[发明专利]基于协同多目标算法的多级低碳物流配送网络规划方法

权利要求书

1.基于协同多目标算法的多级低碳物流配送网络规划方法，其特征在于包括以下步骤：

S10：建立符合物流运营实际并且考虑碳排放约束的多层级物流配送网络优化模型：

s.t.

Z_ij≤P_iY_j (3)

X_jl≤Y_j (12)

Z_ij≥0 (13)

U_jle∈Z⁺ (14)

上式中M:集散基地的数量；

N：备选配送中心的数量；

K：客户需求节点的数量：

V：配送中车辆的数量；

I表示M个集散基地的下标号集合，|I|＝M；

J表示N个备选配送中心的下标号集合，|J|＝N

L表示个K个客户需求节点的下标号集合，|L|＝K；

E表示V个车辆的下标号集合，|E|＝V；

i表示第i个集散基地，i∈I；

j表示第j个配送中心，j∈J；

l表示第l个客户需求节点，l∈L；

e表示第e个车辆，e∈E；

P_i是第i个集散基地可供应的货物总量，单位吨；

C_j是第j个备选配送中心的货物处理能力，单位吨；

D_l是第l个客户需求节点的需求量，单位吨；

d_ij表示第i个集散基地到第j个备选配送中心的距离，单位公里；

d_jl表示第j个备选中心到第l个客户需求节点的距离，单位公里；

F_j是第j个备选配送中心的租金，包括配送中心内部栋选、组配、再加工及装卸变动费用，单位元；

T_i是第i个集散基地到备选配送中心的单位运输费用，元/吨.公里；

T_je是第j个备选配送中心到客户需求节点的单位距离车辆e的运输费用，元/吨.公里；

u_e为车辆e的容量；

Q_je为配送中心j可用的车辆e的最大数量；

t_i表示第i个集散基地向备选配送中心的运输环节单位碳排放，kgCO_2eq/吨.公里；

t_je表示第j个备选配送中心向客户需求节点的运输环节车辆e的单位碳排化，kgCO_2eq/吨.公里，

本模型的决策变量包括：

U_jle为配送中心j指派到客户需求节点l的车辆e的数量；

Z_ij表示第i个集散基地向第j个备选配送中心的发运量；

另外假设1：每个需求节点由不止一个的配送中心来提供服务；

假设2：集散基地的位置和可供应能力己知，每个客户需求节点的需求独立且己知；

假设3：配送中心到需求节点只考虑使用能源相同、运输方式相同；

假设4：每个配送中心能够提供的车辆的种类和数量都是有限的，不同类型车辆的运输成本和碳排放均不同；由于集散基地位于郊区，因此假设模型中集散基地提供的到配送中心的运输车辆是容量最大的同一种车辆且可以满足配送中心的需求；

S20：针对S10建立的优化模型设计多目标优化算法。

2.根据权利要求1所述的基于协同多目标算法的多级低碳物流配送网络规划方法，其特征在于：步骤S20中的多目标优化算法包括2个阶段，第1阶段根据已知信息制定初始优化阶段的决策计划，确定备用的配送中心是否被选中；第2阶段根据动态信息的产生进行实时阶段的优化。

3.根据权利要求2所述的基于协同多目标算法的多级低碳物流配送网络规划方法，其特征在于：根据动态信息的产生进行实时优化阶段采用的是ECMPOS算法模型，所述ECMPOS算法模型包括以下步骤：

Step1：初始化种群，根据种群个体的维数、搜索点以及速率约束，随机初始化种群个体，这些个体必须是可行的候选解，满足操作约束，根据多目标问题的目标个数，将种群划分成多个子种群，并将每个目标的D维搜索空间自适应划分成多个网格，为每个个体分配pbest(x)、Achive(x)以及Nbest(x)，设置最大迭代次数以及最低贡献要求次数；

Step2：迭代更新，对于每个种群的每个粒子进行如下操作：判断粒子对应的状态观测器值是否大于最低贡献要求次数，若是，则重新为粒子分配pbest(x)、Achive(x)以及Nbest(x)；

Step3：更新粒子的速度和位置；

Step4：对速度、位置越界粒子进行处理；

Step5：判断粒子对外部存档是否做贡献，若没有，状态观测器累加1；

Step6：对外部存档执行精英学习策略并更新外部存档；

Step7：使用拥挤距离更新外部存档；

Step8：迭代计数器累增1，判断是否满足算法终止条件，若满足，则执行Step9；否则，转Step2；

Step9：输出帕累托最优前沿面，算法结束。