配送运输是物流系统中最重要的组成部分之一,正是通过配送运输,配送中心才得以最终完成货物从生产商到用户的转移。车辆路线问题是其中的一个重要研究课题,其优化技术是现代物流配送的一项关键技术。本文主要研究基于最短路径算法的物流配送,内容如下:第一部分介绍了物流配送的概念,结合其背景讨论了配送运输研究的方法和意义;第二部分介绍了物流配送中的车辆优化调度问题,概括了国内外物流研究发展的状况及其基本模型;第三部分首先回顾了物流配送中现有的算法,然后作者把动态规划的思想运用到车辆路径问题中,以动态规划法为理

基于改进遗传算法的车辆路径优化，李轶舜，徐建闽，自从VRP被证明为NP难题后，许多学者进行了各种求解算法的研究。本文采用遗传算法来求解VRP问题, 其思想是对遗传算法初始种群确定、�

传统算法的物流车辆配送路径规划，由于搜索时间长导致配送效率低。考虑成本和燃料消耗量，建立了燃料消耗量模型和多个配送起点站的物流车辆配送路径模型。基于多种群同时进化的改进策略加强种群之间的信息交流，引入遗传算法的交叉操作，采用交换、位移、倒置变异算子给出全新改进后的果蝇优化算法，避免了传统果蝇算法易陷入局部最优。结果表明：相比GA而言，基本配送费用、燃料成本、超时赔付费用三部分成本分别降低25.5%、32.8%、23.3%；相比基本的果蝇算法FFO、IFFO计算得到的配送费用、燃料成本分别降低8.

针对城市多区域协同发展造成的商业中心相对分散的现状, 提出“多对多” 的城市网络化联合配送机制. 以运输距离、实载率等与成本密切相关的油耗成本为优化目标, 建立面向城市多区域配送需求的车辆路径模型; 同时,利用量子比特位设计染色体结构, 利用云模型云滴随机性与稳定性改进遗传算子, 设计云量子遗传算法对所建立的联合配送模型进行求解. 最后, 结合不同算例对模型和算法进行了仿真实验分析.