物流配送路径优化相关理论文献综述
对于企业，物流成本的控制是目前提高企业利润的非常重要的一环，而配送所需要的费用在物流成本中占据了很大的一块，优化了物流配送路径就是在提高企业的利润。目前关于物流配送路径优化的方法有很多，下面对国内外研究的文献分别作出综述。
- 国外研究文献综述
国外研究方面，C.A.Silva等4人比较了两种不同的优化技术，遗传算法和蚁群算法。先是比较了之前的研究成果，总结了现有的比较结果不同的基准问题，并概括两种优化技术之间的差异。物流问题的仿真结果表明：这两种方法同样表现良好，但在一般的情况下遗传算法更快。然而，蚁群提供更多的信息的解决方案，这是在某些应用中的优势。【1】
Ahmed F. Ali和Mohamed A. Tawhid提出了一种新的混合粒子群优化和遗传算法。该算法被称为混合粒子群优化算法和遗传算法。分为三种机制，第一种机制是应用粒子群优化算法的勘探和开采过程之间的平衡。第二种是降维过程和人口分割过程中，通过划分成子种群的人口和应用算术交叉算子在每个子种群，以增加在算法中的搜索的多样性。最后一种机制，以避免过早收敛，避免陷入局部极小的遗传变异算子在整个人口。数值实验结果表明，该算法是一个有前途的和有效的算法，可以获得全局最小或接近全局最小的分子能量函数的速度比其他比较算法要快。【2】
Li Yi Zhang，Teng Fei，Yun Shan Sun研究了应急物流的配送路径优化问题，提出了以时效性为首要目标的应急物流配送路径优化模型，利用模拟退火蚁群算法寻优。基于仿真，模拟退火蚁群算法具有较好的实时性，解决应急物流配送。【3】
Wei Yang，Qian Zhang，Guo Dong Li针对冷链物流的特点，探讨了冷链物流配送路径优化方法。基于农产品冷链物流配送路径优化模型，构建了求解优化问题的粒子群优化算法。最后以实例验证了该算法对农产品冷链物流配送路径优化问题的有效性。【4】
Tian Yang Su，Da Shen Xue介绍了物流业引入GIS的必要性。研究了目前的路径规划在物流配送中经常使用的一些算法（遗传算法，蚁群算法等）的优点和缺点。最后得出一个更实际的混合算法用于GIS，使管理人员可以优化物流配送路径选择。【5】
Feng Kai Xu为了实现物流配送路径的低成本低污染，在现有的遗传算法和蚁群算法具有一定的局限性特征的短缺情况下，如蚁群算法收敛速度慢，容易相处，如遗传算法过早收敛的路径优化，工艺过程复杂的特点，提出了基于改进的人工鱼群算法为解决物流配送路径优化问题。最后通过仿真实验验证了改进的人工鱼群算法的正确性和有效性。【6】
- 国内研究文献综述
罗勇，陈治亚以物流配送路径总长度为优化目标,将其转换为经典TSP优化问题进行求解并建立了数学模型。基于该数学模型,提出了改进的遗传算法,针对遗传算法的选择、交叉和变异分别提出了基于序的选择算子、基于最小代价树的交叉算子和基于随机点长度控制的变异算子。改进的遗传算法与简单遗传算法的对比仿真实验表明,所改进的遗传算法有较好的全局寻优能力,且其收敛速度快,是解决物流配送路径优化问题的有效方法。【7】
