□ 祁 爽，肖云梅，李玉英

(1.湖南软件职业学院,湖南 长沙 410000；2.停弦中学,湖南 常德 415212)

我国的物流发展相比较国外的物流发展起步较晚，一直到20世纪90年代后期才进入了高速发展期，在我国社会经济体系不断完善和发展的趋势下，科学技术、外贸组织、电子信息商务等行业和技术也在不断的发展，并掀起了一波又一波的浪潮。由于我国的人口数量庞大，整体的货物运输量在迅速增加，使得物流基础设施的规模也在不断的扩大，物流要满足大多数人群的需求就需要对自身的技术和设备水平进行一定的创新和提高，而且相关的政府部门对物流也加大了重视程度，使得国内的物流紧跟现代化发展的脚步。

1 针对遗传算法的基本原理进行分析

1.1 遗传算法的基本定义

遗传算法是模拟生物进化过程的计算方法，是自然遗传学与计算机科学相互结合、相互渗透而形成的新的计算方法。遗传是一种生物从其亲代继承特性和形状的现象。继承的信息由基因携带，多个基因组成染色体，基因在染色体中的位置为基因座。同一基因座的全部基因为等位基因，等位基因和基因座决定了染色体的特征，也决定了生物个体的特性。从染色体的表现形式看，有两种相应的表示模式，分别为基因型和表现型。表现型是指生物个体表现出来的形状，而基因型则是指由表现密切相关的基因组成。同一基因型的生物个体在不同的环境条件下有不同的表现型。因此，表现型是基因型与环境相互作用的结果。

在遗传算法中染色体对应的是一系列符号序列，在标准的遗传算法(即基本遗传算法)中，通常用0,1组成的数字表示，数字各个位置对应基因座，各位置上的取值对应等位基因。遗传算法对染色体进行处理，染色体称为基因个体。一定数量的基因个体组成基因种群。种群中个体的数目为种群的规模，个体对环境的适应程度称为适应度。

1.2 遗传算法的应用

遗传算法是由生物界的进化规律演变而来的随机化搜索方法。是由国外的著名教授在20世纪90年代末所提出的，其基本的特点就是可以直接对结构对象进行一系列专业的操作，并且不存在求导和函数的连续性的限制。有着一定的全局寻优能力，采用着概率化的寻优方法[1]。使其能够自动的获得所需要的指导优化的搜索空间以及自适应地调整搜索方向。遗传算法的这些性质和特点，已经被各国的相关研究人员进行分析和探讨后进行了广泛的应用，并且在组合优化、学习、信号接收和处理、人工智能、人工生命以及自适应控制等领域取得了较大的成就。而且遗传算法还是智能计算中的核心技术。

1.3 遗传算法的特征和特点

遗传算法可以帮助解决搜索问题，是一种较为通用的一种算法，在对于搜索方面的通用问题都可以解决，并且遗传算法还具备着几个特征和特点，特征为：要先组成一组候选解，然后根据某些的适应性条件进行预算和测试这些候选解的适应度，还需要根据适应度进行保留某些候选解，放弃其他候选解，对保留的候选解进行某些操作生成新的候选解。在遗传算法中将上面的几种特征用特殊的方式进行组合，使得染色体群的搜索带着一定的猜测及突变。

遗传算法的特点为：可以从问题的数集开始进行搜索，不只是由单个解开始。这些遗传算法和传统的算法相比有着很大的区别。传统的优化算法是从单个解的初始值进行最优质的求解，但是却容易进入局部的误区。遗传算法从数集开始搜索可以保证搜索面广，并且利于全局的择优。遗传算法同时处理群体中的多个个体，即对搜索空间中的多个解进行评估，减少了陷入局部最优解的风险，同时算法本身易于实现并行化。遗传算法基本上不用搜索空间的知识或其它辅助信息，而是仅用适应度函数值来评估个体，并在此基础上进行遗传操作。适应度函数不仅不受连续性可微性的约束，而且其定义域可以任意设定。这一特点使得遗传算法的应用范围大大扩大[2]。

