[发明专利]用于零售食品低碳采购过程的增强蚁群优化调度方法

说明书

本发明公开了一种用于零售食品低碳采购过程的增强蚁群优化调度方法，包括：以最大化供货商平均满意度和最小化碳排放量为优化目标，建立零售食品低碳采购过程的多车舱车辆调度模型；采用增强蚁群优化调度方法对零售食品低碳采购过程的多车舱车辆调度模型中的两个优化目标进行优化。本发明采用增强蚁群算法对所建多车舱车辆调度模型进行优化时，首先，设计新的信息素矩阵对供货商的排序信息进行学习和积累，以提升算法全局搜索能力；其次，构造融合变邻域下降策略的多种邻域操作，以进一步增加局部搜索深度。该方法可在短时间内获得零售食品低碳采购过程车辆调度问题的优质非劣解集，为采购部门提供决策依据。

技术领域

本发明涉及一种用于零售食品低碳采购过程的增强蚁群优化调度方法，属于多车舱车辆路径问题智能优化调度技术领域。

背景技术

近年来，随着“互联网+”的深入发展，零售行业不断转型升级，各大电商和传统零售业纷纷开拓新零售模式。其中，生鲜产品因其利润空间大成为新零售的主战场。然而，面对消费者对这些产品个性化、体验化与响应及时化等消费需求，传统零售企业的运营源头——采购管理亟需优化变革。

调度车辆对产品进行运输是采购管理的重要一环。如果运输车辆和路线得到合理选择和优化，则可以降低成本，提升服务客户的水平，为企业带来更多利润。在车辆选择方面：生鲜产品对保存温度有不同要求，调度多车舱车辆可同时运送不同存放温度的产品，但使用传统单舱车辆需要分多次运送不能混装的产品，从而增加运输成本。在路线优化方面：首先，对供货商进行访问时要考虑其便利时间以提升服务供货商的满意度，便于建立稳定良好的合作关系；其次，绿色作为发展理念之一，近年来得到国家前所未有的重视，企业面临的环保压力也日益增大。因此，以最大化供货商满意度和最小化碳排放量为目标优化运输线路可以提升零售企业综合竞争力。

在零售食品采购过程中的多车舱车辆调度属于NP-hard问题，该问题的求解时间复杂度会随供货商数量的增加呈指数型增长。在求解方法中，近似算法无法保证解的质量；精确算法仅适用于小规模问题(供货商数量小于等于20)的情况，如果供货商数量增大到80至200之间，则需要数小时至数天才可获得最优解或满意解。

发明内容

本发明提供了一种用于零售食品低碳采购过程的增强蚁群优化调度方法，以最大化供货商平均满意度和最小化碳排放量为优化目标，建立了零售食品低碳采购过程的多车舱车辆调度模型；进一步地，对优化目标进行优化，可以有效地获取零售食品低碳采购过程车辆调度问题的优质非劣解集。

本发明的技术方案是：一种用于零售食品低碳采购过程的增强蚁群优化调度方法，包括：以最大化供货商平均满意度和最小化碳排放量为优化目标，建立零售食品低碳采购过程的多车舱车辆调度模型；采用增强蚁群优化调度方法对零售食品低碳采购过程的多车舱车辆调度模型中的两个优化目标进行优化。

所述建立零售食品低碳采购过程的多车舱车辆调度模型，包括：建立供货商满意度函数；依据供货商满意度函数，建立多车舱车辆调度模型。

所述供货商满意度函数为：

式中，t_i表示车辆到达供货商i的时间；μ_i(t_i)表示车辆到达供货商i的时间为t_i时对应的供货商满意度；e_i表示与供货商i约定的开始访问时间；l_i表示与供货商i约定的终止访问时间；E_i表示延长访问供货商i的最早时间；L_i表示延长访问供货商i的最晚时间。

所述多车舱车辆调度模型为：

s.t.