[发明专利]一种集中化资源集群下的多承运商最优化供需匹配方法

说明书

本发明公开了一种集中化资源集群下的多承运商最优化供需匹配方法，包括以下步骤：S1、获取集中化资源集群下的承运商信息和供需关联信息，构建供需交易匹配模型；S2、对所述供需关联信息进行染色体编码和适应度计算，生成运输方案的初始种群；S3、对所述初始种群进行选择、交叉和变异,获取供需交易匹配最优方案。本发明针对三大约束和不同优先级的需求，在生成初始种群的过程中，采用六种考虑的先后顺序来生成初始种群。对于每一个先后顺序的分支，依次考虑各个约束的排列方式来生成初始种群，得到了高质量的初始种群。不同分支组成的种群提高了种群的多样性，有利于算法全局搜索能力的提升，进而得到最优服务组合。

技术领域

本发明涉及多承运商和时间约束的集中化资源集群背景下的模 型建立和算法求解技术领域，特别是涉及一种集中化资源集群下的多 承运商最优化供需匹配方法。

背景技术

根据国家统计局数据，截止2018年年末，我国中小微企业占全 部企业数量的99.8％，贡献了60％的GDP和超过50％的税收。中国 在每一个产业链的节点上都拥有无数的中小微企业，各行业中的中小 企业可以便捷高效进行生产资源共享及生产能力重组。这一特点直接 造就了国内明显的产业集聚效应，尤其是在面临严峻的市场竞争、剧 烈的市场需求波动时，集中化资源集群凸显规模优势，通过联盟中心 的集中决策、动态调配、统一协调，帮助中小企业应对复杂多变的市 场需求，提高上下游的交易效率。

目前针对企业集群与企业集群之间的联合交易，现有技术是将多 个供应链构成的集群供应链中相同的纵向环节中的不同企业看作该 环节中可选择的服务，而在每个环节中与一个或多个企业进行合作视 作该环节的服务组合(如图1所示)，并构建包含成本、价格、反应 时间等的服务质量属性聚合评价模型对某个可能的服务组合进行综 合评价，最后使用智能优化算法C-SCO(如图2所示)对供应链中 每个环节的服务组合进行寻优以获取最优组合。

但在实际操作过程中，供应链上下游交易对于时间具有较高的敏 感性，而现有技术的QoS属性聚合公式中的反应时间仅仅是直接求 和加入模型，并没有在时间维度上进行切片、约束、聚类等细致操作， 得到的最优服务组合不够精确。另一方面，现有技术多面向供应链交 易环节，其反应时间是整体产品生产时间，往往忽视了运输与交货部 分的时间。而交易和运输作为供应链的两大关键环节，二者密不可分， 运输与交货的时间往往更长，对反应时间的敏感度更高。

发明内容

为了解决上述技术问题，本发明提供一种集中化资源集群下的多 承运商最优化供需匹配方法，能够得到高质量的初始种群，提高种群 的多样性，有利于算法全局搜索能力的提升，进而得到最优服务组合。

为实现上述目的，本发明提出一种集中化资源集群下的多承运商 最优化供需匹配方法，包括以下步骤：

S1、获取集中化资源集群下的承运商信息和供需关联信息，构建 供需交易匹配模型；

S2、对所述供需关联信息进行染色体编码和适应度计算，生成运 输方案的初始种群；

S3、对所述初始种群进行选择、交叉和变异,获取供需交易匹配 最优方案。

优选的，所述承运商信息包括：可用运力和单位运输价格；所述 供需关联信息包括：需求量、供应量、需求端最高可接受价格、供给 端最低可接受价格、供给端和需求端的地理位置、需求端最晚收货时 间、供给端最早发货时间。

优选的，所述供需交易匹配模型的构建方法包括：

基于货运量及所述需求量，计算供需匹配率；

基于货运量和供给端及需求端的地理位置，计算运输成本；

基于供需匹配率及运输成本，构建目标函数，其中所述目标函数 为供需匹配率及运输成本的最大比值；

基于承运商信息和供需关联信息，构建约束条件；