一种基于量子烟花算法的物流运输调度方法及装置制造方法及图纸

本发明专利技术公开了一种基于量子烟花算法的物流运输调度方法，通过分析烟花算法的优化机制并针对所描述的物流运输调度问题，定义了烟花算法中烟花种群数、爆炸密度和爆炸半径等参数，设计了一种等分随机键与车辆路径结合的编解码策略，同时提出一种量子与烟花互相转化的方法，从而引入量子旋转门增强算法全局搜索能力，解决了现有的物流运输调度方法运行速度慢、收敛能力弱，且寻优效率低的技术问题。

【技术实现步骤摘要】
一种基于量子烟花算法的物流运输调度方法及装置
本专利技术涉及物流调度领域，尤其涉及一种基于量子烟花算法的物流运输调度方法及装置。
技术介绍
物流产业在国际上被认为是国民经济发展的基础产业，其发展程度是衡量国家现代化程度和综合国力的重要标志之一，物流的运作不仅决定了商务企业的总体运作成本，而且直接影响到整个商务系统运作的稳定性和均衡性，所以物流运输调度则是物流的核心活动之一。在物流运输调度中，最基本的一种物流运输调度模型可描述为：一个配送中心有多台车辆要去为若干个客户点送货，每辆车从配送中心出发，需要经过该车辆所负责的所有客户后，回到配送中心，应如何选择行进路线，以使总的行程最短。其中，该车辆的车载量需大于或等于其所负责的所有客户点的总货物需求量；所有客户有且只能被一辆车经过一次，但现有的物流运输调度方法运行速度慢、收敛能力弱，且寻优效率低。
技术实现思路
本专利技术提供了一种基于量子烟花算法的物流运输调度方法及装置，用于解决现有的物流运输调度方法运行速度慢、收敛能力弱，且寻优效率低的技术问题。本专利技术提供的一种基于量子烟花算法的物流运输调度方法，包括：确定客户点数量为n、与n个所述客户点一一对应的需求载重为W＝{w1,w2,…,wn}、配送车数量为K、与K辆所述配送车一一对应的最大载重限制为B＝{b1,b2,…,bK}、最大迭代次数为Nmax、烟花的种群规模为Q、爆炸火花数为Ssum、烟花爆炸半径为A、高斯变异火花数为GM、烟花随机键区域上限为Rup、烟花随机键区域下限为Rdown、量子旋转的迭代数NQmax、量子映射随机数NQmap、常数ε；随机生成第i只烟花的位置为xi＝(xi1,xi2,…,xij,…,xin)，其中，xij∈[Rdown,Rup)；根据初始烟花种群中每个烟花的位置xi计算对应的函数适应值fitnessi；将烟花位置xi内部每个实数xij(j＝1,2,…,n)分组产生K个集合，所述集合Cim(m＝1,2,…,K)为：Cim＝{(xij,j)|Rdown+(m-1)·[(Rup-Rdown)/K]≤xi＜Rdown+m·[(Rup-Rdown)/K]}；通过最大位置法，分别对每个所述集合里面的xij进行降序排序，所述集合Cim中每个元素的第二维数值为所述配送车m的客户点访问顺序根据所述访问顺序确定第i只烟花xi的解中配送车m的客户路径，其中所述配送车m的所承担客户点个数Gm符合第一预设公式的规则，所述第一预设公式具体为：根据烟花的所述解中配送车m的客户路径，通过第二预设公式计算所述烟花xi的函数适应值fitnessi，所述第二预设公式为：其中，d(jmp,jm(p+1))为客户点jmp与客户点jmp之间的距离，d(O,jm1)为客户点jm1与起始配送点的距离，为客户点与起始配送点的距离，为该所述配送车对应的客户点的载重需求之和超出该车辆最大载重限制的重量差；记录全局最优烟花位置xbest和其适应度值fitnessbest＝fitnessb，其中，当前最优烟花适应度为fitnessb，最优值不变迭代数NQ＝0；更新每个烟花的爆炸火花数目Si、爆炸半径Ai；在所述每个烟花xi中随机选择z个维度，对随机选取出的维度k∈{1,2,…,z}按第五预设公式进行位置偏移生成爆炸火花，所述第五预设公式具体为：其中，U(-1,1)为区间