，因此自然编码是最主要的方式；其次，初始重群的随机产生，优化路径时能够随机生成多个初始种群；再次，适应度函数的确定。该函数能够对个解优劣性进行评价，对下一代种群概率进行确定。函数随实际问题变化而变化。例如非负数应为个体的适应度值等。

该算法在求解智能式配送车辆路径问题中使用较广泛。对该算法的改进有助于广义运输成本的求解，能够有效对比各项成本构成同广义运输成本之间的差异，该算法就有耗时少和结果优的特点。

二、粒子群优化算法的改进

1.概述

PSO即粒子群优化算法，在飞鸟集群的基础上被提出。在一个固定的区域中，一群鸟在搜索食物，此时可能出现两个已知条件，一种是该区域内质拥有一块食物，另一种是鸟群明确自身所处的位置与食物的距离是多少；而未知的条件是该事物的具体地点是鸟群未知的，因此鸟群会对附近的区域进行食物搜索。

在这种情况下该算法能够将个体的鸟都视作一个最优解，叫做“粒子”。全部粒子都有自身的适应度值，而客观的不同条件是，它们的位置及速度不同，而接下来的方法及步骤就是对最优解进行空间搜索，其过程中应严格按照不同粒子及跟随每一迭代来进行。

2.基本思想及步骤

初始化时该算法的首要步骤，它是针对一群随机粒子来进行的。为了能够寻找到存在于该种群中的最优解，应以逐步的迭代来进行。不同的迭代，会导致两种极值产生于粒子群中。一种是个体极值，即最优解在个体粒子中的体现，应用pBest来表示。另一种是全局极值，即最优解在整个种群中全部个体极值中的体现，用gBest来表示。在不可擅自改动的规定及固定的公式下，粒子群发生每一次都不同的迭代。

首先，初始物种的随机产生，初始化该算法中的全部参数；其次，对该种群中的全部粒子进行评价，评价过程以提前设定的适应度函数为基础；再次，粒子的速度和位置是会发生转变的，转变过程中以速递和位置更新公式为基础；第四，评价该种群中全部粒子，对是硬度值进行重新计算，从而促使pBest和gBest得以更新；最后，如果能够不通过迭代而实现最大次数值，那么可以结束该算法，并将目标函数和gBest值进行输出，反之应从第三步骤重新开始迭代。

3.改进步骤及意义

首先，编码以自然数为主，针对个体粒子进行。优化冷链物流配送路径时，首先要解决路径问题，其次是服务次序。因此，编码对个体粒子而言拥有两部分，即问题和可行解。两段编码都有n位；其次，粒子群初始化。局部最优是现阶段粒子的位置适应度，全部局部最优的最优的适应度值是全局最优值gBest，同粒子最优解对应；再次，同遗传算法具有相同的粒子群优化算法，个体粒子的优劣要在适应度函数下进行衡量。这里的函数同遗传算法的函数相同。

粒子群优化算法在优化冷链物流配送路径过程中，其基础是标准粒子群的优化算法，能够有效改进学习因子和惯性权重的设置。

三、结论

现阶段我国人民的生活质量不断提高，人们对于物流服务的质量要求也越来越高，现阶段加强对冷链物流配送路径的优化进行研究具有重要的意义。本文从遗传算法的改进和粒子群优化算法的改进角度对冷链物流配送路径的优化展开了探讨，通过对相关思想和步骤的掌握，对提高人们的生活质量能够起到较大的促进作用。

参考文献：

[1]王瑞.基于AFA-ACO的农产品冷链物流配送路径优化研究[D].河北工程大学，2014.

[2]杨丽娟.水产品冷链物流配送中心选址及配送路径优化研究[D].成都理工大学，2014.

[3]徐优香.基于云计算的冷链物流配送车辆路径优化方法的研究[D].江苏科技大学，2013.