[发明专利]基于遗传-模拟退火组合算法对物流配送的优化方法

权利要求书

1.一种基于遗传-模拟退火组合算法对物流配送的优化方法，其特征在于，包括：

步骤1，获取个体客户与配送中心的坐标数据，并对所述坐标数据进行编码，得到初始种群；

步骤2，建立数学模型，所述数学模型的目标函数Z_i为：

其中，上述公式中的字符O表示配送中心，n表示客户数量，m表示车辆数，D_k第k辆车的最大载重量，DM_k表示第k辆车的最大行驶里程，veh表示实际使用车辆数，c_ij表示客户i到客户j之间行驶距离的单位成本，q_i表示每个客户对货物的需求量，d_ij表示客户i与客户j之间的距离，e_i表示客户i要求达到的最早服务时间，l_i表示客户i要求达到的最晚服务时间，t_i表示车辆到达客户i的时间，α表示超载惩罚系数，β表示超距惩罚系数，λ表示违反时间窗惩罚系数，cv表示超载量，dv表示超距量，tv表示违反的时间窗约束之和；

上述公式(1.1)表示目标函数、公式(1.2)-(1.3)表示第k辆车从一个点行驶到另一个店的车辆约束条件、公式(1.4)-(1.6)表示每个个体客户仅能被一辆车服务、公式(1.7)表示每辆车载货量不超过车辆的最大载重量、公式(1.8)表示每辆车行驶距离不超过车辆的最大行驶里程、公式(1.9)表示车辆从配送中心出发最终回到配送中心形成一条回路、公式(1.10)表示违反时间窗约束之和；

步骤3，通过设置所述目标函数Z_i为每个个体客户的总距离，同时计算所述目标函数Z_i的倒数，得到适应度函数f(x_i)，并基于所述适应度函数的数值判断解决方案的质量，所述适应度函数f(x_i)的表达式为：

其中，x_i表示第i个个体客户与配送中心O的排列数组；

步骤4，基于所述适应度函数f(x_i)，通过遗传算法中的选择、PMX匹配交叉以及变异的处理方式，打乱所述初始种群的路径序列，使得种群多样化，同时产生一个新种群；

步骤5，对所述新种群是否达到迭代次数进行判断，若达到所述迭代次数，则输出新种群的最优解，否则，重新计算初始种群的适应度；

步骤6，从所述最优解中获取两个数值x1与x2，作为模拟退火算法的初始解代入所述目标函数，得到目标函数结果值f(x1)与f(x2)；

步骤7，重新通过遗传算法中变异的处理方式产生新解，并从所述新解中获取两个数值xnew1与xnew2，作为模拟退火算法的新解代入所述目标函数，得到目标函数结果值f(xnew1)与f(xnew2)；

步骤8，将所述步骤7中的目标函数结果值减去所述步骤6中的目标函数结果值，得到:

△f1＝f(xnew1)-f(x1)，△f2＝f(xnew2)-f(x2)，同时对△f1与△f2进行判断，若△f1≤0或△f2≤0，

则接受所述步骤7中的新解，即xnew1＝x1，f(xnew1)＝f(x1)或xnew2＝x2，f(xnew2)＝f(x2)，否则根据Metropolis准则接受新解；

步骤9，基于所述步骤8中任意一种新解，首先对新解是否达到内部迭代次数进行判断，若未达到所述内部迭代次数，则回到步骤7中重新获取新解，

若达到所述内部迭代次数，则继续判断是否达到外部迭代次数进行判断，若未达到所述外部迭代次数，则通过缓慢降低温度重置内部迭代次数，回到步骤7中重新获取新解，

若达到所述外部迭代次数，则运行结束。

2.根据权利要求1所述的基于遗传-模拟退火组合算法对物流配送的优化方法，其特征在于，所述遗传算法中选择的处理方式是通过所述步骤3中的适应度函数，计算每个个体客户被选中的权值，并以轮盘赌的形式选择个体客户，每个个体客户被选中的权值P(x_i)的表达式为：

其中，f(x_i)表示是个体客户x_i的适应度函数值。