[发明专利]一种基于蚁群算法的生产配送调度方法

权利要求书

1.一种基于蚁群优化的生产配送调度方法，其特征是按如下步骤进行：

步骤1、假设存在n个批需要进行生产和配送，生产各个批的设备容积记为B；配送各个批的车辆容积记为V；由所述n个批构成一个批集合，记为U＝{b₁,b₂,…,b_k,…,b_n}，b_k表示第k个批；且将第k个批b_k的尺寸记为S_k；将第k个批b_k的生产时间记为T_k；将加入同一辆车中进行配送的所有批记为一个组；1≤k≤n；

步骤2、将所述批集合U中的尺寸相同的批分为一类，从而获得a个分类；记为W＝{w₁,w₂,…,w_z,…,w_a}，w_z表示第z个分类；所述第z个分类w_z中的批总数记为f_z；

步骤3、初始化蚁群算法的各个参数，包括：m表示第m只蚂蚁，并初始化m＝1；M表示蚂蚁总数、L表示迭代次数，并初始化L＝1；L_max表示最大迭代次数；

步骤4、定义变量为l，并初始化l＝1；定义第k个批b_k的标识符为flag_k，并初始化flag_k＝0；

步骤5、创建第L次迭代的第m只蚂蚁的第l个组和与其对应的第l个候选表并使得第L次迭代的第m只蚂蚁能将所述n个批分配到不同个组中进行配送；并第L次迭代的第m只蚂蚁对所有批次完成分组所使用的车辆总数

步骤6、将m+1赋值给m，并返回步骤5执行，直到m＝M为止，从而获得第L次迭代的所有M只蚂蚁对所有批次完成分组所使用的车辆总数集合

步骤7、从所述车辆总数集合中选取最小值作为第L次迭代的局部最优解，记为π_L；

步骤8、利用式(1)更新第L次迭代的第i个候选批b_i′和第j个已加入到第l个组中的候选批b_j′之间的信息素τ_ij(L)，从而获得第L+1次迭代的信息素τ_ij(L+1)：

${\mathrm{\τ}}_{ij}(L+1)=(1-\mathrm{\ρ}){\mathrm{\τ}}_{ij}\left(L\right)+m_{ij}\left(L\right)\▿{\mathrm{\τ}}_{ij}---\left(1\right)$

式(1)中，ρ表示信息素的蒸发速率；m_ij(L)表示第L次迭代中第i个候选批b_i′和第j个已加入到第l个组中的候选批b_j′被分到同一组的次数；并有：

步骤9、利用式(3)和式(4)判断τ_ij(L+1)是否满足信息素浓度限定区间[τ_min,τ_max]，若满足，则保留第L+1次迭代的信息素τ_ij(L+1)，并执行步骤11；否则，执行步骤10：

${\mathrm{\τ}}_{max}\≤\frac{1}{(1-\mathrm{\ρ})f\left({\mathrm{\π}}^{*}\right)}---\left(3\right)$

${\mathrm{\τ}}_{\min }=\frac{{\mathrm{\τ}}_{max}(1-\sqrt[a]{0.05})}{(a/2-1)\sqrt[a]{0.05}}---\left(4\right)$

式(3)和式(4)中，π^*表示当前已获得的所有局部最优解中的最小值；

步骤10、若τ_ij(L+1)≥τ_max，则将τ_max赋值给τ_ij(L+1)；若τ_ij(L+1)≤τ_min，则将τ_min赋值给τ_ij(L+1)；

步骤11；将L+1赋值给L，判断L＜L_max是否成立，若成立，返回步骤4执行，否则完成L_max次迭代，并获得全局最优解π_best，即为L_max次迭代中的所有局部最优解的最小值；以全局最优解π_best所对应的配送方案作为最优配送方案；

步骤12、将最优配送方案中每一组中的批按照生产时间进行降序排序，获得的排序结果作为批生产的次序，从而获得最优生产和配送联合调度方案。

2.根据权利要求1所述的基于蚁群优化的生产配送调度方法，其特征是，所述步骤5中，第L次迭代的第m只蚂蚁是按如下步骤将所述n个批分配到不同组中进行配送：

步骤5.1、定义变量f；

步骤5.2、初始化z＝1；

步骤5.3、初始化f＝1；

步骤5.4、判断所述第z个分类w_z中选出第f个批的标识符flag_f是否为1；若为1，则表示第f个批已经完成分组，并执行步骤5.5；否则，将第z个分类w_z中选出第f个批加入到所述第l个候选表中，并执行步骤5.6；

