[发明专利]基于改进二次粒子群算法的汽车零配件配载优化方法

说明书

技术领域

本发明属于物流行业的货物配载领域，特别涉及一种基于改进二次粒子群算法的汽车零配件配载优化方法。

背景技术

汽车零配件物流是指以最小的总费用，按用户的需求，将汽车零配件从供给地向需求地转移的过程，主要包括储存、配载、配送、流通加工、信息处理等活动。随着汽车零配件物流系统的集约化、一体化的发展，汽车零配件配送过程中的配载环节成为制约汽车零配件物流系统的主要环节之一，其问题主要在于日常业务中配载方案的决策多数仍依靠操作人员长期积累的经验，缺乏科学的方法指导，造成了实际操作中出现零配件整箱丢失或送错目的地等事故频发，配载结果差错率高，工作量繁重，运输工具运力浪费，运输成本较高，客户投诉率上升。

汽车零配件配载优化问题就是在现有的多约束条件下，将待运零配件配载给运输车辆，使总费用最少。该问题是典型的多约束组合优化问题，属于NP-hard问题。新发展起来的粒子群算法(Particle Swarm Optimization，PSO)为解决该问题提供了新思路。与进化算法相比，PSO具有结构简单、容易实现、快速聚合和鲁棒性强等优势。在各类多维连续空间优化问题、神经网络训练等领域中均取得了很好效果。由于粒子位置和速度不易表达，在组合优化领域多应用于基本问题。但是PSO根据全体粒子和自身粒子的搜索经验向着最优解的方向发展，在进化后期收敛速度变慢，同时，算法收敛精度不高，尤其是对于高维多极值的复杂优化问题。于是，有学者针对PSO的上述缺点提出了二次粒子群算法(Quadratic Panicle Swarm Optimization，QPSO)，QPSO算法是在标准粒子群算法的基础上提出来的，该算法在粒子位置变化公式中引入平方项，在一定条件下可以使收敛速度加快，提高种群多样性，增强全局寻优能力，但在搜索的不同阶段，在某些条件下，种群多样性会降低，收敛速度变慢。

发明内容

为了解决现有汽车零配件配载存在的上述技术问题，本发明提供一种基于改进二次粒子群算法的汽车零配件配载优化方法。

本发明解决上述技术问题的技术方案包括以下步骤：

根据汽车零配件配载相关参数建立构建汽车零配件配载优化数学模型：

s.t.x_ij＝(0，1)i＝1，2，...，I；j＝1，2，...J    (1)

Σl=1:LUij=Σi=1Ixij]]>j＝1，2，...，J；l＝1，2，...L                       (2)

Σj=1J(Vjxij)≤Vi]]>i＝1，2，...，I；j＝1，2，...J                       (3)