油料调拨运输的优化决策问题就是从物流系统的总目标出发，运用系统学的理论和系统工程的方法对军事油料调拨运输中的运输方式、运输路径、运输工具等进行综合分析，并考虑环境因素(如计划、运力、安全、道路、特殊要求等)，制定出可能的油料调拨运输方案，并从中选择最优，以达到提高军事油料调拨运输效率和效益的目的。从我军油料调拨运输的整体发展现状来分析，由于我军油料军代室分布全国各地，条件、环境等诸多因素都不一样，使得我军的油料调拨运输还处于服务水平较低的状态，与未来信息化战争对油料的即时、高效、机动的油料保障要求还不能完全适应，而且油料调拨运输成本高，效率低。
    遗传算法的出现为求解油料运输路径优化问题提供了新的工具，它是一种借鉴生物界自然选择和进化机制发展起来的高度并行、随机、自适应搜索方法。由于其具有健壮性，特别适合于解决复杂的非线性问题，本文针对油料运输路径优化问题的特点，构造了求解问题的遗传算法，通过实验分析，得到了较好的结果。
    1 数学描述
    油料调拨运输路径问题的描述如下：有k个部队(1，2，…，k)，第i个部队的需油量为gi(i=1，2…，k)，需要从油库A中把油料运送到第i个部队去。由油库A派出载重量为q的运油车来承运，求满足油料调拨运输的最短行程路线。
    为了安排油料运输路线，需要对使用的运油车的数量有一个估计。在本文中，可由部队自行选择参加油料运输的车辆数。cij表示点i到j的运输成本，如时间，路程，花费等等，油库A的编号为0，各部队的编号为i(i=1，2，A，k)，定义如下：

车h由i驶向j

第i部队的运输任务由车h完成

    得到的数学模型表示如下:

(1)


(2)


(3)


(4)


(5)

(6)
    上述模型中，式(2)为运油车容量约束；式(3)保证了所有部队运输任务由辆车来协调完成；式(4)和式(5)限制了到达和离开某一油库的运油车仅有1辆。
    2 遗传算法设计
    2.1 编码方法的确定
    根据油料调拨路径优化问题的特点，本文采用了简单而直观的自然数编码方法。用0表示某油库A，用1，2，A，k表示各个部队，由于有m辆运油车，因此最多存在m条路径，每条路径都始于A。采用增加m-1个虚拟中心，分别用k+1，k+2，A，k+m-1个互不重复的随机排列构成了一个个体，并对应一种运输方案。例如，用3辆运油车完成运输从油库A（由0表示）到7个部队，染色体0120630547表示路径方案为：路径1：0-1-2-0；路径2：0-6-3-0；路径3：0-5-4-7-0。
    2.2 遗传群体的初始化
    为了使算法能达到最优，遗传群体应具有一定的规模，但又为了保证计算效率，规模又不能太大。在初始化染色体时，先生成k个油库的一个全排列，再将m+1个零随机插入到排列中，并且在排列的头和尾都要插入0，这样就构成了需要的染色体。
    2.3 计算适应度函数
    对每个各个选择的运输方案，看是否满足上述的几个约束条件，若不满足，则此路径为不可行路径，最后计算其目标函数值，对于某个个体j，设其对应的油料运输路径方案的不可行路径数为Mi(Mi=0表示该个体对应的一个可行解)，其目标函数值为zi，则个体的适应度Fi，可以用下式来表示：
    Fi=i/(zi+MiG)                         (7)
    式中，G为每条不可行路径的惩罚权重，可根据取值范围取一个相对较大的正数。
    2.4 选择操作
    将每代群体中的个个体按适应度由大到小排列，排在第一位的个性最优，直接将它复制到下一代，并排在第一位，下一代的N-1个个体需要根据前代群体的N个个体的适应度，采用赌轮选择法[3]产生。具体地说，就是计算群体中所有的个体的适应度的总和，再计算每个个体的适应度所占的比例(         )，作为选择的概率，选择最优的个体生存至下一代。
    2.5 交叉操作
    对2.3所产生的新种群，按选择概率选择个体进行交叉重组，共进行n/2次。文献[4]表明交换率Pc=0.6-0.8之间时，进化性能比较好。交叉采用类似OX[5]法的交叉法，现举例说明之：(1)随机在父代个体中选择一个交配区域，如两个父代个体为A=984│567│1320