[发明专利]一种求解单配送中心物流运输调度问题的方法

摘要

本发明公开了一种求解单配送中心物流运输调度问题的方法。针对单配送中心物流运输调度问题，建立数学模型，提出并行混沌粒子群算法求解该模型。仿真分析表明，本发明提供的方法保持了群体的多样性，避免了过早陷入早熟，收敛速度快，能够有效地求解单配送中心物流运输调度问题。

主权项

一种求解单配送中心物流运输调度问题的方法，其特征在于，包括以下步骤：S1：建立单配送中心物流运输调度问题的数学模型：满足：其中，N表示要服务的客户数(N为正整数)，m表示配送中心发出的车辆数(m为正整数)，第i个客户的需求量为gi(i＝1，2，…，N)，式中[]代表不大于括号内的数字的最大正整数，α(0＜α＜1)是对装车和卸车的困难程度以及约束的估计，G表示每一辆车最大载重约束(吨)，Cv为单位距离车辆行驶费用(元/km)，Cd为司机单位费用(元/km)。dij表示车辆k行驶了客户i到j的路程(km)，目标函数公式(1)表示物流运输过程中的成本耗费，包括物流运输中车辆行驶费用和司机薪酬费用；式(3)表示各车辆承载的总重量不超过车辆的最大负载约束G；式(4)表示一个客户的货物只能由一辆车进行配送服务；式(5)表示物流公司车场的送货车辆的总数为m辆；式(6)表和式(7)说明了两个变量之间的关系；S2：采用并行混沌粒子群算法求解，进一步包括：S2‑1:首先假设整个粒子群的最优解的个数为n，并且随机生成一列初始值：i＝1,2,...,n。粒子的更迭在主进程和从进程同时进行，粒子群x，v是在主进程进行初始化，第i个变量xi所生成的初始值有ki个；S2‑2:数据从主进程发送给从进程；S2‑3:从进程中用混沌粒子群算子优化粒子群；S2‑4:适应度评估。根据公式计算得到了每个粒子的适应值S2‑5:通过统计多次迭代后每一代粒子个体的适应值得到局部最优适应值S2‑6:将从进程得到的局部最优粒子值送往主进程，得出全局最优适应值gbest，如果当前进化代数<最大进化代数，或者，当前平均适应值‑上一代平均适应值>允许值，主进程将gbest发送到从进程，完成指定的迭代次数后转向S2‑3进行混沌优化；否则转向第S2‑8；S2‑7:对症粒子群进行优化，更新粒子群速度和位置；转向第S2‑4；S2‑8:退出循环，输入：①存储在计算机pi(i＝1,2,...,n)初始化数据Di②混沌生长模型，输出：全局最优解gbest。