全文总字数：2374字
毕业论文课题相关文献综述
文献综述
快递于20世纪60年代末在美国兴起，而我国的第一家快递企业始于日本海外普及株式会社（OCS）进入中国与对外运输公司合作开展中国的快递业务。在80年代初期，敦豪国际（DHL）、联邦快递(FEDEX)、联合包裹（UPS）等快递企业先后进入中国。而我国的快递企业是从1980年中国邮政开办的EMS业务开始的，此后，随着经济的发展以及电子商务和信息化的迅速发展，快递企业的数量急剧增加[1][2][3]。
快递服务，在当今世界，作为一种先进的运输服务方式越来越受到社会各阶层客户的普遍欢迎，并得到蓬勃发展。早在1993年，全球十大运输企业排名中，第二及第九位均为主要从事快递服务的公司，这一事实足以证明快递业在运输业中不可低估的地位。随着近几年电子商务的迅速发展，快递行业也迎来了前所未有的发展机遇。但这也导致了快递行业内的竞争更加激烈。就如何降低物流成本，为客户更好的服务，现已成为众多快递公司关注的焦点。
物流配送是现代化物流系统的一个重要环节,它是指按用户的订货要求,在配送中心进行分货、配货,并将配好的货物及时送交收货人的活动。我们通常称之为快递。在物流配送业务中,存在许多优化决策问题。合理选择配送路径,对加快配送速度、提高服务质量、降低配送成本及增加经济效益都有较大影响。本文针对某家快递企业终端接送路径的优化问题进行研究。
胡思继曾在《用混合遗传算法求解物流配送路径优化问题的研究》中将遗传算法和爬山算法结合成的混合算法针对物流配送路径优化问题进行构造分析。遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机化搜索方法[4][11]。主要特点是群体搜索策略和群体中个体之间的信息交换,它实际上是模拟由个体组成的群体的整体学习过程,其中每个个体对应研究问题的一个解。爬山算法是一种基于邻域搜索技术的、沿着有可能改进解的质量的方向进行单方向搜索(爬山)的搜索方法[5][6][7]。
两种算法结合而成的混合算法的特点是对通过遗传操作得到的每一代群体中的最优个体实施多次爬山操作,然后以通过爬山操作得到的个体取代原个体,以增强算法的局部搜索能力[9][10]。实验计算结果表明,用混合遗传算法求解物流配送路径优化问题,可以在一定程度上克服遗传算法在局部搜索能力方面的不足和爬山算法在全局搜索能力方面的不足,从而得到优于爬山算法和遗传算法的计算结果。同时混合遗传算法还具有计算效率较高、计算结果较稳定的特点,充分显示了其良好的寻优性能。
孙颖荪曾在《安徽省民营快递行业整合路径的思考》表示通过整合达到优化快递路径的效果。文中表示省级府与地方政府要有一定的土地和税费方面的优惠，这样能够吸引区域内的快递企业壮大实力，能够兼并重组其他快递企业，也能吸引区域外的大型快递企业来整合整个快递网络，这样既能提升整个快递服务的水平，也能提高整个社会的物流效率，从而促进消费，促进整个地区经济的转型[12][13]14][15]。
杨从平在《基于蚁群算法的快递物流配送路径优化》中利用蚁群算法优化配送物流配送路径。蚁群算法的原理：尽管蚂蚁个体比较简单，但蚂蚁群体却表现为高度化的社会组织，在许多情况下能完成远远超过蚂蚁个体能力的复杂任务。[13]现实生活中，可以观察到大量蚂蚁在巢穴到食物源之间形成近乎直线的路径，而不是圆或曲线等其他形状。单个蚂蚁除了对前面走过的蚂蚁残留在路径上信息素有感知外，几乎无法感知环境的信息，当环境中不存在信息素时，蚂蚁的行为是完全随机的。蚂蚁从巢穴到食物源的过程中，能够在其经过的路径上留下信息素，后来的蚂蚁可以感知这种信息素的存在及强度，蚂蚁倾向于信息素浓度高的方向移动。[14]相等的时间内通过的蚂蚁越多，遗留的信息素就越多，大量蚂蚁的蚁群行为表现出一种信息的正反馈现象，最终导致蚂蚁群体沿着最短路径行进。利用蚁群算法的寻优的启发式搜索算法，以配送路径为优化的一级目标，配送车辆为优化二级目标，在满足车辆载重约束条件下，对某快递物流配送路径进行了优化。通过路径优化，使车辆数量减少，提高了运输规模，同时配送路径减短，可以极大降低快递公司的配送成本[16][17][18]。
随着快递行业的竞争压力不断增大，各种物流配送路径的优化模型也层出不穷。每种优化模型都有自身的优点缺点以及他的适用性。本文利用一下几种智能算法建立路径最优模型并对其进行相应的评价：
1）蚁群算法（ACA）是一种模拟蚂蚁觅食行为的启发式搜索算法，由意大利学者M.Dorigo提出，其主要特点是：正反馈、并行式搜索。它尤其适用于处理传统搜索方法难于解决的复杂和非线性问题。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
