[发明专利]基于农产品质量安全应急资源调度模型计算方法在审
申请号: | 201810221376.3 | 申请日: | 2018-03-17 |
公开(公告)号: | CN108491968A | 公开(公告)日: | 2018-09-04 |
发明(设计)人: | 张涛;刘晓静 | 申请(专利权)人: | 北京工业大学 |
主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06Q10/08;G06Q50/02 |
代理公司: | 北京思海天达知识产权代理有限公司 11203 | 代理人: | 沈波 |
地址: | 100124 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了基于农产品质量安全应急资源调度模型计算方法,本方法主要是解决目前农产品质量安全应急资源调度路径选择中的遗传算法效率低,收敛速度慢,易陷入局部最优等缺点的问题,该算法采取划分子种群的方法,在交叉阶段选取不同划分中的个体进行遗传操作,保证种群多样性,避免陷入局部最优,同时,同一划分中的个体也进行遗传操作,有效的保留个体的优良性状,从而同时进行避免算法陷入局部最优和收敛效率过慢,达到调节收敛速度和寻找最优解之间的平衡。 | ||
搜索关键词: | 农产品质量安全 应急资源 收敛 调度模型 遗传操作 算法 种群多样性 调度路径 遗传算法 最优解 性状 种群 保留 平衡 保证 | ||
【主权项】:
1.基于农产品质量安全应急资源调度模型计算方法,其特征在于:该方法包括如下步骤:步骤1,对应急资源调度模型进行编码;采用符号编码的方式,针对农产品质量安全应急资源调度模型的四要素:物资、运输车辆、供应点和需求点进行编码,分别是物资表示为a1,a2,a3,…aq,运输车辆表示为c1,c2,c3,…cp,供应点表示为s1,s2,s3,…sm,需求点表示为d1,d2,d3,…dn;其中q表述物资的个数,p表示运输车辆的个数,m表示供应点的个数,n表示需求点的个数;以运输车辆完成一次运输任务作为一个基因,以运输车辆在本次任务中完成的全部任务的排序作为一个基因段,以所有参与运输任务的运输车辆的基因段依车辆编号并联组成不同的个体;步骤2,种群初始化,方法如下:按照步骤1对应急资源调度模型进行编码的规则进行初始种群个体的产生,具体步骤如下:1)在注册在列并且状态为空闲的运输车辆集合C中选择的运输车辆,记作ci,以运输车辆归属地si作为出发点,在需求点集合D中随机选择一个任务地点作为目的地,记作di,在物资集合A中随机选择一个物资作为运输物资,记作ai,构成一个基因,记作xis,xis表示运输车辆ci运输物资ai从归属地si到达目的地di的一个组合;2)将一个运输车辆涉及的所有基因按运输任务执行顺序,完成计划周期内基因段的初始化工作,记作P(xi)={xi1,xi2,xi3,…,xin},i=1,2,3,…,N,i表示运输任务执行顺序数;3)所有运输车辆的基因段并联组合,完成规模为N的种群初始化工作,记作X={x1,x2,x3,…,xN};步骤3,选取种群适应度函数;1)将每个初始化的基因带入目标函数进行计算,目标函数的计算公式为:其中,N是初始化解集合的数量,n是每个基因的维度,yk是初始化解在神经网络训练样本作用下的目标解,ok是初始化解在神经网络训练样本作用下的输入;2)得到不同的目标函数值之后,将函数值带入适应度函数,得到不同的适应度;适应度函数F(i)的计算公式为:步骤4,K‑means划分种群;K‑Means算法的基本思想是对于给定的论域N中的m个样本,按照样本之间的距离大小,即模式矢量间的相似性,将样本集划分为K个子种群;让同一种群的个体尽量紧密的连在一起,而让不同种群的差异尽量的大;聚类的具体实现如下:1)K聚类中心的选取:随机选取一个个体作为聚类中心,记作μ1;以最大距离原则选取新的聚类中心,计算所有个体样本点到聚类中心μ1的距离,选距离最远的点作为第二个聚类中心,记作μ2,距离dij计算方法表示为:计算剩余个体的模式向量的特征矢量与和距离的最小值,表示为di:di=min[di1,di2],i=1,2,…,Nμi=max[di]依次类推,得到所有K个聚类中心;2)对剩余样本的归类:根据最小距离原则归类,结果将其归入与其距离最近的聚类中心所代表的类别;划分成多个不相交的子集XI,X2,…,Xk,且子集满足要求:X1∪X2∪…∪Xk=X1≤i≠j≤k (1)3)聚类表示:聚类样本表示:其中,表示聚类中心,q表示聚类的序号数,对子种群Xc(1≤c≤k)的隶属关系函数表示为:隶属关系满足每个样本有且仅有一个隶属种群,每个隶属种群都为非空,表示为:μci∈Eh在每一类中,计算其样本均值,将其作为该类的新聚类中心;4)如果在3)某一样本的类别发生变化,则转3)继续执行;5)返回聚类核心和各样本类别,终止聚类过程;步骤5,交叉操作1)采用轮盘赌选择一个个体xi,记下该个体所属的类别标号μa,从类别μa中选择一个最好的个体xj;2)选择与类别μa距离最远的类别μ1,选择类别中的最好个体xl;3)个体xi与个体xj进行交叉操作产生的个体的集合为X;4)选择个体xi与xj中,与个体xm距离较远的个体,假设为xj,个体xj与xm个体;进行交叉操作产生的个体集合为Y;5)通过贪婪算法选择集合X和集合Y中最好的两个个体作为子代个体;步骤6,变异操作;变异时选择自适应变异,当个体的适应度大于平均适应度,则变异概率Pm取值范围为(0,0.002),否则变异概率Pm取值范围为(0.08,0.1);表示为:其中,F(i)表示基因i的适应度,N表示样本基因规模,γm表示个体的适应度与平均适应度的比值;步骤7,选择操作;选择算子采用了组合优化进化算法所偏爱的选择策略,该选择既保留了每代中的最优个体,也加快了算法收敛速度;步骤8,解码;选择种群个体中模块度值最大的个体进行解码,得到农产品质量安全应急资源运输路径的最优解。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京工业大学,未经北京工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201810221376.3/,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算;推算;计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理