基于改进遗传算法的路径规划问题应用

信息化赋能传统物流行业的迭代升级，为解决由于汽车制造业独有的物流特点带来的运输难题，使循环取货速度提升、成本费用降低及物流车辆造成城市内部交通压力得到缓解，以汽车厂A在城市Q本地循环取货实际运输需求为基础，设计了基于改进的遗传算法用于汽车零部件运输的智能路径规划方法。利用循环物流过程中当月零部件需求量、供应商订单详情、选配运输车辆容载率、单车器具体积占比、时间窗需求等耦合性因素，使用大规模邻域搜索算法改进遗传算法，求解出应用Solomon数据算例的最优路径并于遗传算法相比较和厂A与供应商间实际运输需求的最优配送方案线路。实验结果表明，该方法在性能上具有显著优越性，数值仿真结果阐明了该方法的适用性和优化过程中的收敛情况。