改进遗传算法在动车段检修物流配送中的应用

程凯; 张惟皎

改进遗传算法在动车段检修物流配送中的应用

程凯¹,
张惟皎²

1.
中国铁道科学研究院,北京 100081;
2.
中国铁道科学研究院电子计算技术研究所,北京 100081

基金项目: 中国铁路总公司科技研究开发计划（2016X-B）；中国铁道科学研究院科研项目（2016YJ102）

详细信息

作者简介:
程凯，在读硕士研究生；张惟皎，研究员。

中图分类号: U266.2∶TP39
出版历程
- 收稿日期: 2017-01-06
- 刊出日期: 2017-05-25

Improved genetic algorithm applied to maintenance logistics dispatching in EMU depots

CHENG Kai¹,
ZHANG Weijiao²

1.
China Academy of Railway Sciences, Beijing 100081, China;
2.
Institute of Computing Technologies, China Academy of Railway Sciences, Beijing 100081, China

摘要

摘要: 在动车段对动车组的检修作业过程中，检修车间所需零件或工具的物流配送时效性直接决定了检修作业的效率，而目前动车段内采用的配送方式均为点对点单一路径配送。通过对动车段检修物流配送问题进行分析并建立数学模型，采用遗传算法与模拟退火算法相结合的改进算法对模型进行求解，并将算法应用于动车组管理信息系统中。广州动车段在广东地区的实验数据结果表明，改进的遗传算法针对动车段在路径优化方面较为有效地提高了动车段检修物流配送效率，确保了段内动车组的及时检修，进而保障了段配属动车组的安全运用。
- 动车段 /
- 物流 /
- 遗传算法 /
- 车辆路径问题
Abstract: In the process of repairing the EMU, the efficiency of the logistics and distribution of the parts or tools needed in the maintenance workshop directly determines the efficiency of the maintenance work. However, the distribution method used in EMU depot is point to point single path distribution. Through the analysis of the logistics distribution problems of EMU depot, this article established a mathematical model, used an improved algorithm based on genetic algorithm and simulated annealing algorithm to solve the model, and applied the improved algorithm to the EMU information management system(MIS). In the aspect of routing optimization for EMU depot, experimental results from Guangzhou EMU depots in Guangdong province indicated that the improved genetic algorithm could effectively improve the efficiency of logistics distribution, ensure the timely maintenance in EMU depot, guarantee the safe operation of depot attachment of EMU.
- EMU depot /
- logistics /
- genetic algorithm(GA) /
- vehicle routing problem(VRP)

HTML全文

参考文献(15)

[1]	中国铁路总公司. 铁路动车组运用维修规程[M]. 北京：中国铁道出版社，2013 ：17-25.
[2]	Paolo Toth, Daniele Vigo. THE VEHICLE ROUTING PROBLEM[M]. Society for Industrial and Applied Mathematics Philadelphia, 2002.
[3]	祝崇俊，刘民，吴澄. 供应链中车辆路径问题的研究进展及前景[J]. 计算机集成制造系统—CMS，2001，7（11）：1-6.
[4]	段凤华，符卓. 有软时窗约束带取送作业的车辆路径问题及其禁忌搜索算法研究[J]. 计算机工程与科学，2009， 31（3）：68-70，74.
[5]	田昀，梁海龙. 基于模拟退火算法的物流配送路径优化问题分析[J]. 交通科技与经济，2013，15（5）：85-88.
[6]	朱伟，徐克林，侣占华，等. 单车辆物流配送决策模型及其遗传算法[J]. 同济大学学报：自然科学版，2011，39（6）：848-852.
[7]	郎茂祥，胡思继. 用混合遗传算法求解物流配送路径优化问题的研究[J]. 中国管理科学，2002，10（5）：51-56.
[8]	蒋国清，潘勇，胡飞跃. 两阶段式的物流配送路径优化方法[J]. 计算机工程与应用，2015， 51（2）：255-258.
[9]	邢文训，谢金星. 现代优化计算方法 [M]. 2 版. 北京：清华大学出版社，2006 ，140.
[10]	周艳聪，孙晓晨，余伟翔. 基于改进遗传算法的物流配送路径优化研究[J]. 计算机工程与科学，2012，34（10）：118-122.
[11]	张之富，余静，凌镭，等. 基于改进遗传算法的车辆优化调度研究[J]. 中国水运，2009，9（4）：73-75.
[12]	郎茂祥. 物流配送车辆调度问题的模型和算法研究[D]. 北京：北京交通大学，2002.
[13]	唐坤. 车辆路径问题中的遗传算法设计[J]. 东北大学学报：自然科学版，2002，28（1）：66 -70.
[14]	赵波，朱剑敏，张永利，等. 基于改进遗传算法的车辆路径问题在战场物资保障决策中的应用[C]. 第十七届中国过程控制会议论文集，2006 ：139-142.
[15]	周略略，魏玉光. 一种带软时间窗的物流配送中心车辆路径问题的模型与算法[J]. 山东科学，2013，26（5）： 104-110.