【技术实现步骤摘要】
本专利技术涉及物流运输，尤其涉及一种整车物流配送中心选址与路径优化方法。
技术介绍
1、整车物流包括商品车从工厂运输到客户的整个配送过程，配送的顺利完成依赖于工厂、配送中心、经销商以及承运商的高效配合。当前，整车物流需要面对两个问题，一是高昂的运输成本，二是环境影响，这是由整车物流运输的特点决定的。相关研究表明，整车物流服务网络的合理搭建是推动整车物流减低成本、减少环境影响的有效手段。配送中心的位置、数量，以及配送路径是整车物流服务网络的重要组成部分，它们之间是相互关联的，如果配送中心选取的不合理，也会导致配送路径设计的不合理，从而影响运营效率。因此，只有综合考虑配送网络的所有因素，才能实现整体最优。但是，目前整车物流企业信息化程度不高，导致尚未形成有效的整车物流服务网络设计方法。
2、因此，亟需一种能够进行整车物流配送中心选址和路径优化的方法，以降低成本，减少环境影响。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种整车物流配送中心选址与路径优化方法。
2、一种整车物流配送中心选址与路径优化方法，包括以下步骤：获取配送成本信息，基于所述配送成本信息构建以总成本最小为目标的lrp模型，所述总成本包括车辆运输成本、车辆使用成本、车辆通行成本、配送中心场地成本、配送中心运营成本、碳排放成本和污染物排放成本；采用ga-ts算法求解所述lrp模型，得到配送中心选址与路径优化的目标方案。
3、在其中一个实施例中，所述获取配送成本信息，基于所述配
4、
5、所述车辆使用成本为：
6、
7、所述配送中心场地成本为：
8、
9、式中，仓储面积m＝6qy；所述配送中心运营成本为：
10、
11、所述车辆通行成本为：
12、
13、所述碳排放成本为：
14、
15、所述污染物排放成本为：
16、
17、则，lrp模型为：
18、
19、约束条件为：
20、
21、
22、
23、
24、
25、式(9)表示一个配送中心能够由多个工厂服务，式(10)表示配送量不能够超过工厂的产量，其中wf表示工厂的产量；式(11)表示配送中心的配送量不能超过其容量，其中wy表示配送中心容量；式(12)表示工厂的生产量等于所有配送中心的存储量以及直接配送客户需求量的总和，其中x1表示工厂直接服务的客户；式(13)表示配送中心的存储量等于它服务的客的需求量总和，其中x2表示配送中心服务的客户；
26、式中，f表示工厂集合，有f{f|f＝1，2，3，...，f}，f为工厂数量；x表示客户集合，有x{x|x＝1，2，3，...，x}，x表示客户数量；y表示配送中心集合，有u{y|y＝1，2，3，...，y}，y表示配送中心数量；z表示车辆集合，有z{z|z＝1，2，3，...，z}，z代表参与配送的车辆数目；p1为车辆运输成本，p2为车辆使用成本，p3为配送中心场地成本，p4为配送中心运营成本，p5为车辆通行成本，p6为碳排放成本，p7为污染物排放成本；wm为满载油耗，wk为空载油耗，s为最大装载量，kr为道路修正系数，kt为气温修正系数，kv为交通拥堵修正系数，ncv为平均低位发热量，cc为单位热值含碳量，of为碳氧化率，befu为污染物的基准排放系数，为环境修正因子，γu为速度修正因子，ωu为劣化修正因子；qy为配送中心存储量，qij为节点i配送到节点j的过程中的装载量，dij为节点i与节点j之间的距离；表示车辆z从节点i配送到节点j，ay表示建立配送中心时，ay＝1，否则ay＝0。
27、在其中一个实施例中，所述采用ga-ts算法求解所述lrp模型，得到配送中心选址与路径优化的目标方案，包括：设置相关参数并进行参数初始化，所述相关参数包括最大迭代次数、遗传算法种群数量、交叉概率、变异概率和禁忌搜索算法禁忌长度；采用二进制和实数混合进行染色体编码，染色体包含配送中心区域和客户区域，其中，所述配送中心区域采用二进制编码，长度表示可选配送中心的数量，1表示选中所述配送中心，0表示未选中所述配送中心；所述客户区域采用实数编码，长度表示客户数量，基因位表示客户编号，基因位上的数字表示为客户服务的配送中心编号；种群初始化；计算适应度值，公式为：
28、fit＝1/ti (14)
29、式中，fit表示个体i的适应度值，ti表示个体i对应的总成本；设定配送中心与客户之间的距离限制，公式为：
30、
31、式中，d为客户与配送中心之间的距离，w为无穷大的正值；采用遗传操作生成目标子代，其中，包括采用轮盘赌策略更新个体作为父代，概率公式为：
32、pi＝fit/∑fit (16)
33、式中，∑fit表示所有个体的适应度值总和；采用单点交叉策略基于父代生成子代，所述子代以均等概率继承父代基因；采用随机变异策略，对交叉后子代染色体上的部分基因进行随机变异，生成目标子代；采用禁忌搜索算法对所述目标子代进行邻域搜索，以逆转交换策略的方式设置邻域解；在迭代次数达到设定的所述最大迭代次数时，停止进化，输出最优解，作为配送中心选址与路径优化的目标方案；否则返回至计算适应度值的步骤，继续迭代。
34、相比于现有技术，本专利技术的优点及有益效果在于：通过获取配送成本信息，并基于配送成本信息构建以总成本最小为目标的lrp模型，总成本包括车辆运输成本、车辆使用成本、车辆通行成本、配送中心场地成本、配送中心运营成本、碳排放成本和污染物排放成本；采用ga-ts算法求解lrp模型，得到配送中心选址与路径优化的目标方案；构建了考虑配送距离限制的整车物流配送中心选址与路径优化模型，其融合了直接配送和两级配送两种模式，更加贴合实际配送情况，且采用混合遗传禁忌搜索算法进行模型求解，能够避免陷入局部最优解的情况，提高模型性能，得到能够用于配送网络构建的目标方案，以降低企业成本，减少环境影响，促进整车物流行业的可持续发展。
本文档来自技高网...【技术保护点】
1.一种整车物流配送中心选址与路径优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的整车物流配送中心选址与路径优化方法，其特征在于，所述获取配送成本信息，基于所述配送成本信息构建以总成本最小为目标的LRP模型，包括：
3.根据权利要求2所述的整车物流配送中心选址与路径优化方法，其特征在于，所述采用GA-TS算法求解所述LRP模型，得到配送中心选址与路径优化的目标方案，包括：
【技术特征摘要】
1.一种整车物流配送中心选址与路径优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的整车物流配送中心选址与路径优化方法，其特征在于，所述获取配送成本信息，基于所述配送成本信息构建以总...
【专利技术属性】
技术研发人员：李岩，万年勇，唐博，赵恒，朱宏新，陈程，姚远，吕涛，邹燕，
申请(专利权)人：重庆长安民生物流股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。