[-1,1]之间的均匀分布，当火花在维度k上超出边界，将通过第六预设公式的映射规则进行越界检测，映射到一个新的位置，所述第六预设公式具体为：在烟花种群中随机选择GM个烟花，并对其每一个烟花随机选择z个维度进行高斯变异操作，对随机选出的维度k按第七预设公式生成GM个高斯火花，所述第七预设公式具体为：其中，e是一个均值为1，方差为1的高斯分布；计算新产生的爆炸火花和高斯变异火花的适应度值，在原本烟花种群、爆炸火花和高斯变异火花中选择最优的个体作为下一代烟花种群，其余(Q-1)个下一代烟花种群按照赌轮盘规则在原本烟花种群、爆炸火花和高斯变异火花中选出，每个备选烟花在赌轮盘规则中被选中的概率公式为：其中，Fsum为此次迭代中原本烟花种群、爆炸火花和高斯变异火花的总数，为候选烟花中个体与其他候选个体之间的距离，为所有候选烟花个体与其他候选个体之间的距离总和；更新当前最优烟花的位置xb及对应的适应度fitnessb，若fitnessb与fitnessbest相同，则NQ＝NQ+1，若fitnessb优于fitnessbest，则更新全局最优烟花位置xbest＝xb，并更新适应度值fitnessbest＝fitnessb，NQ＝0；若NQ≤NQmax，则更新全局最优烟花位置xbest和最优适应度值fitnessbest；更新量子映射随机数NQmap，使NQmap为[0,K]内随机整数；将Q个烟花xi转化为Q个量子qi；对Q个量子qi进行一次量子旋转门更新；将N个旋转后的量子个体qi转化为N个烟花个体xi'，若xi'比xi更优，则更新烟花xi＝xi'，并更新全局最优烟花位置xbest和最优适应度值fitnessbest；输出最佳烟花位置xbest与其适应度值fitnessbest。优选地，所述更新每个烟花的爆炸火花数目Si、爆炸半径Ai具体包括：确定第i个烟花对应的适应度为xi＝(xi1,xi2,…,xin)，当前最优烟花的位置为xb＝(xb1,xb2,…,xbn)，对应的适应度为fitnessb，当前最差烟花的位置为xw＝(xw1,xw2,…,xwn)，对应的适应度为fitnessw，通过第三预设公式和第四预设公式更新每个烟花的爆炸火花数目Si、爆炸半径Ai，所述第三预设公式具体为：所述第四预设公式具体为：优选地，所述将Q个烟花xi转化为Q个量子qi具体包括：将烟花xi＝(xi1,xi2,…,xij,…,xin)通过第八预设公式转化为量子qi，所述第八预设公式具体为：若|cosθij|≥|sinθij|，则sinθij取正数，反之则sinθij取负数。优选地，所述对Q个量子qi进行一次量子旋转门更新具体包括：通过第九预设公式对Q个量子qi进行一次量子旋转门更新，所述第九预设公式具体为：其中，为量子qi第j维位置的当前量子状态，为量子qi第j维位置经过量子旋转门后的量子状态，其中，旋转角角度Δθij可由第十预设公式确定，所述第十预设公式具体为：Δθij＝s(αij,βij)·|Δθij|；其中，旋转角角度大小|Δθij|可由第十一预设公式确定，所述第十一预设公式具体为：其中，旋转角角度方向s(αij,βij)可由第十一预设公式确定，所述第十一预设公式具体为：其中，与为算法当前最优的量子的第j维概率幅。优选地，将N个旋转后的量子个体qi转化为N个烟花个体xi'具体包括：将量子个体通过第十二预设公式转化为烟花个体xi'，所述第十二预设公式具体为：本专利技术提供的一种基于量子烟花算法的物流运输调度装置，包括：第一确定模块，用于确定客户点数量为n、与n个所述客户点一一对应的需求载重为W＝{w1,w2,…,wn}、配送车数量为K、与K辆所述配送车一一对应的最大载重限制为B＝{b1,b2,…,bK}、最大迭代次数为Nmax、烟花的种群规模为Q、爆炸火花数为Ssum、烟花爆炸半径为A、高斯变异火花数为本文档来自技高网...

