摘要：在中国物流业发展的过程中，存在着如何提高配送计划的效率问题，如降低成本、提高服务质量等。为此，一个满足实际需要的实时配送系统的开发便提到日程上来。近年来常运用的两种方法是在并列的计算机上操作的模拟处理法（Simulated Annealing，SA）和遗传运算法（Genetic Algorithm，GA），但是在实际运用中仍然得不到希望的结果和满意的解决方法，特别是在配送点超过500个的时候。本文将细胞遗传算法（GA）为基础，以2-opt法为理论，将其运用在配送车辆的行程系统中。我们首先利用50个目的地和10辆车来进行初步研究其配送系统的功效，然后在实际中利用200辆车和875个目的地进行考察，所有的评价和结果都显示出物流实践中的高效率程度。
关键词：配送计划系统 GA CPU
前言
中国进入WTO之后，国内与国际物流业迅速发展起来。在经济全球化的趋势下，中国的物流企业正在努力降低成本，提高产品供给与配送的效率，提供更优良的服务，以顺利进入国际市场。为此需要一个快速高效的配送计划及其系统，以满足社会总需求的需要。另一方面，近年来高精度的电子道路地图的出现和小型便利的电子计算机的普及，给大规模的运输与配送问题的解决提供了丰厚的条件。
运输与配送的计划方面存在着难解决的、相互制约很难的问题。传统的解决方法是运用试探法，模拟法（SA），遗传计算方法（以下记为GA法）等。但由于近年来运输与配送区域的扩大，用传统的方法来制定运输计划要花费更多的时间，已无法满足实际的需求。例如用SA来计算，在为拥有50个配送点的顾客用10辆卡车进行配送的情况下，物流现场的输配送计划负责人员为了得到满意的答案，需要18分钟。但近年来随着对象区域的扩大，配送点的数量超过10倍，变成500处用户，这样再运用以前的计划方法的话，计划立案就要花费很长的时间，这样是很难满足实际需要的。
另外，GA法可以用并列在一起的电子计算机来高速处理某些数据，以解决各方面的最适化问题。标准的GA（以下sGA），是以并列处理为前提的微网GA（简称mgGA），岛GA（简称iGA）。但是，并列的GA运用于大规模的运输计划问题时，由于并列度太大，使得并列处理效率变得低下，还有解答遗留的过剩收束问题。这两个问题以成为今后的研究课题。
本研究的目标是，即使是以大规模的供应链为对象，也能在期望时间内完成符合实际的输配送计划的系统。为了达到这一目标，将适用于配送计划工程的GA（以下记为cGA）法的效率进行改善。将2-opt法用于的个体再生成处理、避免过剩收束问题。而且开发了能解决上述问题的系统。
以下介绍本文的结构。2中叙述关于作为本次研究对象的配送计划概要和问题的提出；3中叙述先前研究的问题以及解决方法的探讨；4中对开发的系统进行说明；5中展示的是所开发系统的基本工作的实验结果、实用性的验证，根据大规模配送实际数据而得出实验结果和考察。在6中，对所开发系统的使用效果进行定量分析。最后用7来概括整篇论文。
2、配送计划问题的对象和问题的提出
2．1配送计划问题的对象
在物流实际工作中存在着各种各样的配送形态。如Fig.1图所示，从多个发货基地（以下简称仓库）中任意选出一个，然后自由地发货、配送，以这种多仓库的配送计划问题为研究对象，就可以解决现实的大规模的配送问题。
在本例中，我们配置了12个配送点和2个仓库。按照这些配送点的顾客的商品供给要求（以下称订货），在使用货车运送配送商品的工作中，既要满足各种各样的制约条件，又要确定车辆号、装货仓库、配送路线、装卸货物的顺序。