基于遗传算法的电能计量装置配送排程方法及排程系统制造方法及图纸

本发明专利技术涉及一种基于遗传算法的电能计量装置配送排程方法及排程系统，该方法包括：构建电能计量装置配送时间最短模型、电能计量装置配送成本最低模型、电能计量装置配送装载率最高模型和模型约束条件；对模型的各输入参数进行编码，并根据编码后的所有输入参数组成初始排程群体；计算初始排程群体的适应度；对初始排程群体进行选择，组建遗传排程群体；对该遗传排程群体进行配对，生成遗传配对排程群体，对遗传配对排程群体进行交叉，得到遗传交叉排程群体，对遗传交叉排程群体进行变异，形成次遗传排程群体；重复以上步骤，直到计算出最优排程。本发明专利技术使配送作业安排合理化，提高企业作业效率，有利于企业提高竞争力与效益。

Distribution Scheduling Method and Scheduling System of Electric Energy Metering Device Based on Genetic Algorithms

The invention relates to a distribution scheduling method and a scheduling system for electric energy metering devices based on genetic algorithm. The method includes: constructing the shortest distribution time model of electric energy metering devices, the lowest distribution cost model of electric energy metering devices, the highest distribution loading rate model of electric energy metering devices and model constraints; coding the input parameters of the model, and according to all the coded parameters. Input parameters compose the initial scheduling population; calculate the fitness of the initial scheduling population; select the initial scheduling population to form the genetic scheduling population; pair the genetic scheduling population, generate the genetic matching scheduling population, cross the genetic matching scheduling population, get the genetic crossing scheduling population, mutate the genetic crossing scheduling population, and form the sub-genetic scheduling population. Cheng group; repeat the above steps until the optimal schedule is worked out. The invention rationalizes the distribution operation arrangement, improves the operation efficiency of the enterprise, and is beneficial to improving the competitiveness and efficiency of the enterprise.

【技术实现步骤摘要】
基于遗传算法的电能计量装置配送排程方法及排程系统
本专利技术涉及配送优化
，尤其涉及一种基于遗传算法的电能计量装置配送排程方法及排程系统。