2 针对物流车辆派送管理的现状进行分析

随着我国社会经济体系的不断改革和完善，企业如要加强自身对市场的竞争力就需要不断的生产并且进行产品销售。在生产和销售的过程中需要满足人们对产品质量、产品数量以及产品安全的需求。但是现代企业因为物流车辆配送的成本消耗越来越大，使得自身企业在商场上获得收益越来越小，导致产品的质量以及安全得不到保证。由于车辆在派送的过程中配送往返的次数较多，而且还会产生配送车辆空载的现象，使得无意义的消耗加大了企业的运营成本。车辆运送人员的整体素质高低不一，企业在进行招聘的过程中对人员的审核不严格，使得人员的交通法规、安全常识、机械常识以及合理的派送路线都没有准确的认知和了解。企业要获得收益必须加大产量，如果企业对车辆的需求大，车辆的数量较多的话，就会使得企业在对各个城市进行派送的过程中产生较多的油费、过路费，以及定期对车辆的维护费用，若企业人员对整体的技能和素质不高的话，就会会导致油费的增加和汽车的维修检修费用的提升，导致企业不必要的资金消耗。如果使用遗传算法对企业的物流车辆进行配送和管理，遗传算法的优化技术就会对车辆的整体路线和运行路程进行规划，并根据遗传算法合理的安排车辆的派送可以有效减少配送次数，并且还能减少配送车辆出现空载的现象，能够有效提升配送的运输效率，使得企业在物流车辆派送环节的消耗成本大幅度减少，而且还能加强企业在市场的竞争力，使得企业在市场中的利润和收益持续性的提升。

3 针对基于遗传算法应用到物流车辆派送管理进行分析

在物流行业各个环节中，消耗企业资金较多的是运输环节，因为运输配送是物流整体系统的主要程序，并且运输和配送还是物流行业中的核心部分。配送的时间和配送的服务水平可以严重影响物流行业的整体收益以及成本消耗。物流的车辆派送作为物流行业的核心部分，在配送中的物流车辆如果出现问题就会使得企业和行业出现利润降低，成本加大的情况，对此，很多企业和物流行业人员对其进行了探讨与研究，合理安排车辆的派送可以有效减少配送次数，并且还能降低配送车辆出现空载的现象，能够有效提升配送的运输效率，使得成本能够大幅度的降低。

企业的车辆在派送中出现的问题，会直接影响到整体的服务水平并且还会提高企业的派送成本，使得企业的利益和收益大幅度减少，如要提升企业在市场所获得的利益和收益，就必须解决这方面出现的问题。使用遗传算法对物流车辆进行管理，可以帮助物流车辆进行相关的分析，并且根据车辆的相关数据和运行路线的分析制定方案，使企业的派送成本大幅度降低。在派送车辆时要根据服务的对象和规定的行驶路线制定相关的方案，使得派送的时间和货物的质量能够满足客户的标准。并且使用遗传算法对整体的派送费用，如车辆费用、驾驶员补助、等待费用以及延迟费用等进行严格标准的统计，并且制定相关的政策，使得车辆的折旧费和维修费能够有效降低。然后，对派送人员进行标准系统化的培训，以此提升派送人员整体的综合素质，使得派送人员的综合素质能够满足派送和客户的要求。企业还要应用遗传算法对派送路线的各个车辆进行工作时间计算，若工作时间超过8小时，按规定发放一定的加班补助，如此，可以有效的提升企业在市场的收益和保证客户的需求。

4 总结

综上所述，物流车辆派送管理占据着物流行业的主要消耗成本源，因为物流的多车辆在各个城市运输时会出现很多空载车的情况，而且多车辆在运输的途中出现运输路线不正确的现象，使得物流行业的消耗成本逐渐加大。因此，需要使用遗传算法的优化技术对物流整体的车辆管理环节进行管理并制定合理的方案，优化技术，使物流车辆的运输路线正确，以最短时间、最优化的计算和规划，使物流行业的车辆管理成本能够得到大幅度的降低，保证物流行业的整体效益，有效促进物流行业健康持续的发展。