[发明专利]一种基于萤火虫算法的双梯队库存路径优化设计方法

摘要

本发明提出了一种基于萤火虫算法的双梯队库存路径优化设计方法，其实现步骤为：设置运行参数并随机生成实数初始化种群；通过改进的最小位置规则将每个实数个体映射为表示路径信息的离散个体；对每个个体进行可行性检查以及非可行解的修复；计算目标函数值，如果新个体优于最优个体，更新替换；用基于三角学习策略的萤火虫算法对种群进行演化；得到最优的库存路径方案。本发明解决传统的优化方法针对复杂的双梯队库存路径优化问题存在的优化性能较差的缺点，简单高效，可用于企业供应链中双梯队库存路径优化方案设计。

主权项

1.一种基于萤火虫算法的双梯队库存路径优化设计方法，包括如下步骤：/n设置运行参数并随机生成实数初始化种群；具体为：/n步骤1，用户自定义初始化参数，包括种群大小NP，目标函数最大评价次数MaxFEs，最大和最小吸引度βmax和βmin，初始步长因子α，光吸收系数γ；/n步骤2，令当前目标函数评价次数FEs＝0，最优个体目标函数值f(Xbest)＝1010；/n步骤3，产生实数编码的初始化种群P＝{X1,X2,…,XNP}，其中个体Xi为T行(M+K+N+L)列的矩阵，矩阵中的每一个元素Xi,t,j＝L+(U-L)*rand，i＝1,2,…,NP，t＝1,2,…,T，j＝1,2,…,M+K+N+L，T为库存路径问题中的调度周期数，M为供应商的数量，K为供应商运输车辆数量，N为经销商的数量，L为经销商运输车辆数量，rand为在[0,1]之间服从均匀分布的随机数，L和U分别为变量取值范围的下界和上界；/n通过改进的最小位置规则将每个实数个体映射为表示路径信息的离散个体；具体为：/n步骤4，记数器i＝1，其中i表示当前个体的下标；/n步骤5，如果i大于种群大小NP，则转到步骤12，否则执行以下步骤；/n步骤6，通过改进的最小位置规则将实数个体Xi映射为表示路径信息的离散个体DXi；/n对每个个体进行可行性检查以及非可行解的修复；具体为：/n步骤7，对离散个体DXi进行可行性检查以及非可行解的修复；/n计算目标函数值，如果新个体优于最优个体，更新替换；具体为：/n步骤8，通过离散个体DXi计算其对应的个体Xi的双梯队库存路径优化问题目标函数值f(Xi)，FEs＝FEs+1；/n步骤9，更新最优个体Xbest，如果f(Xi)小于f(Xbest)，则Xbest＝Xi；/n用基于三角学习策略的萤火虫算法对种群进行演化；具体为：/n步骤10，执行基于三角学习策略的萤火虫算法对个体Xi进行演化计算，产生新的个体Xi；/n步骤11，令i＝i+1后返回至步骤5；/n得到最优的库存路径方案；具体为：/n步骤12，重复步骤4至步骤11直至评价次数FEs达到MAX_FEs后结束，计算结束得到的最优个体即为双梯队库存路径优化设计的最优方案。/n