[发明专利]一种基于可变长基因遗传算法的物资调度方法及系统

说明书

一种基于可变长基因遗传算法的物资调度方法及系统，物资调度方法包括：(a)根据物资调度参数信息建立数据模块，对数据模块中的参数信息编码；(b)生成初始种群，该种群包含若干条染色体，按任意长度逐一对每个运输工具生成其运输工具调度序列，该运输工具调度序列称为一个基因，所有运输工具的运输工具调度序列作为一条染色体，一条染色体即一个运输工具调度方案；(c)迭代选出适应度最高的染色体作为最终的运输工具调度方案，迭代的交叉操作中任意两个基因片段相互交换。调度系统包括能够无线交互的服务器和客户端，服务器包括存储物资参数信息的数据库及生成调度方案的计算机。本发明在物资调度参数信息差异较大时，不影响求解精度。

技术领域

本发明属于物资调度领域，涉及一种基于可变长基因遗传算法的物资调度方法及系统。

背景技术

物资调度问题的相关理论及应用研究是现代物流业中的一项重要内容。物资调度问题的求解需要借助各种求解算法，规划出运输工具的运输路径和物资的分配方式。遗传算法作为一种模拟自然生物进化的搜索算法，具有编码方式简单、收敛速度快以及求解精度较高等优点，广泛应用于物资调度问题的求解。

一般采用基于遗传算法的物资调度方法在进行物资调度时，遗传操作中的基因长度往往设定为固定长度或者是等长长度，这种设定基因长度的方式通常会造成基因中存在冗余的基因片段，降低求解精度，而且需要根据实际需求和供给对基因做一定的人为改造，干涉了算法自然选择的特性。因此，这种物资调度方法通常比较适用于求解下面一类物资调度问题：各个供应点与各个需求点之间的路径长度比较接近，每种运输工具的载货量、速度差异比较小，同时各个需求点的物资需求量、各个供应点的物资存储量也比较接近。

然而，在现实的物资调度问题中，各个供应点与各个需求点之间路径长度的差异往往比较大，每种运输工具的载货量、速度差异可能也比较大，同时各个需求点的物资需求量差异、各个供应点的物资存储量差异通常也比较大。因此，可能会出现有些运输工具往返于供应点和需求点的次数是另一些运输工具的数倍、甚至数十倍的情况。比如，可能存在某些需求点，其物资需求量比较大，同时其距离某个供应点的距离很近，该供应点的物资存储量也满足该需求点的物资需求量，因此在物资调度的过程中，就会出现某些运输工具频繁往返于该需求点与该供应点的情况。同时，也可能出现有些运输工具往返于供应点和需求点的次数远远少于另一些运输工具的情况。比如，可能存在某些需求点，其物资需求量很小，同时其距离所有供应点的距离都很远，因此在物资调度的过程中，就会出现某些运输工具只去往该需求点寥寥几次就完成调度的情况。

针对这类物资调度问题，如果采用基因长度设定为固定长度或者是等长长度的遗传算法进行求解，则必须对基因做大量的人为改造工作，以满足实际需求和供给，干涉了算法自然选择的特性，增加了计算量，而且使得计算结果容易出现局部最优的缺点。

发明内容

本发明的目的在于针对上述现有技术中的缺陷，提供一种基于可变长基因遗传算法的物资调度方法及系统，通过在遗传算法中引入可变长基因，能够在求得相同精度解的情况下减少计算量，缩短计算时间。

为了实现上述目的，本发明基于可变长基因遗传算法的物资调度方法包括：

(a)根据物资调度参数信息建立数据模块，参数信息包括供应点信息、需求点信息、路径信息、运输工具信息、物资信息、供应点物资信息、需求点物资信息以及调度目标信息，对数据模块中的参数信息进行编码，形如：

供应点信息：S＝{s₁,s₂,s₃,...s_M}，M为正整数；

需求点信息：D＝{d₁,d₂,d₃,...d_N}，N为正整数；