式遗传算法在电子商务下物流配送中心选址中的

[摘 要]电子商务环境下的物流配送中心选址问题比较复杂,涉及因素较多.根据物流配送特点,对配送中心选址模型的变动费用和时间约束作修改,建立更加合理的适用于电子商务环境下的物流配送中心选址模型.由于选址模型属于NP难问题,故采用启发式遗传算法进行求解.

[关 键 词]电子商务启发式遗传算法物流配送中心

一、引言

在崭新的电子商务模式下,如何合理地选择物流配送中心的地址,建立高效的配送系统,降低送货费用,缩短货物运送时间,从而保障怎么写作的质量,成为电子商务环境下当代企业发展面临的重要问题.

二、电子商务下的物流配送中心选址模型

依据电子商务环境下物流配送中心选址问题具有特殊性,从变动费用和时间约束这两个方面对传统的多阶段物流配送中心选址模型进行改进,建立了一个适用于电子商务环境下的配送中心选址模型,它属于非线性混合O―l规划.

（1）

式中:为从配送中心i到用户j的运输量；为从工厂k到配送中心i的运输量为从配送中心i到用户j运输单价；为工厂k到配送中心i的运输单价；为配送中心i的货物流转单价；为配送中心i运营的固定费用；为工厂的个数；

为从工厂i到物流配送中心j的运输时间；为物流配送中心j到用户k的运输时间；为用户k对配送时间的限制；为用户j的需求量；为配送中心i容量；为工厂k的供货量；m为配送中心个数；n为用户的个数；p为配送中心最大个数.约束条件(7)表明工厂到物流配送中心运输时间和物流配送中心到用户运输时间之和应小于或等于用户对该产品配送时间限制.

过滤条件在配送中心选址模型

在改进模型中,约束条件（常量）,对m个被选的物流配送中心,若一次选P个进行组合,则有组合种,T表示各组合所含备选物流配送中心的集合.过滤可分以下三步：

Stepl:计算出共有种组合数；

Step2:对各个组合,计算是否满足；

Step3:若满足,则组合T作为可讨论子问题,否则舍弃；

经过滤后,至多可得到个可行子问题,描述为：

（9）

每个可行子问题中不再含有Yi变量,在目标函数中仅含有一个常数型函数,其余均为线性函数；子问题的个数一般来说远小于个,求解的难度大大降低.

三、启发式遗传算法在配送中心选址中的应用描述

Stepl:运用过滤性条件,从得到的T个可行组合中任取一组合；

step2:对该可行组合求初始解,要求从工厂到配送中心运费与配送中心到用户运费的和即总费用最小；

（10）

检测设所有（k,j）取最小费用,所有满足（10）式的集合记为,起始配送中心序号为；

（11）

Step3：若工厂生产能力和需求量已知,把其作为约束条件求解运输性问题,对于所有,使其费用函数最小；求得初始最优解；

step4：根据初始解,求得物流配送中心的通过量为：

（12）

If成立,继续下一步；

Else返回Step2,

Step5:通过来计算配送中心的变动费用：

（13）

（14）

其中,对应的物流配送中心的序号为,以此为基础,求得二次最优解:；

Step6：设n-1次最优解为,求得通过量,对所有(k,j)取下式：

（15）

依此为基础求得n次最优解；

Step7:if成立,终止计算；else继续计算求得

；

Step8：重复Step2到Step7步骤．求得其他子可行问题的最优解；

Step9：比较每个子可行问题的最优解,找出费用最小的即为最优解.

四、小结

由于电子商务环境下物流配送中心选址问题,其模型及算法复杂,不宜用线性模型来处理,故采用启发式遗传算法进行求解.用它来确定电子商务环境下配送中心选址,避免了传统选址中易产生的时间长,费用高等许多不足.利用启发式遗传算法在电子商务环境下对物流配送中心进行选址,是一种全面、合理、高精确度的选址方法.