试析实现物流配送路径选择仿真系统关键性理由
最后更新时间：2024-01-15
作者：用户投稿
本站原创
点赞:7452
浏览:24048
本站原创
点赞:7452
浏览:24048
论文导读：径选择系统从应用角度分为数据库、接口服务层和客户应用三个层次，如图1所示。图1系统架构1）数据库层为整个系统提供数据支撑服务，它所包含的数据有配送地图数据和行驶轨迹数据，其中配送地图数据是支撑整个系统运转的核心所在。2）接口服务层以接口形式为整个系统提供基础性功能，接口服务可以和系统外部平台
摘要：该文以物流配送路径选择为研究内容，通过分析实现仿真系统的关键性理由，提出可行性解决策略，进行实验论证，提出实现物流配送路径选择仿真系统的方案，并在实践中得到验证。
关键词：物流配送路径选择；遗传算法；grp矢量图形格式；双缓冲绘图
1009-3044（2014）36-8644-02
随着市场经济的发展和物流技术专业化水平的提高，物流配送业得到了迅猛发展。配送路径的选择是否合理，对加快配送速度、提高服务质量、降低配送成本及增加经济效益都有较大影响。配送路径的优化理由是物流配送系统的一个主要理由，物流配送路径的优化就是以最低的运营成本、最快捷的响应速度、最短的配送运输时间，把货物运至用户手中，并且在三个指标之间实现平衡。
在B2C农产品电子商务物流配送时，物流车装载当日需要配送的货品从仓库出发，按照事先规划好的最优配送路径为每一个客户进行配送，最后返回仓库。在配送之前需要根据客户的配送地址间线路间距、经验路况做分析计算出一条最优配送路径。在配送过程中，如果某路段堵车，需要动态调整配送路线。
实现物流配送路径选择仿真系统时，面对如系统架构、算法选择、数据存储和系统仿真理由等一系列技术难题，下面将逐一理清这些关键理由。
1 系统设计思想
将物流配送路径选择系统从应用角度分为数据库、接口服务层和客户应用三个层次，如图1所示。
图1 系统架构
1） 数据库层为整个系统提供数据支撑服务，它所包含的数据有配送地图数据和行驶轨迹数据，其中配送地图数据是支撑整个系统运转的核心所在。
2） 接口服务层以接口形式为整个系统提供基础性功能，接口服务可以和系统外部平台实现数据共享、服务共享。
3） 客户应用层面向系统的各个终端用户，主要为终端用户提供配送网络图形处理和配送过程演示制约功能，以配送地图数据为支撑，提示可视化、个性化的操作界面。
仿真系统拟实现的功能如图2所示。
图2 功能结构
2 算法理由
实现多目的地的物流配送路径选择理论上可以选用枚举法、回溯试探法等常规算法解决。采用枚举算法时，对理由的所有可能答案一一列举，然后根据条件判断此答案是否合适，合适就保留，不合适就丢弃。采用回溯算法时，按照深度优先策略，从始发地出发搜索解空间树。算法搜索到解空间树的任意一点时，先判断该点是否包含理由的解。如果肯定不包含，则跳过对该结点为根的子树的搜索，逐层向其祖先结点回溯；否则，进入该子树，继续按深度优先策略搜索。采用枚举算法和回溯算法的时间复杂法分别为O（nn）、O（n2） ，当n→+∞时，时间开销不堪重负，实践证明也是如此，在实验环境下，当n>6时，得到最优解的时间超过60秒，已经无法达到实时处理要求。
采用遗传算法，多次调优，确定合适的种群规模、交叉因子和变异因子，科学计算迭代次数，确保搜索最优（次优）路径所用时间较短。算法原型如下所示：
public class GA {//遗传算法类
//判断一个图是否为连通图
bool IsLinkGraph（double[，] graph）；
//获取最短路径
public List GetShortPath（GraphicContent content， List historyPoint， int flag）
//计算最短路径
List GetShortPath（double[，] graph， int source， int target， List passList，List clientPoints）
//初始化种群
void InitShome（double[，] edge， int source， int target， List passPath， List clientPoints）
//计算路径的适应值
double GetFitness（List path， double[，] graph）
//选择计算
void Select（double[，] graph）
//变异计算
void Change（）
//交叉计算
void Inter（）
//交叉运算
List InterCouse（）
//计算未被包含的结点数目
public int IsContailsAll（List list， List subList）
//返回路径长度
protected double GetLength（List path，double[，] edge）
}
