[发明专利]基于多目标建模优化的危化品运输调度方法

摘要

本发明公开了一种基于多目标建模优化的危化品运输调度方法，该方法包括分别建立路径长度、建立时间、车辆固定费用和风险模型；对四个子模型进行标幺化和加权处理，得到危化品运输优化调度的评价函数；采用自然数编码、递归产生初始种群、最优保存策略、改进的匹配交叉和连续三次交叉的改进遗传算法求解模型，最终得到运输路径短，配送效率高，配送车辆少，风险小的危化品运输最优路径。本发明同时考虑了四个目标，决策者可以根据自身需要设定不同的权值，由权值决定遗传算法的搜索方向，通过不断的迭代适应度值最终收敛从而得到最优路径。

主权项

基于多目标建模优化的危化品运输调度方法，其特征在于，该方法包括如下步骤：1）将路线长度、时间、车辆固定费用和风险作为优化指标，分别对其进行建模：a、路线长度模型：根据配送中心和客户的地理位置及其路径信息得到总的配送距离；b、时间模型：由超时惩罚来实现；c、车辆固定费用模型：对所有出动车辆的人力成本和设备养护费求和；d、风险模型：风险大小着重于概率和损失的计算，一旦事故发生，则从配送中心另派一辆车进行紧急救援，完成配送任务；2）建立评价函数模型，对各个目标进行标幺化和加权处理，得到总的评价函数；3）确定用遗传算法求解模型，包括步骤4）至步骤7）；4）参数编码：采用自然数编码，用矢量（i₁,i₂,…,i_n）表示客户基因序列，将染色体表示为：（0,i₁,i₂,…,i_s,i₁,i₂,…,i_t,0,…,0,i₁,i₂,…,i_k,0），车辆从配送中心出发，第一辆车从配送中心出发执行i₁,i₂,…,i_s路径并返回配送中心，形成路径1，然后第二辆车从配送中心出发执行i₁,i₂,…,i_t路径并返回配送中心，形成路径2，如此反复直到所有客户都被访问；5）生成初始种群：采用递归调用，快速产生具有1000个染色体的初始种群；6）适应度函数设计：将适应度函数设计为评价函数的倒数；7）遗传算子的设计：a、选择：将适应度值排序，选择排在前500的染色体进行交叉、变异操作，利用最优保存策略保存排在前500的个体，尽量保持父代的优良性状；b、交叉：利用交叉概率P_c=0.99，采用最大匹配交叉和连续三次交叉方法，一对父代产生六个子代；c、变异：将交叉产生的六个子代利用变异概率P_m=0.6，采用反转法进行变异；8）代数n<100，不断重复步骤7），最终得到最优路径。