1、物流被稱為企業(yè)的“第三利潤源泉”。在“自然資源領(lǐng)域”和“人力資源領(lǐng)域”利潤開拓越來越困難的情況下，物流領(lǐng)域的潛力被人們發(fā)現(xiàn)并受到重視。通過優(yōu)化物流系統(tǒng)可以降低成本，從而增加企業(yè)利潤及市場競爭力，因此通過優(yōu)化算法對物流系統(tǒng)進(jìn)行優(yōu)化具有十分重要的意義和應(yīng)用價值。 微粒群算法(Particle Swarm Optimization，PSO) 是一種擁有收斂速度快和簡便易行優(yōu)點(diǎn)的隨機(jī)全局優(yōu)化算法。論文對標(biāo)準(zhǔn)微粒群算法進(jìn)行了深入的研究和分

2、析，針對其缺陷提出了相應(yīng)的改進(jìn)方法，在此基礎(chǔ)上采用遺傳算法編碼、交叉和變異的遺傳微粒群算法求解物流系統(tǒng)中的庫存優(yōu)化和車輛路徑優(yōu)化問題，并分別設(shè)計了啟發(fā)式算子提高遺傳微粒群算法的性能，仿真試驗(yàn)的結(jié)果證實(shí)了算法的有效性和穩(wěn)定性。 對于微粒群算法改進(jìn)的工作在于： (1) 對于無約束優(yōu)化問題，提出基于對個體評價的動態(tài)個體慣性權(quán)重調(diào)整策略，其中也包含對多種變異算子的研究。仿真結(jié)果顯示，這種方法對于提高微粒群算法的性能有非常明顯的幫助

3、。 (2) 對于約束優(yōu)化問題，通過仿真計算比較了多種變異算子的效果，在此基礎(chǔ)上嘗試了多變異算子串行融合，然后為了克服多變異算子相互間的干擾并減少計算量，提出了自適應(yīng)的變異算子選取策略。最后，本文提出了將標(biāo)準(zhǔn)微粒群算法與遺傳微粒群算法相融合的雙重微粒群算法，仿真計算顯示，這種算法在與兩種微粒群算法計算量相當(dāng)?shù)那闆r下展現(xiàn)出明顯高效的搜索效率和精度。 對于物流系統(tǒng)優(yōu)化的貢獻(xiàn)在于： (1) 采用遺傳微粒群算法求解背包問題，采

4、用1-2opt啟發(fā)式算子融入遺傳微粒群算法，仿真結(jié)果顯示本算法要優(yōu)于本文提到的標(biāo)準(zhǔn)微粒群算法和遺傳算法。 在此基礎(chǔ)上，對一個典型貨運(yùn)中轉(zhuǎn)業(yè)務(wù)建模，通過綜合運(yùn)用雙重微粒群算法和求解背包問題的遺傳微粒群算法求解，仿真結(jié)果驗(yàn)證了算法的有效性，并對于物流業(yè)務(wù)的實(shí)際運(yùn)行有一定的參考價值。 (2)提出采用混合遺傳微粒群算法求解旅行商問題的框架結(jié)構(gòu)。針對微粒群算法特有的三條染色體交叉的特性，設(shè)計改進(jìn)的順序交叉算子，它能夠在交叉的同時保留優(yōu)質(zhì)解的

5、信息；此外采用基于2-opt的變異算子顯著的增強(qiáng)算法的收斂性能。通過以上改造，提出了求解旅行商問題的遺傳微粒群算法結(jié)構(gòu)，此結(jié)構(gòu)相對于標(biāo)準(zhǔn)微粒群算法更加簡單、直觀、易于實(shí)現(xiàn)并且可擴(kuò)展性好。仿真實(shí)驗(yàn)顯示了此算法的可行性和有效性。 (3) 采用混合遺傳微粒群算法對帶車輛能力約束的車輛路徑優(yōu)化問題求解，其中采用了求解旅行商問題的交叉和變異算子，并采用了啟發(fā)式算子處理其約束條件，仿真結(jié)果表示它具有精度高和速度快的優(yōu)點(diǎn)。 (4) 采用兩