[发明专利]一种基于变权风险的危险化学品多仓库车辆路径优化方法

权利要求书

1.一种基于变权风险的危险化学品多仓库车辆路径优化方法，其特征在于，通过以下步骤实现：

S1、分别确定不同权重信息下运输网络变权风险和运输路线变权风险，得到危险化学品多仓库车辆路径双层规划模型中上、下层规划的目标函数；

S2、确定危险化学品运输中的权重信息、仓库供应量与零售商需求量相关参数信息，为后续建模、求解做准备；

S3、基于S1中确定的运输网络变权风险，进行上层规划制定零售商分配方案；

S4、基于S1中确定的运输路线变权风险，进行下层规划确定最优运输路径；

S5、根据S3、S4中上、下层决策形成的双层规划模型，利用S2中搜集的相关参数信息，选择相应权重信息下的双层规划模型，并基于分支定界的混合并行遗传算法求解该双层规划模型，得出零售商最优分配方案、最优供应量和车辆最优运输路径。

2.根据权利要求1所述的基于变权风险的危险化学品多仓库车辆路径优化方法，其特征在：所述S1、确定不同权重信息下运输网络变权风险和运输路线变权风险具体实现如下：

指标和参数：

I仓库集合，其中包含n个仓库；

J零售商集合，其中包含m个零售商；

i仓库指标，i＝1,2,…,n；

j零售商指标，j＝1,2,…,m；

c_i仓库i的供给量，i＝1,2,…,n；

d_i零售商j的需求，j＝1,2,…,m；

m_i仓库i服务的零售商个数，i＝1,2,…,n；

l_i仓库i下属车辆的运输路线，i＝1,2,…,n；

A_i仓库i和它服务的零售商集合，

R_st路段(s,t)上车辆的运输风险，s,t∈I∪J；

ξ_st路段(s,t)上单位车载量对应的运输风险，s,t∈I∪J；

决策变量：

从s到t的路段是可行的，则取值为1，否则取值为0，s,t∈A_i；

y_ij仓库i到零售商j的供给量，i＝1,2,…,n，j＝1,2,…,m；

中间变量：

a_ik运输路线l_i上第k个被服务的零售商，k＝1,2,…,m_i，i＝1,2,…,n，其中a_i0和均代表仓库i，分别表示车辆从仓库i出发并返回仓库i；

运输网络的风险利用各运输路线风险的变权平均来度量，所述运输路线风险是利用运输路线上各路段风险的变权平均来度量，运输路线l_i上第k个被服务的零售商表示如下：

其中k＝1,2,…,m_i，i＝1,2,…,n；

运输路线l_i上的危险化学品运输车辆在路段(a_i(k-1),a_ik)上的装载量表示如下：

路段(a_i(k-1),a_ik)上的运输风险表示如下：

运输路线和运输网络的变权风险均包括权重信息已知下的有序加权平均风险和权重信息未知下的状态变权平均风险；

根据运输路线上各路段的运输风险，决策者分别赋予其相应的权重值，路段的运输风险越大，分配的权重也就越大，当决策者确定了运输路线上各运输路段的权重分配时，运输路线l_i上的有序加权平均风险表示如下：

其中，是一个非负递减的序列满足表示集合中第k大的数值；

运输网络的有序加权平均风险表示如下：

其中，w₁,w₂,…,w_n是一个非负递减的序列满足w₁+w₂+…+w_n＝1，表示集合中第i大的数值；

当决策者没有给出确定的权重分配时，运输路线l_i上的状态变权平均风险表示如下：

其中，表示运输路线l_i上的风险向量，表示激励型状态变权向量；

运输网络的状态变权平均风险表示如下：

其中，表示运输路网的风险向量，(S₁(R),S₂(R),…,S_n(R))表示激励型状态变权向量。