[发明专利]基于供需匹配优化模型的平台集中式供需方案优化方法

说明书

本发明公开基于供需匹配优化模型的平台集中式供需方案优化方法，其特征在于，包括以下步骤：S1、获取平台集中式运输的供需关联信息；S2、将所述供需关联信息进行染色体编码，获取初始种群；S3、构建供需匹配优化模型；S4、基于所述供需匹配优化模型对所述初始种群进行差分进化运算，获取供需匹配最优方案。本发明能够根据需求端各企业需求数量以及供给端的可供给数量，选择产业集群中的多个物流服务提供商中的一个来实现供给到需求端的运输任务，同时满足最大化的需求满足匹配以及必要的约束。

技术领域

本发明涉及运输供需匹配技术领域，特别涉及基于供需匹配优化模型的平台集中式供需方案优化方法。

背景技术

当前针对平台集中式运输的供需匹配方法中采用了差分进化算法，该算法是一种基于群体的自适应全局优化算法，有着结构简单的特点，易于实现。在求解上差分进化算法能够较快地收敛，是一种高效地全局优化算法，能够快速地实现解的优化。

但当前存在的差分进化算法，如施丽铭等人设计的改进差分进化算法，是通过在算法迭代前期采用较小变异率的全局变异策略，在迭代后期采用较大变异率的局部变异策略，来提高算法局部开采能力和加快收敛速度，这种改进方式存在一定的局限和矛盾，在迭代前期虽然采用全局变异策略，但是变异率小，种群迭代过程中解的变化小，不利于全局搜索，且解的质量非常依赖初始种群的质量；在迭代后期采用局部变异策略，能够提高收敛速度，但是较大的变异率会导致收敛性变差，算法在迭代后期解反而更分散了，再结合传统模拟退火算法，使得初始解单一，难以在搜索空间较大的情况下求得最优解，搜索效率较低，优化程度差，无法获取最优解。

发明内容

针对上述问题，本发明提出基于供需匹配优化模型的平台集中式供需方案优化方法，以解决现有技术中存在的技术问题，能够根据需求端各企业需求数量以及供给端的可供给数量，选择产业集群中的多个物流服务提供商中的一个来实现供给到需求端的运输任务，同时满足最大化的需求满足匹配以及必要的约束。

为实现上述目的，本发明提供了如下方案：本发明提供基于供需匹配优化模型的平台集中式供需方案优化方法，包括以下步骤：

S1、获取平台集中式运输的供需关联信息；

S2、将所述供需关联信息进行染色体编码，获取初始种群；

S3、构建供需匹配优化模型；

S4、基于所述供需匹配优化模型对所述初始种群进行差分进化运算，获取供需匹配最优方案。

可选地，所述供需关联信息包括可用运力、单位运输价格、需求量、供应量、需求端最高可接受价格、供应端最低可接受价格、供应端和需求端的地理位置、需求端最晚收货时间、供应端最早发货时间。

可选地，获取所述初始种群包括：对所述供需关联信息进行染色体编码，获得染色体编码集合，并基于所述染色体编码集合进行k-means运算，生成初始种群。

可选地，所述k-means运算包括：获取所述染色体编码集合中每个需求端的时间维度和地理位置并进行聚类运算，基于所述聚类运算随机选择聚类中心，根据每个所述需求端到所述聚类中心的距离，对所述需求端进行分类匹配处理，获取分类匹配排序结果，将所述分类匹配排序结果作为初始种群。

可选地，所述S4中供需匹配最优方案的获取包括以下步骤：

S4.1、将所述初始种群中的初始染色体进行变异运算，获取变异染色体；

S4.2、对所述变异染色体进行合法化操作，获取合法变异染色体；

S4.3、将所述初始染色体和所述合法变异染色体进行交叉操作，获取交叉结果，并将所述交叉结果作为新种群；

S4.4、将所述新种群和所述初始种群进行个体对比，选取并更新最优个体，获取种群最优解，即供需匹配最优方案。