技术介绍
按照国家电网要求强化物资专业化管理，国家电网对计量器具仓储以及配送管理提出了更高的要求。随着客户差异化服务需求的深入以及省级计量中心柔性管理理念的贯彻，国网营销部要求以提供更优质的用电服务为目标，尽量缩短业务周期跨度，更快更好地满足顾客需求，提高应急业务服务水平。因此省计量中心的配送管理工作面临着很大的挑战。目前，传统的配送任务主要依靠人工经验，没有与需求、仓储结合起来，配送路线和配送任务的先后顺序都缺乏一定的管理规划，这势必会导致配送系统响应速度慢，灵活性差、服务水平低和信息化程度低。因此，提供一种基于遗传算法的电能计量装置配送排程方法及排程系统。
技术实现思路
鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的基于遗传算法的电能计量装置配送排程方法及排程系统，使得电能计量装置配送时间最短、电能计量装置配送成本最低、电能计量装置配送装载率最高。根据本专利技术的一个方面，提供一种基于遗传算法的电能计量装置配送排程方法，包括：S101，基于库房之间的距离、车辆的平均速度、车辆装载的库房所需表计的数量、装卸搬运一个储位的时间构建电能计量装置配送时间最短模型；基于库房所需周转箱的数量、表计的单位配送成本、固定成本构建电能计量装置配送成本最低模型；基于周转箱在车辆中的码放层数、车辆的储位数构建电能计量装置配送装载率最高模型，基于车辆工作时间、车辆载重、车辆储位构建模型约束条件；S102，对库房之间的距离、车辆的平均速度、车辆装载的库房所需表计的数量、装卸搬运一个储位的时间、库房所需周转箱的数量、表计的单位配送成本、固定成本、周转箱在车辆中的码放层数、车辆的储位数进行编码，合成初始排程群体；S103，计算初始排程群体的目标函数值，并根据目标函数值计算初始排程群体的适应度；S104，根据初始排程群体的适应度对初始排程群体进行选择，组建遗传排程群体；S105，对该遗传排程群体进行配对，生成遗传配对排程群体，对遗传配对排程群体进行交叉，得到遗传交叉排程群体，对遗传交叉排程群体进行变异，形成次遗传排程群体；S106，重复步骤S103至步骤S105，直到计算出满足电能计量装置配送时间最短模型、电能计量装置配送成本最低模型、电能计量装置配送装载率最高模型和模型约束条件的最优排程，对该最优排程中的库房之间的距离、车辆的平均速度、车辆装载的库房所需表计的数量、装卸搬运一个储位的时间、库房所需周转箱的数量、表计的单位配送成本、固定成本、周转箱在车辆中的码放层数、车辆的储位数进行解码，获取电能计量装置配送排程表。进一步地，初始排程群体包括多个排程个体，每个排程个体是由一组编码后的库房之间的距离、车辆的平均速度、车辆装载的库房所需表计的数量、装卸搬运一个储位的时间、库房所需周转箱的数量、表计的单位配送成本、固定成本、周转箱在车辆中的码放层数、车辆的储位数组成。进一步地，上述基于遗传算法的电能计量装置配送排程方法，还包括：计算各排程个体的目标函数值，并根据目标函数值计算各排程个体的适应度；根据各排程个体的适应度计算各排程个体被遗传到下一代群体中的概率，并对所有排程个体进行选择，组建遗传排程群体；对该遗传排程群体中的排程个体进行配对，生成遗传配对排程群体，对遗传配对排程群体中的排程个体进行交叉，得到遗传交叉排程群体，对遗传交叉排程群体中的排程个体进行变异，形成次遗传排程群体。进一步地，电能计量装置配送时间最短模型如下：其中，dij为从库房i点到库房j点的距离；Xijk为车辆k从库房i点运送至库房j点，值为1，否则，为0；Yik为车辆k配送库房i点，值为1，否则，为0；vk为车辆k的平均速度；qilk为车辆k装载的库房i所需表计l的数量；t为装卸搬运一个储位的时间；i,j为客户节点及配送中心，i,j＝{0,1,2,...,n}，i,j＝0时表示配送中心；k为车辆类型，k＝{1,2,3,...,K}；m为周转箱类型，m＝{1,2,3,...,M}，电能计量装置配送成本最低模型如下：其中，l为设备类型，l＝{1,2,3,...,L}；qimk为车辆k装载的库房i所需周转箱m的数量；Cl为表计l的单位配送成本；μ为成本调节系数；C0为每天的固定成本，电能计量装置配送装载率最高模型如下：其中，为周转箱m在车辆k中的码放层数；Vk为车辆k的储位数，模型约束条件包括车辆工作时间约束、每辆车从计量中心出发需要回到计量中心、车辆进入某一点需要从该点离开、车辆载重约束、车辆储位约束和子回路消除约束。