步骤5.5、将f+1赋值给f，并返回步骤5.4执行，直到f＝f_z为止后，执行步骤5.6；

步骤5.6、将z+1赋值给z，并返回步骤5.3执行；直到z＝a为止后，从而获得待更新的第l个候选表记所述待更新的第l个候选表中的候选批为{b₁,b₂,…,b_i,…,b_a}；1≤i≤a；

步骤5.7、从所述待更新的候选表中选择尺寸最大的批b_key′作为关键批加入到所述第l个组并将关键批b_key′的标识符flag′_key置为1；然后从候选表中删除关键批b_key′；

步骤5.8、利用式(5)获得第m只蚂蚁将所述待更新的第l个候选表中第i个候选批b_i′加入到第l个组的候选概率从而获得第m只蚂蚁将所有候选批加入到第l个组的候选概率集合

$P_{il}^m=\left\{\begin{array}{cc}\frac{{\mathrm{\θ}}_{il}^{\mathrm{\α}}{\mathrm{\η}}_{il}^{\mathrm{\β}}}{{\mathrm{\Σ}}_{b_{i^{\′}}\∈X_l^{\′\left(L\right)\left(m\right)}}{\mathrm{\θ}}_{il}^{\mathrm{\α}}{\mathrm{\η}}_{il}^{\mathrm{\β}}}& b_i\∈{X_l}^{\left(L\right)\left(m\right)}\\ 0& else\end{array}\right.---\left(5\right)$

式(5)中，α为信息素的权重，β为启发式信息的权重；θ_il表示第i个候选批b_i′能加入到第l个组中配送的期望度；η_il表示将第i个候选批b_i′能加入到第l个组配送的启发式信息；并有：

${\mathrm{\θ}}_{il}=\frac{1}{\left|G_l^{\left(L\right)\left(m\right)}\right|}{\mathrm{\Σ}}_{j\∈G_l^{\left(L\right)\left(m\right)}}{\mathrm{\τ}}_{ij}\left(L\right)---\left(6\right)$

${\mathrm{\η}}_{il}=\frac{S_i}{{\mathrm{\Σ}}_{i=1}^n{S}_i}---\left(7\right)$

式(6)中，τ_ij表示第L次迭代的第i个候选批b_i′和第j个已加入到第l个组中的候选批b_j′之间的信息素，1＜i≠j≤a；S_i表示第i个候选批b_i′的尺寸；

步骤5.9、从所述候选概率集合中选出最大候选概率所对应的最大候选批，记为b′_max；则所述最大候选批b′_max的尺寸记为s_max；

步骤5.10、将所述最大候选批b′_max加入到所述第l个组并将最大候选批b′_max的标识符flag′_max置为1；

步骤5.11、将所述车辆容积V减去所述最大候选批b′_max的尺寸s_max，获得剩余车辆容积，记为

步骤5.12、根据所述剩余车辆容积从所述待更新的第l个候选表中删除尺寸大于所述剩余车辆容积的候选批；从而获得更新的第l个候选表X_l^(L)(m)；

步骤5.13、获得所述最大候选批b′_max所对应的分类，记为w_max；

步骤5.14、判断所述最大候选批b′_max在所对应的分类w_max中是否为第f_z个批；若是，则从更新的第l个候选表X_l^(L)(m)中删除所述最大候选批b′_max；否则，从更新的第l个候选表X_l^(L)(m)中删除所述最大候选批b′_max，并将所述最大候选批b′_max所对应的分类w_max中第f_max+1个批加入到所述更新的第l个候选表X_l^(L)(m)中，从而获得再次更新的第l个候选表X_l^(L)(m)；

步骤5.15、以所述再次更新的第l个候选表X_l^(L)(m)作为待更新的第l个候选表并返回步骤5.8顺序执行，直到待更新的第l个候选表为空为止，即将第L次迭代的第m只蚂蚁的第l个组加满；从而获得第L次迭代的第m只蚂蚁的第l个组的配送方案；

步骤5.16、判断n个批的标识符是否都为1，若都为1，则表示完成第L次迭代的第m只蚂蚁对所述n个批的分配；并将l赋值给否则，将l+1赋值给l，并返回步骤5顺序执行。