在实验环境（CPU双核2.9MHz，RAM 4GB，Windows XP，.NET Framework 2.0，DirectX 9.0）下经过实验证明，当配送地址数量≤65个时，算法所用的平均搜索时间<10.0秒；只有当配送地址数量≥90个时，算法所用的平均搜索时间才会有显著增加，但总体仍在可以接受的范围之内。 全文地址：www.7ctime.com/cgygygllw/lw49298.html上一论文：关于的农产品物流与冷链物流的价值取向
摘要：该文以物流配送路径选择为研究内容，通过分析实现仿真系统的关键性理由，提出可行性解决策略，进行实验论证，提出实现物流配送路径选择仿真系统的方案，并在实践中得到验证。
关键词：物流配送路径选择；遗传算法；grp矢量图形格式；双缓冲绘图
1009-3044（2014）36-8644-02
随着市场经济的发展和物流技术专业化水平的提高，物流配送业得到了迅猛发展。配送路径的选择是否合理，对加快配送速度、提高服务质量、降低配送成本及增加经济效益都有较大影响。配送路径的优化理由是物流配送系统的一个主要理由，物流配送路径的优化就是以最低的运营成本、最快捷的响应速度、最短的配送运输时间，把货物运至用户手中，并且在三个指标之间实现平衡。
在B2C农产品电子商务物流配送时，物流车装载当日需要配送的货品从仓库出发，按照事先规划好的最优配送路径为每一个客户进行配送，最后返回仓库。在配送之前需要根据客户的配送地址间线路间距、经验路况做分析计算出一条最优配送路径。在配送过程中，如果某路段堵车，需要动态调整配送路线。
实现物流配送路径选择仿真系统时，面对如系统架构、算法选择、数据存储和系统仿真理由等一系列技术难题，下面将逐一理清这些关键理由。
1 系统设计思想
将物流配送路径选择系统从应用角度分为数据库、接口服务层和客户应用三个层次，如图1所示。
图1 系统架构
1） 数据库层为整个系统提供数据支撑服务，它所包含的数据有配送地图数据和行驶轨迹数据，其中配送地图数据是支撑整个系统运转的核心所在。
2） 接口服务层以接口形式为整个系统提供基础性功能，接口服务可以和系统外部平台实现数据共享、服务共享。
3） 客户应用层面向系统的各个终端用户，主要为终端用户提供配送网络图形处理和配送过程演示制约功能，以配送地图数据为支撑，提示可视化、个性化的操作界面。
仿真系统拟实现的功能如图2所示。
图2 功能结构
2 算法理由
实现多目的地的物流配送路径选择理论上可以选用枚举法、回溯试探法等常规算法解决。采用枚举算法时，对理由的所有可能答案一一列举，然后根据条件判断此答案是否合适，合适就保留，不合适就丢弃。采用回溯算法时，按照深度优先策略，从始发地出发搜索解空间树。算法搜索到解空间树的任意一点时，先判断该点是否包含理由的解。如果肯定不包含，则跳过对该结点为根的子树的搜索，逐层向其祖先结点回溯；否则，进入该子树，继续按深度优先策略搜索。采用枚举算法和回溯算法的时间复杂法分别为O（nn）、O（n2） ，当n→+∞时，时间开销不堪重负，实践证明也是如此，在实验环境下，当n>6时，得到最优解的时间超过60秒，已经无法达到实时处理要求。
采用遗传算法，多次调优，确定合适的种群规模、交叉因子和变异因子，科学计算迭代次数，确保搜索最优（次优）路径所用时间较短。算法原型如下所示：
public class GA {//遗传算法类
//判断一个图是否为连通图
bool IsLinkGraph（double[，] graph）；
//获取最短路径
public List GetShortPath（GraphicContent content， List historyPoint， int flag）
//计算最短路径
List GetShortPath（double[，] graph， int source， int target， List passList，List clientPoints）
//初始化种群
void InitShome（double[，] edge， int source， int target， List passPath， List clientPoints）
//计算路径的适应值
double GetFitness（List path， double[，] graph）
//选择计算
void Select（double[，] graph）
//变异计算
void Change（）
//交叉计算
void Inter（）
//交叉运算
List InterCouse（）
//计算未被包含的结点数目
public int IsContailsAll（List list， List subList）
//返回路径长度
protected double GetLength（List path，double[，] edge）
}
在实验环境（CPU双核2.9MHz，RAM 4GB，Windows XP，.NET Framework 2.0，DirectX 9.0）下经过实验证明，当配送地址数量≤65个时，算法所用的平均搜索时间<10.0秒；只有当配送地址数量≥90个时，算法所用的平均搜索时间才会有显著增加，但总体仍在可以接受的范围之内。 全文地址：www.7ctime.com/cgygygllw/lw49298.html上一论文：关于的农产品物流与冷链物流的价值取向