【技术保护点】
1.一种基于量子烟花算法的物流运输调度方法，其特征在于，包括：确定客户点数量为n、与n个所述客户点一一对应的需求载重为W＝{w1,w2,…,wn}、配送车数量为K、与K辆所述配送车一一对应的最大载重限制为B＝{b1,b2,…,bK}、最大迭代次数为Nmax、烟花的种群规模为Q、爆炸火花数为Ssum、烟花爆炸半径为A、高斯变异火花数为GM、烟花随机键区域上限为Rup、烟花随机键区域下限为Rdown、量子旋转的迭代数NQmax、量子映射随机数NQmap、常数ε；随机生成第i只烟花的位置为xi＝(xi1,xi2,…,xij,…,xin)，其中，xij∈[Rdown,Rup)；根据初始烟花种群中每个烟花的位置xi计算对应的函数适应值fitnessi；将烟花位置xi内部每个实数xij(j＝1,2,…,n)分组产生K个集合，所述集合Cim(m＝1,2,…,K)为：Cim＝{(xij,j)|Rdown+(m‑1)·[(Rup‑Rdown)/K]≤xi＜Rdown+m·[(Rup‑Rdown)/K]}；通过最大位置法，分别对每个所述集合里面的xij进行降序排序，所述集合Cim中每个元素的第二维数值为所述配送车m的客户点访问顺序...

【技术特征摘要】
1.一种基于量子烟花算法的物流运输调度方法，其特征在于，包括：确定客户点数量为n、与n个所述客户点一一对应的需求载重为W＝{w1,w2,…,wn}、配送车数量为K、与K辆所述配送车一一对应的最大载重限制为B＝{b1,b2,…,bK}、最大迭代次数为Nmax、烟花的种群规模为Q、爆炸火花数为Ssum、烟花爆炸半径为A、高斯变异火花数为GM、烟花随机键区域上限为Rup、烟花随机键区域下限为Rdown、量子旋转的迭代数NQmax、量子映射随机数NQmap、常数ε；随机生成第i只烟花的位置为xi＝(xi1,xi2,…,xij,…,xin)，其中，xij∈[Rdown,Rup)；根据初始烟花种群中每个烟花的位置xi计算对应的函数适应值fitnessi；将烟花位置xi内部每个实数xij(j＝1,2,…,n)分组产生K个集合，所述集合Cim(m＝1,2,…,K)为：Cim＝{(xij,j)|Rdown+(m-1)·[(Rup-Rdown)/K]≤xi＜Rdown+m·[(Rup-Rdown)/K]}；通过最大位置法，分别对每个所述集合里面的xij进行降序排序，所述集合Cim中每个元素的第二维数值为所述配送车m的客户点访问顺序根据所述访问顺序确定第i只烟花xi的解中配送车m的客户路径，其中所述配送车m的所承担客户点个数Gm符合第一预设公式的规则，所述第一预设公式具体为：根据烟花的所述解中配送车m的客户路径，通过第二预设公式计算所述烟花xi的函数适应值fitnessi，所述第二预设公式为：其中，d(jmp,jm(p+1))为客户点jmp与客户点jmp之间的距离，d(O,jm1)为客户点jm1与起始配送点的距离，为客户点与起始配送点的距离，为该所述配送车对应的客户点的载重需求之和超出该车辆最大载重限制的重量差；记录全局最优烟花位置xbest和其适应度值fitnessbest＝fitnessb，其中，当前最优烟花适应度为fitnessb，最优值不变迭代数NQ＝0；更新每个烟花的爆炸火花数目Si、爆炸半径Ai；在所述每个烟花xi中随机选择z个维度，对随机选取出的维度k∈{1,2,…,z}按第五预设公式进行位置偏移生成爆炸火花，所述第五预设公式具体为：其中，U(-1,1)为区间[-1,1]之间的均匀分布，当火花在维度k上超出边界，将通过第六预设公式的映射规则进行越界检测，映射到一个新的位置，所述第六预设公式具体为：在烟花种群中随机选择GM个烟花，并对其每一个烟花随机选择z个维度进行高斯变异操作，对随机选出的维