1、物流已被認為是繼降低原材料消耗和提高勞動生產(chǎn)率之后的“第三利潤源”。通過優(yōu)化物流系統(tǒng)，可以降低物流成本，從而增強企業(yè)的市場競爭能力。因此，研究物流系統(tǒng)中的優(yōu)化問題，具有十分重要的意義，是國內(nèi)外研究的一個熱點。 庫存成本與配送成本是物流系統(tǒng)的核心成本，在物流總成本中占據(jù)了很大的比例。如果能降低庫存成本與配送成本，就能有效地降低物流成本。 遺傳算法是一種應用很廣泛的智能優(yōu)化算法，本文對遺傳算法進行了分析研究，針對遺傳算法的一

2、些缺陷提出了相應的改進方法。在上述研究基礎上，本文基于遺傳算法，研究了物流系統(tǒng)中的庫存優(yōu)化問題及車輛路徑問題。本文將庫存仿真優(yōu)化問題與車輛路徑問題都看作是組合優(yōu)化問題，并應用遺傳算法進行求解。 本文的主要研究工作及貢獻可歸納如下： (1)對隨機庫存系統(tǒng)建立了基于離散事件系統(tǒng)的計算機仿真模型。用系統(tǒng)仿真方法求解最優(yōu)庫存策略時，其難點之一在于仿真的優(yōu)化。為此，本文將計算機仿真技術和遺傳算法相結合，應用遺傳算法來優(yōu)化模型的控制

3、參數(shù)，即獲得最優(yōu)的庫存控制策略。針對隨機系統(tǒng)的特點，設計了候選解收集器，它能夠收集在仿真優(yōu)化過程中產(chǎn)生的Pareto解；提出了M精英選擇算子，用于保護潛在的最優(yōu)個體，使它們在交叉、變異算子中不被破壞。針對兩種常用的庫存控制策略進行了仿真優(yōu)化的實驗，結果表明本文提出的仿真優(yōu)化方法是有效的。 (2)旅行商問題(TSP)是車輛路徑問題的子問題。為了求解TSP問題，研究了常用于TSP問題的三種交叉算子的優(yōu)化效果，提出了一種求解TSP問題

4、的高效混合遺傳算法HGA-TSP。在該算法中以變形的OX算子作為交叉算子，以2-opt算法作為遺傳算法的變異算子；提出了K近鄰點集的概念以縮減搜索空間并提高算法的時間效率。 (3)將單配送中心，多輛運輸車且無約束的車輛路徑問題建模成具有總路徑長度最短、子路徑長度均衡性好這兩個目標的雙目標多旅行商問題(MTSP)，并基于HGA-TSP算法，研究了三種求解上述問題的解決方案。 (4)對于帶能力約束的車輛路徑問題(CVRP)，

5、提出了一種新的雙層染色體編碼方案和一種子路徑交換算法。雙層染色體編碼方案不需要預先知道最優(yōu)解所需要的車輛數(shù)，并能確保染色體不違反能力約束，這更適合求解實際物流配送系統(tǒng)中的車輛路徑問題。此外，相對于常用的單層染色體編碼方案，該編碼方案還能降低搜索空間的大小，從而提高搜索效率并降低計算時間。子路徑交換算法可以有效提高遺傳算法的求解精度?；谏鲜鲭p層染色體編碼方案和子路徑交換算法，設計了兩種求解CVRP問題的混合遺傳算法，分別是HGA-CVR

6、P算法和HGA-SE-CVRP算法。 (5)對于帶時間窗約束的車輛路徑問題(VRPTW)，首先改進了雙層染色體編碼方案，以便在編程實現(xiàn)時更方便地進行子路徑的處理。然后研究了遺傳算法與鄰域搜索算法的結合方式，在遺傳算法中引入了帶克隆操作的鄰域搜索算子。最后提出了一種求解VRPTW問題的新型混合遺傳算法HGA-VRPTW。 (6)綜合應用了面向對象分析與設計、多線程、UML等先進的軟件開發(fā)方法與技術，設計并開發(fā)了VRP仿真實驗室，這