1、“.....万方数据面向物流配送系统中定位路径优化的聚类进化算法研究摘要第章绪论选题的研究背景及意义选题背景研究意义国内外理论研究现状本文的研究内容及技术路线研究内容技术路线第章定位运输路线安排问题研究物流配送中心研究配送中心选址概述配送中心选址原则及方法问题的描述问题问题问题的研究方向第章定位运输路线安排问题的算法研究遗传算法遗传算法概述遗传算法的特点遗传算法的基本原理遗传算法的基本流程遗传算法的改进聚类算法聚类算法概述聚类算法基本原理万方数据面向物流配送系统中定位路径优化的聚类进化算法研究聚类算法的步骤聚类算法的性能分析第章定位运输路径安排问题的数学模型问题的分类按内容分类按算法分类模型分析问题模型问题模型问题模型需要考虑的因素模型的建立模型假设模型参数及决......”。

2、“.....物流在经济活动中的作用越来大，被称作“第三利润源泉”，在流通行业中已经成为最重要的竞争领域，并且在未来日趋激烈的市场竞争必然起着至关重要的作用,。些发达国家已经具备了比较成熟的物流管理理念与完善的物流系统。在加入以后，为提高生产企业在经济全球化环境下的竞争力，我国也加快了发展现代物流业的步伐。企业经营者都希望能够物流系统中的每个环节都能更好的得到协调运作，以便能够为客户提供更高质量的服务，因此物流决策显得极为重要。在传统的物流模型中，最值得关注的两个问题分别是定位配给问题,和车辆运输路线安排问题，......”。

3、“.....从而对配送中心的个数与位置进行决策，使得整体物流成本最小。在中，般认为从配送中心到需求点的运输线路是呈放射线状的，在确定中心选址时，没有对车辆巡回路线进行充分的考虑，这就导致运输成本的较大浪费而问题是指在中心的位置选定的情况下，设计车辆在各需求点间的运输路线，在满足客户需求的前提下，确保总行程路线最短，也即运输成本最低。在问题中，车辆巡回路线安排被考虑到其中，运输效率得到提高，与实际情形比较吻合。但是在这个问题中，配送中心的选址问题没的得到很好的考虑，这就使得物流成本可能没有达到整体最低。由此，以及其他物流模型为基础，提出集成物流系统的概念，从而使物流系统的运作效率得到提高。这种概念认为根据配送中心的定位货物的配给与运输路线安排三者之间的相互影响的关系，对物流系统进行相应地优化与综合管理。从这种概念出发，国外学者对物流配送中心的选址及运输路线安排问题，进行了综合研究。在可选配送中心为多个的情形下，通过模型的建立，系统在确定最佳的中心的数......”。

4、“.....多目标性。实际物流系统中的多个目标之间有可能存在冲突，比如以总成本最小为目标确定的方案，其时间限制可能达不到最优。所以在对进行研究时有必要对多目标的优化进行研究。万方数据面向物流配送系统中定位路径优化的聚类进化算法研究第章定位运输路线安排问题的算法研究遗传算法遗传算法概述遗传算法是模拟生物进化论中的遗传学机理和自然选择中的进化过程的优化算法，是种通过模拟生物群体随时间和环境的变化，种群基因代代相传并进化的过程，进而搜索问题的最优解的方法。它最初是世纪六七十年代由美国大学的教授的专著首次提出了简单遗传算法的概念。博士的书对的发展历史现状各种算法及在实际工程中的应用作了详细的阐述。遗传算法是种自适应全局优化的概率搜索方法，其每个遗传个体都是以基因染色体的形成存在的，由基因编码也即序列表示，通过定的适应度函数对由染色体个体组成的初始种群进行选择，然后采用交叉和变异操作，通过优胜劣汰的方式生成新的种群替代原始种群，依次循环进化下去，最终得到最优解。遗传算法对问题的要求没有限制......”。

5、“.....可以完好的解决般优化方法在现实生活中难以处理的复杂的和非线性的问题。遗传算法的特点遗传算法是种通过模拟自然进化过程对最优解进行全局搜索的方法，它的并行性及全局收敛性是其最显著的特点，只需要少量的结果就能反映搜索空间较大的区域，便于实时处理，同时具有较强的稳健性。与传统的搜索方法相比，遗传算法具有下列的特点自组织自适应和自学习。利用遗传算法对问题进行求解时，在编码方案遗传算子和适应度函数都确定之后，算法将根据这些确定的条件自行组织搜索最优解。根据“适者生存，不适者被淘汰”的自然选择策略，适应度小的个体被淘汰的概率较大。算法设计中的最大难题就是要将问题的全部特点事先进行描述，并说明针对每个特点算法应该采取什么样的措施，自然选择策略很好的消除这难题。所以，针对些复杂的非结构化问题可以通过遗传算法来解决。遗传算法的本质并行性。算法的搜索起始于个种群，而非单个解。遗传算法只需要明确目标函数以及相应的适应度函数，而非导数或其他辅助知识......”。

