[发明专利]一种带时变需求的关联物流运输优化调度方法

摘要

本发明涉及一种基于蜂群算法的时变需求关联物流运输优化调度方法，该方法的具体实现步骤为：1.配送中心获取客户的已知需求信息；2.构造初始解；3.基于禁忌表思想的人工蜂群算法对初始解寻优；4.获得一条经过所有完备无向图G的顶点的预回路；5.配送中心采集时变信息，获取时变客户的需求信息；6.按照一定的规则对预回路进行调整并满足约束条件。7.结束。获得时变需求关联运输调度的最终调度方案。

主权项

一种带时变需求的关联物流运输优化调度方法，其特征在于包括以下步骤：步骤1时变调度环境中，建立单回路策略下的时变需求关联物流运输调度问题的数学模型；步骤2基于禁忌表思想的人工蜂群算法对初始解寻优，获得一条经过所有完备无向图G的顶点的预回路，具体步骤如下：(1)算法初始化；设置种群规模SN，全局最大循环次数M，最大局部循环次数limit，令全局循环次数cycle＝1；(2)构造初始解；用如下方法构造预行驶路线：起始于配送中心，在未访问的客户中选择关联系数较大的作为后继，然后依次选择较小的，以此遍历所有客户点，最后返回配送中心；这样就构成了一条可行的TSP预回路；如此反复，直到得到N_S条TSP路径，从中选择较短的N条路径作为预回路的初始解；(3)计算N个初始解的适应度值；把预回路的初始解带入期望成本函数，计算期望路径成本，再根据适应度函数公式求得初始解的适应度值；(4)令局部循环次数l＝1；引领蜂根据对初始解邻域进行搜索产生新解v_ij，计算其适应度值；其中j∈{1,2,…d}为D维解向量的某个分量；采用贪婪原则依据适应度值对x_ij和v_ij做出选择，并令所选的解为x_ij，检查禁忌表中是否有该解，如果有则转步骤(6)；(5)计算所有x_ij的适应度值，并根据公式计算与x_ij相关的概率值p_i；其中，fit_i是食物源i所代表的解的适应度函数，SN是食物源的总数，与引领蜂的数量相等；跟随蜂根据p_i选择引领蜂跟随，并根据采用贪婪原则依据适应度值对x_ij和v_ij做出选择；(6)l＝l+1；判断是否达到局部最大循环次数limit；如果l<limit，则转Step7，否则将该路径放入禁忌表中，则引领蜂转变为侦查蜂，并根据公式随机产生一个新解来替换它；(7)记录目前为止最好的解；cycle＝cycle+1；判断是否达到全局最大循环次数M，如果cycle≥M，则输出最优结果，否则返回步骤(4)；步骤3通过蜂群算法得到预回路之后，随着客户需求状态的明朗，按照一定的规则对预回路进行调整以满足约束条件。调整步骤如下：(1)车辆满载货物从配送中心出发，按照预回路行驶；(2)当将要访问的客户的需求量为零时，直接跳过该客户点，否则继续访问；(3)当车辆所服务的客户的需求量恰好为剩余载货量时，则在满足该客户需求后，返回配送中心。并派另一辆装满货物的车辆，继续服务预回路上的下一个客户；转步骤(1)。(4)如果车辆到达某个客户时，如果车辆的剩余载货量不能满足其要求时，车辆不为该客户服务，返回配送中心，并派另一辆装满货物的车辆直接到达该客户继续服务；此时，转步骤(2)。