2.2 适应度函数。适应度函数是评价每个染色体优劣的函数，是获得最优染色体的基本依据，一般与目标函数有密切的联系，一般目标函数为Zx，设计的适应度函数为：
　　2.3 遗传操作。评价函数是遗传过程中优胜劣汰的基本依据，选择优良的染色体以较大的概率进入种群，反之劣质的染色体被选入种群的概率较小。采用轮盘赌选择操作，评价函数越大，在轮盘中所占比例越大，该染色体选入种群的概率也越大。其具体选中概率为：
　　2.4 交叉规则。交叉是种群中的个体为父代，依照一定的规则互相交换特定位置的基因信息，从而产生继承父代大部分信息又不同于父代的子代染色体，这里具体采用双点交叉操作，在个体编码串中随机设置两个交叉点，然后再进行部分基因交换。
　　2.5 变异规则。采用倒位变异操作，是指随机选定连续排列中的一部分客户，将这部分客户的排列进行倒置。假设个体为123|4567|8，选中4567部分，进行倒位操作，则通过倒位变异操作后个体就变成了123|7654|8。
　　3 实例应用
　　利用遗传算法对实例求解得到的初始优化配送方案如表2所示。
　　初始优化配送方案路径如图1所示。
　　各路径到达和离开用户的时间情况如表3所示。
　　表2列出的是算法求解后的3条最优子路径，以及每条路径分别的成本及装载率，表3列出了子路径中每个客户的到达时间、出发时间以及早晚点情况。
　　4 结 论
　　针对带有送货时间窗的物流配送问题，采用遗传算法求解，建立了带有软时间窗的惩罚函数的配送整数规划模型。该模型更加贴合用户对于时间窗约束的要求，制定了结合不同实际的配送车辆路径问题的配送策略。方法原理适用性强，有一定的操作性，具有实际应用的价值，计算效率较高，可为实际的物流配送问题的解决提供参考。
　　参考文献：
　　[1] 潘立军. 带时间窗车辆路径问题及其算法研究[D]. 长沙：中南大学（博士学位论文），2012.
　　[2] 郭建红. 带时间窗的卷烟物流配送动态车辆路径优化方法研究[D]. 北京：北京交通大学（硕士学位论文），2013.
　　[3] 张炯，郎茂祥. 有时间窗配送车辆调度问题的禁忌搜索算法[J]. 北方交通大学学报，2004，28（2）：103-106.
　　[4] 王海丽，王勇，曾永长. 带时间窗的易腐食品冷藏车辆配送问题[J]. 工业工程，2008，11（3）：127-130.
　　[5] 董立娟. 带时间窗约束的冷鲜肉制品配送路径优化[D]. 长沙：中南大学（硕士学位论文），2011.
　　[6] 杨文超. 顾客时间窗变化的物流配送干扰管理模型及其算法[D]. 大连：大连理工大学（博士学位论文），2012.
　　[7] 吴红丽. 基于时间窗的家电行业物流配送路径优化问题研究[D]. 武汉：武汉科技大学（硕士学位论文），2013.
　　[8] 张瑞锋. 基于混合算法的带时间窗的车辆路径问题求解[J]. 计算机工程，2007（14）：47-53.

---

期刊库（http://www.zgqkk.com），是一个专门从事期刊推广、投稿辅导的网站。
　　本站提供如何投稿辅导，寻求投稿辅导合作，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。

---

　　【免责声明】本文仅代表作者本人观点，与投稿辅导_期刊发表_中国期刊库专业期刊网站无关。投稿辅导_期刊发表_中国期刊库专业期刊网站站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。