6、“.....而非确定的状态转移规则。算法的各态遍历性使算法能够根据定概率进行高效的全局搜索。遗传算法的进化机制还存在有不完善之处，主要表现在以下两个方面缺乏系统的算法收敛性理论。编码方式因为问题的不同而多种多样，目前主要对二进制编码方式进行算法收敛性的研究，其对于组合优化问题中的自然数编码方式是否同样还需要进步的探讨。遗传算法的终止准则对研究人员的主观意识有强烈的依赖性。缺乏对算法随机搜索机制的有效性研究。虽然等学者给出了理论，但是它不能够很好的解释算法实现过程中出现的过早收敛现象。造成这种现象的原因主要有两方面，是算法中的交叉算子使群体中染色体的相似性增强，父代染色体交叉互换的信息量较少，使得搜索进程缓慢甚至停滞不前是变异概率太小，不能将搜索转到其他的解空间继续进行。尽管遗传算法仍有许多待研究的问题，但它简单鲁棒性强及并行分布处理等特点，使得其在组合优化问题生产调度问题自适应控制和机器学习等领域展现了独特魅力......”。

7、“.....种群初始化因为问题空间的参数不能够被遗传算法直接处理,所以必须要把待求问题的可行解利用编码方式表示成遗传空间的染色体。提出两条基本的编码原理该编码方式使得待求问题与位数少定义长度短的图式相关性大，与其他定位的图式相关性小该编码方式能够将带求解的问题利用最小的字符集表达。浮点数编码二进制编码和混合编码等是三种最常见的编码方式。与浮点数编码相比，二进制编码具有更强的搜索能力，但其在变异操作时不能让种群保持更好的多样性。二进制编码。是指个体的遗传基因型采用和符号来表现，其具有编解码操作简单，交叉变异等实现方便的优点，但是它不能很好的反映问题的特定知识，同时对些连续函数的优化问题进行局部搜索的能力很差。用二进制编码将个实际问题表示为操作的主要步骤为确定问题的待优化参数确定每个参数的变化范围，并用二进制形式对其进行表示，若参数的变化范围为用位二进制数来表示，则两者之间满足，这时应考虑全部寻优空间来确定参数范围......”。

8、“.....从而降低计算的复杂性将所有的二进制数连接起来形成个整体的二进制字串，它的每位都只有和两种取值。该字串即为的操作对象。浮点数编码。是指利用定范围内的浮点数对个体的基因值进行表示，在该编码方法中，基因值必须被限定在指定的区间内，算法中的交叉与变异操作产生的新个体的基因值也必须在此区间内。其有如下几个优点适合用来表示遗传算法中范围较大的数，提高了遗传算法的精度，改善了遗传算法的计算复杂性。混合编码。是指以上两种编码方式结合而形成的种新的编码，它既能利用二进制编码的开关作用，又包含浮点数编码的直观稳定的作用。例如利用混合编码的来解决系统辨识问题，采用控制基因和参数基因相结合同时辨识工业对象模型的结构和参数。控制基因采用二进制符号和代表模型结构参数基因用定范围的浮点数代表模型结构中的参数，两者对应，当控制基因为时，表示参数不存在为时则表示存在。适应度函数计算适应度函数是实现自然选择的唯根据，同时也被当作判别群体中个体好坏的标准......”。

9、“.....个体的适应度值越大，被淘汰的概率就越小反之，被遗传到下代的概率就越小。般遗传算法中有三类方法用来计算适应度函数直接将目标函数转化为相应的适应度函数若目标函数是最大化问题，则若目标函数是最小化问题，则。这种适应度函数的计算最突出的特点就是简单直接，但是因为存在函数值域有正有负情况，导致在轮盘赌选择概率中可能出现负数。针对中适应度函数出现的问题，通过优化获得新的适应度函数若目标函数是最大化问题，则,其中为最小估计若目标函数是最小化问题，则,其中为最大估计万方数据面向物流配送系统中定位路径优化的聚类进化算法研究虽然该方法改进了中出现概率为负数的情况，但是估计的极限值时不可能精确获得。另类的改进方法，适应度函数的计算方式若目标函数是最大化问题，则若目标函数是最小化问题，则遗传操作遗传操作的目的是实现优胜劣汰，达到自然进化，其是在群体水平上模拟生物基因的遗传操作。遗传算法包含有三个基本的操作算子选择交叉变异......”。