[发明专利]一种面向智能物流多层配送的模糊进化优化方法

权利要求书

1.一种面向智能物流多层配送的模糊进化优化方法，其特征在于，包括以下步骤：

S1：根据现有的多层配送的车辆路线问题，对仓库、各层配送中心以及客户结点的配送路线以权重分配结构图与交叉列表的编码表示；

S2：初始化种群后进行综合排序并选择总成本最少的部分个体；

S3：通过生成模糊相似矩阵的方式得到客户之间的模糊关系；

S4：构建模糊等价矩阵并分解得到模糊子集；

S5：分别计算模糊子集对配送中心的偏好与模糊子集对底层配送路线的相似度；

S6：根据路线与模糊子集的最大相似原理，运用模糊局部搜索得到底层的配送路线；

S7：运用模糊邻域选择策略构建上层至第一层路线的近似最优可行解；

S8：对每一代种群更新多层模糊分配图的权重并得到新的一个群体；

S9：计算收敛路线的总成本估计函数，如果满足结束条件则输出近似最优解，否则返回返回步骤三对群体多次迭代学习；最终将确定多层货物配送的车辆路线；

所述步骤S1中权重分配结构图与交叉列表的编码表示的设计方法为：求解问题的种群中的个体规模为N；

权重分配结构图：不仅能够表示仓库、各层配送中心和所有客户的集合，还能够获得在当前迭代得到的各层路线的分配概率；

交叉列表：能够直接获得代表仓库到第一级配送中心的路线、不同层级的配送中心之间的分配路线以及底层配送中心到客户的路线分配的方案。

2.根据权利要求1所述的一种面向智能物流多层配送的模糊进化优化方法，其特征在于，所述步骤S2中初始化种群的方法为：

每个客户通过轮盘选择机制分配到上一层中的配送中心；

根据每个配送中心给定的需求，获得上一层至第一层的路线；

如果初始解决方案不可行，则将在初始化过程中将其删除。

3.根据权利要求1所述的一种面向智能物流多层配送的模糊进化优化方法，其特征在于，所述步骤S3中通过生成模糊相似矩阵的方式得到客户之间的模糊关系的步骤为：

统计客户之间的关系；

根据客户关系的统计概率获得模糊相似矩阵；

其中，步骤S1所用的公式为：式中，N是每一代中的个体数；y_ik代表与客户C_i与客户C_k有关系的统计概率，当个体p_l存在边(i,k)将客户C_i连接到客户C_k时，w_l(i,k)等于1；否则，w_l(i,k)等于0；此外，y_jk遵循与y_ik相同的方案；

步骤S2所用的公式为：式中，r^_ij是模糊相似矩阵R_s中第i行和第j列的估计条目。

4.根据权利要求1所述的一种面向智能物流多层配送的模糊进化优化方法，其特征在于，所述步骤S4中构建模糊等价矩阵并分解得到模糊子集的步骤为：

计算模糊相似矩阵的传递闭包，即模糊等价矩阵；

根据隶属度函数得到隶属度；

根据隶属度分解得到模糊子集；

其中，步骤S1中的模糊等价矩阵可视为一系列模糊子集，用公式表示为：R＝∪(A_K×A_K)，式中，R是模糊等价矩阵；A_K为模糊子集；步骤S2中的隶属度函数的表示为：与式中，a_k(i,j)为客户i与客户j对第k个子集的隶属度，a_i(k)为客户i对第k个模糊子集的隶属度，n为客户的数目，N_cf为模糊子集的数目；步骤S3中根据隶属度分解得到模糊子集：所用的公式为：A_K＝{c_l|c_l∈V_Ca_i(k)∈{a_i(t)|a_i(t)≥1-0.05,1≤i≤n,t＝k}},1≤k≤N_cf式中，c_l属于客户模糊子集的元素，a_l(k)表示对模糊子集k隶属度大于0.95的客户l。