[发明专利]基于差分进化算法的多目标优化家禽配送方法及系统

权利要求书

1.一种基于差分进化算法的多目标优化家禽配送方法，其特征在于，包括：

获取当天所有订单数据，所述订单数据包括家禽数量、家禽种类以及配送地点；

利用所述订单数据、改进的差分进化算法和约束条件，获取多目标优化的最优配送方案解集；

利用目标函数，获取运输成本最小的配送方案。

2.根据权利要求1所述的基于差分进化算法的多目标优化家禽配送方法，其特征在于，还包括建立所述目标函数，所述目标函数为：

其中Z为运输成本，N为订单的数量，t_ij为第i个订单的配送地点到第j个订单的配送地点的时间，x_ijk＝1则为车辆k经过第i个订单的配送地点和第j个订单的配送地点之间的路径，K为车辆总数，x_ijk＝0则为第k车辆未经过第i个订单的配送地点和第j个订单的配送地点之间的路径，v为车辆的平均行驶速度。

3.根据权利要求1所述的基于差分进化算法的多目标优化家禽配送方法，其特征在于，还包括建立所述约束条件，所述约束条件包括：

车辆最大行驶距离的约束条件，公式如下：

其中，为车辆的总行驶距离，L为车辆的最大行驶距离；

装载能力的约束条件，公式如下：

0≤q_r≤C

其中，q_i表示第r辆车的装载能力，C为车辆的最大装载能力；

每个客户至少由一辆车服务的约束条件，公式如下：

其中，为所有车辆经过第i个订单的配送地点和第j个订单的配送地点之间的路径的总次数；

车辆服务完客户后必须返回配送中心的约束条件，公式如下：

其中，为所有车辆经过配送中心的次数；

车辆从配送中心出发时车辆的装载量为所有所述订单数据的家禽数量总和的约束条件

G_0k为车辆从配送中心出发时的载重量，d_j为第j个订单的的家禽需求量。

4.根据权利要求1所述的基于差分进化算法的多目标优化家禽配送方法，其特征在于，所述利用所述订单数据、改进的差分进化算法和约束条件，获取多目标优化的最优配送方案解集，包括：

S1、根据所述订单数据中家禽总数量m和车辆的数量K随机生成编码，根据所述约束条件对所述编码进行检验，若所述编码不符合约束条件，则重新生成编码，作为初始种群；

S2、利用所述目标函数计算个体适应度值；

S3、利用多策略融合变异方法进行变异操作；

S4、利用自适应参数调整方法进行交叉操作，生成下一代群体；

S5、判断是否满足t＝T，若是，则以进化过程中所得到的具有最大适应度个体作为最优解输出，输出多目标优化的最优编码解集，并终止计算；若否，则返回重复循环执行S2-S5；

其中，所述初始种群的数量为50个，即M＝50，迭代次数为200，即T＝200；

S6、对最优编码解集进行解码，获取所述最优配送方案解集。

5.根据权利要求1所述的基于差分进化算法的多目标优化家禽配送方法，其特征在于，所述利用多策略融合变异方法进行变异操作，公式如下：

其中，是t次迭代的种群中第r1个个体，是t次迭代的种群中第r2个个体，是t次迭代的种群中第r3个个体，是t次迭代的种群中最优的个体，F(t)是变异率，t是迭代次数，T是预设的迭代次数，rand1为生成的服从均匀分布的随机数，