度k按第七预设公式生成GM个高斯火花，所述第七预设公式具体为：其中，e是一个均值为1，方差为1的高斯分布；计算新产生的爆炸火花和高斯变异火花的适应度值，在原本烟花种群、爆炸火花和高斯变异火花中选择最优的个体作为下一代烟花种群，其余(Q-1)个下一代烟花种群按照赌轮盘规则在原本烟花种群、爆炸火花和高斯变异火花中选出，每个备选烟花在赌轮盘规则中被选中的概率公式为：其中，Fsum为此次迭代中原本烟花种群、爆炸火花和高斯变异火花的总数，为候选烟花中个体与其他候选个体之间的距离，为所有候选烟花个体与其他候选个体之间的距离总和；更新当前最优烟花的位置xb及对应的适应度fitnessb，若fitnessb与fitnessbest相同，则NQ＝NQ+1，若fitnessb优于fitnessbest，则更新全局最优烟花位置xbest＝xb，并更新适应度值fitnessbest＝fitnessb，NQ＝0；若NQ≤NQmax，则更新全局最优烟花位置xbest和最优适应度值fitnessbest；更新量子映射随机数NQmap，使NQmap为[0,K]内随机整数；将Q个烟花xi转化为Q个量子qi；对Q个量子qi进行一次量子旋转门更新；将N个旋转后的量子个体qi转化为N个烟花个体xi'，若xi'比xi更优，则更新烟花xi＝xi'，并更新全局最优烟花位置xbest和最优适应度值fitnessbest；输出最佳烟花位置xbest与其适应度值fitnessbest。2.根据权利要求1所述的基于量子烟花算法的物流运输调度方法，其特征在于，所述更新每个烟花的爆炸火花数目Si、爆炸半径Ai具体包括：确定第i个烟花对应的适应度为xi＝(xi1,xi2,…,xin)，当前最优烟花的位置为xb＝(xb1,xb2,…,xbn)，对应的适应度为fitnessb，当前最差烟花的位置为xw＝(xw1,xw2,…,xwn)，对应的适应度为fitnessw，通过第三预设公式和第四预设公式更新每个烟花的爆炸火花数目Si、爆炸半径Ai，所述第三预设公式具体为：所述第四预设公式具体为：3.根据权利要求2所述的基于量子烟花算法的物流运输调度方法，其特征在于，所述将Q个烟花xi转化为Q个量子qi具体包括：将烟花xi＝(xi1,xi2,…,xij,…,xin)通过第八预设公式转化为量子qi，所述第八预设公式具体为：若|cosθij|≥|sinθij|，则sinθij取正数，反之则sinθij取负数。4.根据权利要求3所述的基于量子烟花算法的物流运输调度方法，其特征在于，所述对Q个量子qi进行一次量子旋转门更新具体包括：通过第九预设公式对Q个量子qi进行一次量子旋转门更新，所述第九预设公式具体为：其中，为量子qi第j维位置的当前量子状态，为量子qi第j维位置经过量子旋转门后的量子状态，其中，旋转角角度Δθij可由第十预设公式确定，所述第十预设公式具体为：Δθij＝s(αij,βij)·|Δθij|；其中，旋转角角度大小|Δθij|可由第十一预设公式确定，所述第十一预设公式具体为：其中，旋转角角度方向s(αij,βij)可由第十一预设公式确定，所述第十一预设公式具体为：其中，与为算法当前最优的量子的第j维概率幅。5.根据权利要求4所述的基于量子烟花算法的物流运输调度方法，其特征在于，将N个旋转后的量子个体qi转化为N个烟花个体xi'具体包括：将量子个体通过第十二预设公式转化为烟花个体xi'，所述第十二预设公式具体为：6.一种基于量子烟花算法的物流运输调度装置，其特征在于，包括：第一确定模块，用于确定客户点数量为n、与n个所述...

【专利技术属性】
技术研发人员：蔡延光，陈厚仁，蔡颢，戚远航，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44