[发明专利]一种基于遗传算法的快递分拣方法

权利要求书

1.一种基于遗传算法的快递分拣方法，其特征在于：以实际供应链为背景，在供应链系统中将快递包裹放入可回收容器中，在快递运输过程中以可回收容器为单位，可回收容器与其封装的快递之间构成包含关系；以可回收容器为单位进行快递分拣时，生成分拣单是一个组合优化问题，因此在快递分拣时采用对组合优化问题行之有效的遗传算法来生成分拣单，根据分拣单进行分拣即可；

所述可回收容器及快递上都贴有存储功能的RFID电子标签，快递的标签芯片中存有客户配送信息，可回收容器的标签芯片中存有运输及包内快递信息；利用RFID设备读取标签芯片中的信息，并根据读取到的信息将分拣中心的可回收容器集合P分为三个子集，包括必须在该分拣中心拆包可回收容器集合P1，可以拆包也可以不拆包的可回收容器集合P2及不必拆包可回收容器集合P3；其中，P＝P1∪P2∪P3，且

将集合P1内可回收容器拆包并根据每个快递的地址进行分类；根据当前分拣中心处理能力，利用遗传算法在集合P2中选出还能够处理的可回收容器，并把集合P2分为拆包子集P2^/和不拆包子集P2^//，同样将集合P2^/内可回收容器拆包并进行分类；把集合P1和集合P2^/拆包后按地址分类的快递根据目的地址和可回收容器容量重新封装，即对集合P1和集合P2^/进行重新封装；将重新封装的可回收容器，集合P2^//和集合P3进行转发；

所述遗传算法包括个体编码与解码，个体适应度的检测评估和遗传过程三部分，从集合P2中选取最优的可回收容器进行优先处理；

所述遗传算法使用固定长度的二进制符号串来表示群体中的个体，将集合P2中所有可回收容器进行二进制编码，所有可回收容器编码作为一个个体；编码后的二进制串经过运算后根据编码过程进行解码，解码的过程即是根据个体得到需要选择可回收容器的过程；

所述遗传算法按与个体适应度成正比的概率来决定当前群体中各个个体遗传到下一代群体的机会是多少，为了正确估计这个概率，要求所有个体的适应度必须为非负数；因此，将可回收容器集中度E作为衡量个体的适应度，集中度E较高的个体基因有较大概率遗传下去；当适应度在阈值ξ之内时，选取重组后完全可回收容器更多的个体进行遗传；

以集中度E作为个体适应度评价函数，集合P2内的各个可回收容器的集中度E，计算公式如下：

其中，Z为标准化因子，计算公式如下：

其中，L_e为地址的级别，n为可回收容器内快递个数；为快递在地址级别l的个数；k_i为在地址级别i上不同快递地址的个数；

集中度E是对可回收容器内快递地址分散程度的度量，值越大可回收容器内快递地址越相近，值越小可回收容器内快递地址乱散乱；当可回收容器内快递最终目的地全部相同时，集中度E值为1，该可回收容器被称为完全可回收容器；反之，当可回收容器内快递最终目的地全部不相同时，集中度E值为0；

从集合P2中选取集中度E最小的可回收容器进行优先处理。

2.根据权利要求1所述的基于遗传算法的快递分拣方法，其特征在于：在分拣中心将快递配送地址按城市L1、县/区L2、乡镇/街道L3划分为三级，并把拆包的快递按地址等级重新打包封装；重组规则为把尽量L3相同的快递重新打包在一起，若存在可回收容器未装满，则用同一L2的快递补充，依此类推直至全部重组完成。

3.根据权利要求1所述的基于遗传算法的快递分拣方法，其特征在于：所述遗传算法的具体过程如下：

(1)首先获取集合P2中的M个子集，再从子集中选取一个最优的个体；

(2)对集合P2进行编码生成一个数量为M的初始种群，并对初始种群交叉杂交获得初始种群两倍数量的新种群；

(3)种群遗传T代，选择较优秀个体进行遗传，进化包含交叉、变异，从最后一代种群中选取最优的个体。