进一步地，车辆工作时间约束的公式具体如下：其中，T为车辆额定工作时间，考虑加班时间时可调整，每辆车从计量中心出发需要回到计量中心具体如下：车辆进入某一点需要从该点离开具体如下：车辆载重约束的公式具体如下：其中，gl为类型为l的表计的质量，Gk为车辆k的额定载重量，车辆储位约束的公式具体如下：子回路消除约束的公式具体如下：进一步地，模型约束条件还包括：根据客户节点的总需求量对客户节点设置的配送顺序。进一步地，各个体的适应度计算公式如下：fi＝w1fi1+w2fi2+w3fi3其中，fi为个体的适应度，fi1是电能计量装置配送时间最短模型目标函数值，w1是fi1的权重，fi2为电能计量装置配送成本最低模型目标函数值，w2是fi2的权重，fi3为电能计量装置配送装载率最高模型目标函数值的倒数，w3是fi3的权重。根据本专利技术的另一方面，提供一种实现上述方法的基于遗传算法的电能计量装置配送排程系统，包括：模型和模型约束条件构建模块，用于基于库房之间的距离、车辆的平均速度、车辆装载的库房所需表计的数量、装卸搬运一个储位的时间构建电能计量装置配送时间最短模型；基于库房所需周转箱的数量、表计的单位配送成本、固定成本构建电能计量装置配送成本最低模型；基于周转箱在车辆中的码放层数、车辆的储位数构建电能计量装置配送装载率最高模型，基于车辆工作时间、车辆载重、车辆储位构建模型约束条件；输入参数编码模块，用于对库房之间的距离、车辆的平均速度、车辆装载的库房所需表计的数量、装卸搬运一个储位的时间、库房所需周转箱的数量、表计的单位配送成本、固定成本、周转箱在车辆中的码放层数、车辆的储位数进行编码，合成初始排程群体；群体适应度计算模块，用于计算初始排程群体的目标函数值，并根据目标函数值计算初始排程群体的适应度；群体选择模块，用于根据初始排程群体的适应度对初始排程群体进行选择，组建遗传排程群体；个体重组模块，用于对该遗传排程群体进行配对，生成遗传配对排程群体，对遗传配对排程群体进行交叉，得到遗传交叉排程群体，对遗传交叉排程群体进行变异，形成次遗传排程群体；循环迭代模块，用于将次遗传排程群体依次输入群体适应度计算模块、群体选择模块和群体重组模块，循环计算，直到计算出满足电能计量装置配送时间最短模型、电能计量装置配送成本最低模型、电能计量装置配送装载率最高模型和模型约束条件的最优排程，对该最优排程中的库房之间的距离、车辆的平均速度、车辆装载的库房所需表计的数量、装卸搬运一个储位的时间、库房所需周转箱的数量、表计的单位本文档来自技高网...

【技术保护点】
1.一种基于遗传算法的电能计量装置配送排程方法，其特征在于，包括：S101，基于库房之间的距离、车辆的平均速度、车辆装载的库房所需表计的数量、装卸搬运一个储位的时间构建电能计量装置配送时间最短模型；基于库房所需周转箱的数量、表计的单位配送成本、固定成本构建电能计量装置配送成本最低模型；基于周转箱在车辆中的码放层数、车辆的储位数构建电能计量装置配送装载率最高模型，基于车辆工作时间、车辆载重、车辆储位构建模型约束条件；S102，对库房之间的距离、车辆的平均速度、车辆装载的库房所需表计的数量、装卸搬运一个储位的时间、库房所需周转箱的数量、表计的单位配送成本、固定成本、周转箱在车辆中的码放层数、车辆的储位数进行编码，合成初始排程群体；S103，计算初始排程群体的目标函数值，并根据目标函数值计算初始排程群体的适应度；S104，根据初始排程群体的适应度对初始排程群体进行选择，组建遗传排程群体；S105，对该遗传排程群体进行配对，生成遗传配对排程群体，对遗传配对排程群体进行交叉，得到遗传交叉排程群体，对遗传交叉排程群体进行变异，形成次遗传排程群体；S106，重复步骤S103至步骤S105，直到计算出满足电能计量装置配送时间最短模型、电能计量装置配送成本最低模型、电能计量装置配送装载率最高模型和模型约束条件的最优排程，对该最优排程中的库房之间的距离、车辆的平均速度、车辆装载的库房所需表计的数量、装卸搬运一个储位的时间、库房所需周转箱的数量、表计的单位配送成本、固定成本、周转箱在车辆中的码放层数、车辆的储位数进行解码，获取电能计量装置配送排程表。...

