[发明专利]一种基于粒子群算法的货物采购及拼船/车运输方法

说明书

本发明涉及一种基于粒子群算法的货物采购及拼船/车运输方法，包括如下步骤：S1：获取货物采购及运输需求相关数据；S2：设定粒子群中个体的货物采购及运输的染色体编码方案，设定染色体基因信息；S3：配置粒子群算法参数；S4：随机生成初始粒子群，包括位置群与速度群；S5：解读粒子群中所有个体的染色体基因信息，生成采购‑拼船/车运输配送方案，并计算粒子群中个体的适应值；S6：记录个体历史最优方案与群体历史最优方案，更新群中各粒子个体的速度与位置；S7：判断是否满足终止条件，如果不满足则返回S5，如此循环直至满足终止条件，如果满足则优化结束输出最优方案。

技术领域

本发明涉及优化与智能计算技术领域，具体涉及一种基于粒子群算法的货物采购及拼船/车运输方法。

背景技术

对于集团化经营的公司，各分公司的资源采购需求往往较为分散，各自进行资源采购并运输需要花费较高的物流成本。将各分公司的采购需求汇总，并由总部通过优化方法制定联盟采购和拼装运输计划往往可获得较高的经济效益。

大型船舶(车辆)的单位货物运输成本一般远低于小型船舶。对于供应地相近，需求地相近，而中途运输距离较长的多批次零散货物而言，将不同批次的零散货物拼装成大船(车)进行运输和配送可以有效提高经济效益。

拼船运输一般由货物收集、长途运输与货物分送三个过程组成。具体是指：大型船泊/车辆依次经过不同的产地并将各产地的零散货物收集起来，经长途运输抵达销售地区后再依次经过不同的销地并在销地卸载相应批次的零散货物。

优化采购及拼船/车运输的目的是在相关条件的限制下寻找最优采购及运输方案，使所有参与运输计划的船舶的总运费最低。总运费包含航行费用、装港滞期费、卸港滞期费和靠港费用。

优化采购及拼船运输优化的限制条件包括以下几类：(1)供需平衡限制，对于任意批次的货物需求，其实际供货量与预定供货量之间的误差应控制在±5％以内；(2)单船额定载重限制，每船的货物运载量都要小于等于该船的额定载重；(3)装货日期限制，对于无装期限定的货物，船舶可以自选装期抵达装港，对于有装期限定的货物，船舶必须在规定的装期之前抵达；(4)到货日期限制，船舶必须在自身装载各批次货物规定的卸期之内抵达并装载货物；(5)定向运输限制，某些批次的货物可以和其他批次的货物拼船运输，但最后必须卸载到指定港口。(6)港口水深限制，所选型号的船舶装满货物后的吃水深度必须小于港口水深限定。(7)单向运输限制，某些国家环保法律禁止已装载部分高硫油品的船舶进港拼装。

拼船运输优化属于NP难问题(Non-deterministic Polynomial的问题，多项式复杂程度的非确定性问题)，本发明采用粒子群算法予以求解。

发明内容

要解决的技术问题如何提高货物采购及拼船/车运输方案的寻优效率。

针对现有技术中的缺陷，本发明提供了一种基于粒子群算法的货物采购及拼船/车运输方法，包括如下步骤：

S1：获取货物采购及运输需求相关数据；

S2：设定粒子群中个体的货物采购及运输的染色体编码方案，设定染色体基因信息；

S3：配置粒子群算法参数；

S4：随机生成初始粒子群，包括位置群与速度群；

S5：解读粒子群中所有个体的染色体基因信息，生成采购-拼船/车运输配送方案，并计算粒子群中个体的适应值；

S6：记录个体历史最优方案与群体历史最优方案，更新群中各粒子个体的速度与位置；

S7：判断是否满足终止条件，如果不满足则返回S5，如此循环直至满足终止条件，如果满足则优化结束输出最优方案。

可选地，所述设定粒子群中任一个体的货物采购及运输的染色体编码方案的步骤具体包括：