[发明专利]基于改进二次粒子群算法的汽车零配件配载优化方法

摘要

本发明公开了一种基于改进二次粒子群算法的汽车零配件配载优化方法。它综合考虑汽车零配件物流运输配载过程中成本、资源及服务质量等决策要素，建立了汽车零配件物流运输配载优化模型。引入二次粒子群算法对该问题进行求解，并针对二次粒子群优化算法在搜索早期粒子多样性降低的缺点，采用改进二次粒子群优化算法，采用遗传算法的变异思想和互换更新机制来增加种群的多样性，以避免早熟收敛，改进了优化求解效果。仿真实例表明该算法求解过程中的粒子多样性和算法求解效率较改进前有显著提升，且有更高概率搜索到全局最优，为企业汽车零配件及物流行业相关货物的配载方案的优化改进提供了方法支撑。

主权项

1.一种基于改进二次粒子群算法的汽车零配件配载优化方法，包括以下步骤：根据汽车零配件配载相关参数建立构建汽车零配件配载优化数学模型如下：s.t.x_ij＝(0，1)i＝1，2，...，I；j＝1，2，...J    (1)Σl=1LUlj=Σi=1Ixij]]>j＝1，2，...，J；l＝1，2，...L    (2)Σj=1J(Vjxij)≤Vi]]>i＝1，2，...，I；j＝1，2，...J    (3)Σj=1J(Qjxij)≤Qi]]>i＝1，2，...，I；j＝1，2，...J    (4)Σi=1Ixij≤1]]>j＝1，2，...J    (5)上式中各参数的意义：J为零配件类型；Q_j为第j箱零配件的重量(j＝1，2，...，J)；j为零配件箱体编号；V_j为零配件箱体j的体积(j＝1，2，...，J)；I为物流中心现有的配送车辆数目；Q_i为配送车辆i的载重量(i＝1，2，...，I)；i为配送车辆序号；V_i为配送车辆i的可承载空间(i＝1，2，...，I)；l为零配件需达到的目的地序号；k_lr为0-1变量，1表示客户点r未处于物流中心规定的目的地L覆盖范围内；R为各目的地拥有的客户数目；r为客户序号；d_r为物流中心到客户点r的运输距离(公里)；L为物流中心所对应目的地数量(该目的地所覆盖范围由物流中心自定)；U_lj为每个目的地的某型号零配件总需求量(箱)(l＝1，2，...，L)；C_i为配送车i的单位运输成本(元/公里)；ρ为未处于目的地规定范围内服务惩罚单位成本；t_lr为0-1变量，1表示未在规定时间窗内到达目的地L内的客户区点r；δ为未在规定期限内到达客户点的服务惩罚单位成本；为物流中心到目的地l的关于运输的凹费用率函数；汽车零配件配载优化数学模型的优化求解步骤如下：a)使用基于实数的粒子位置矢量编码设计方法编码粒子位置矢量；b)种群初始化，设置最大迭代次数Tmax，粒子群规模PS，加速因子c₁、c₂，惯性因子w，粒子最大、最小位置值和粒子最大、最小速度值，初始化粒子群步骤如下：b1.随机产生n维粒子位置矢量x_i＝(x_i1，...x_ij，...，x_in)，(i＝1，2，...，m；j＝1，2，...，n)，其中x_i1，...x_ij，...，x_in为1-n的一个序列，n为粒子位置矢量维度，m为粒子群总数；b2.初始化种群中每个粒子的速度矢量，记v_i＝(v_i1，...v_ij，...，v_in)，(i＝1，2，...，m；j＝1，2，...，n)；b3.令x_i^xbest＝x_i(i＝1，2，...，m)，用适应性罚函数法对汽车零配件物流运输配载模型进行约束处理，设计适应度函数如式(6)：Fitness(x)=z(x)+λ(t)×{Σi=13max[0,gi(x)]2+h1(x)}---(6)]]>其中j＝1，2，...，J；l＝1，2，...L，是零配件需求平衡约束的违反量函数；i＝1，2，...，I；j＝1，2，...J，是装载体积约束的违反量函数；i＝1，2，...，I；j＝1，2，...J，是装载重量约束的违反量函数；j＝1，2，...，J，是装载数量约束的违反量函数；式(6)中，λ(t)为罚因子，在每一代按如下方式更新：其中，β₁＞β₂＞1，情况(1)表示在过去t代中找到的最好个体位置矢量均为可行解，情况(2)表示在过去t代中找到的最好个体位置矢量均为不可行解。c)重复执行以下步骤，直到满足终止条件或达到最大迭代次数；for t＝1：Tmaxfor i＝1：nc1.根据公式(7)、(8)更新每个粒子的x_ij及v_ij(i＝1，2，...，m；j＝1，2，...，n)；v_i(t+1)＝wv_i(t)+c₁×r₁×sign(x_i^xbest-x_i(t))×(x_i^xbest-x_i(t))²     (7)+c₂×r₂×sign(x_g^gbest-x_i(t))×(x_g^gbest-x_i(t))²x_i(t+1)＝x_i(t)+v_i(t+1)                            (8)其中，c₁，c₂为加速因子，是正常数；r₁和r₂均为[0，1]之间的随机数；w为惯性因子，迭代中粒子位置x_ij和速度v_ij超过边界则取边界值；c2.根据ROV规则对粒子位置矢量x_i进行单精度处理；c3.采用变异和互换机制，根据式(6)计算所有粒子的x_i及x_i^xbest的适应度数值，评价所有粒子历史最优位置矢量x_i^xbest的适应值；c4.确定每个粒子的个体历史最优位置矢量x_i^xbest；c5.确定全局最优位置矢量x_g^gbest；c6.采用变异机制对x_g^gbest中的n个维度进行依次更新，记录最优位置矢量x_g^gbest；c7.输出全局最优位置矢量x_g^gbest作为优化后的配载方案。