基于TSP问题的钢铁企业物流配送路径优化模型研究
打开文本图片集
摘 要：作为国民经济的基础产业，钢铁企业对国民经濟的发展十分重要。生产物流在钢铁企业中是提高企业利润，降低钢铁物流成本的关键环节。对某钢铁企业物流配送路径优化进行研究，通过建立模型和求解。可以减少了配送人员的绕行，减少货物的等待时间，有效地提高提货效率。
关键词：物流配送;路径优化;TSP
中图分类号：F25 文献标识码：A doi：10.19311/j.cnki.1672-3198.2019.36.014
0 引言
钢铁行业对国家的发展至关重要，也是我国国民经济的重要支柱产业之一。目前，我国钢铁生产物流存在的一个很大问题就是物流成本过高，其中运输的费用达到了物流总费用的一半，因此，有效地减少运输成本也是我国钢铁生产物流亟待解决的重要问题。基于这样的物流发展现状，要减少运输费用，进而减少配送成本，以达到降低物流成本的目的，就必须实现配送车辆运输路线优化。
本文以某大型钢铁企业M作为研究对象，通过分析园区内货物的堆放情况和运输车辆的运行情况，提出了一种基于TSP的物流配送优化模型，通过运用动态规划的方法对实例进行了求解，建立了配送路径的优化方案，为钢铁企业节省物流成本，提高物流效率提供了良好的决策。
1 国内外的研究现状
物流配送路径优化一直都是国内外研究的重点，许多的学者都对此进行了研究，很多倾向于用智能算法来对配送路径进行优化。旅行商问题（Traveling Salesman Problem，简称TSP，亦称郎担问题）就是典型的组合优化问题。它可以描述为：对于N个城市，它们之间的距离已知，有一旅行商要从某一城市出发走遍所有的城市，且每一个城市只能经过一次，最后回到出发城市，问如何选择路线可使他所走过的路程最短。国内外主要研究为：
J.F.Cordeau，M.Gendreau，G.Laporte等提出了改进的启发式算法进行路径优化，冯国莉、杨晓冬对用Hopfield神经网络车辆路径的优化进行了研究，刘芳华等对基于改进遗传算法的物流配送路径优化的研究等许多的学者对此进行了研究。对于TSP问题许多学者也进行了大量的研究，李萍等旺针对Hopfield神经网络解旅行商问题（TSP）经常出现无效解和局部优化解，将模拟退火智能算法与Hopfield神经网络相结合，提出了一种混合优化算法， G...
|
== 试读已结束，如需继续阅读敬请充值会员 ==
|
|
本站文章均为原创投稿，仅供下载参考，付费用户可查看完整且有格式内容！
(费用标准：38元/2月，98元/2年，微信支付秒开通！) |
| 升级为会员即可查阅全文 。如需要查阅全文，请 免费注册 或 登录会员 |
|