【技术特征摘要】
1.一种基于遗传算法的电能计量装置配送排程方法，其特征在于，包括：S101，基于库房之间的距离、车辆的平均速度、车辆装载的库房所需表计的数量、装卸搬运一个储位的时间构建电能计量装置配送时间最短模型；基于库房所需周转箱的数量、表计的单位配送成本、固定成本构建电能计量装置配送成本最低模型；基于周转箱在车辆中的码放层数、车辆的储位数构建电能计量装置配送装载率最高模型，基于车辆工作时间、车辆载重、车辆储位构建模型约束条件；S102，对库房之间的距离、车辆的平均速度、车辆装载的库房所需表计的数量、装卸搬运一个储位的时间、库房所需周转箱的数量、表计的单位配送成本、固定成本、周转箱在车辆中的码放层数、车辆的储位数进行编码，合成初始排程群体；S103，计算初始排程群体的目标函数值，并根据目标函数值计算初始排程群体的适应度；S104，根据初始排程群体的适应度对初始排程群体进行选择，组建遗传排程群体；S105，对该遗传排程群体进行配对，生成遗传配对排程群体，对遗传配对排程群体进行交叉，得到遗传交叉排程群体，对遗传交叉排程群体进行变异，形成次遗传排程群体；S106，重复步骤S103至步骤S105，直到计算出满足电能计量装置配送时间最短模型、电能计量装置配送成本最低模型、电能计量装置配送装载率最高模型和模型约束条件的最优排程，对该最优排程中的库房之间的距离、车辆的平均速度、车辆装载的库房所需表计的数量、装卸搬运一个储位的时间、库房所需周转箱的数量、表计的单位配送成本、固定成本、周转箱在车辆中的码放层数、车辆的储位数进行解码，获取电能计量装置配送排程表。2.根据权利要求1所述的基于遗传算法的电能计量装置配送排程方法，其特征在于，初始排程群体包括多个排程个体，每个排程个体是由一组编码后的库房之间的距离、车辆的平均速度、车辆装载的库房所需表计的数量、装卸搬运一个储位的时间、库房所需周转箱的数量、表计的单位配送成本、固定成本、周转箱在车辆中的码放层数、车辆的储位数组成。3.根据权利要求2所述的基于遗传算法的电能计量装置配送排程方法，其特征在于，还包括：计算各排程个体的目标函数值，并根据目标函数值计算各排程个体的适应度；根据各排程个体的适应度计算各排程个体被遗传到下一代群体中的概率，并对所有排程个体进行选择，组建遗传排程群体；对该遗传排程群体中的排程个体进行配对，生成遗传配对排程群体，对遗传配对排程群体中的排程个体进行交叉，得到遗传交叉排程群体，对遗传交叉排程群体中的排程个体进行变异，形成次遗传排程群体。4.根据权利要求1所述的基于遗传算法的电能计量装置配送排程方法，其特征在于，电能计量装置配送时间最短模型如下：其中，dij为从库房i点到库房j点的距离；Xijk为车辆k从库房i点运送至库房j点，值为1，否则，为0；Yik为车辆k配送库房i点，值为1，否则，为0；vk为车辆k的平均速度；qilk为车辆k装载的库房i所需表计l的数量；t为装卸搬运一个储位的时间；i,j为客户节点及配送中心，i,j＝{0,1,2,...,n}，i,j＝0时表示配送中心；k为车辆类型，k＝{1,2,3,...,K}；m为周转箱类型，m＝{1,2,3,...,M}，电能计量装置配送成本最低模型如下：其中，l为设备类型，l＝{1,2,3,...,L}；qimk为车辆k装载的库房i所需周转箱m的数量；Cl为表计l的单位配送成本；μ为成本调节系数；C0为每天的固定成本，电能计量装置配送装载率最高模型如下：其中，为周转箱m在车辆k中的码放层数；Vk为车辆k的储位数，模型约束条件包括车辆工作时间约束、每辆车从计量中心出发需要回到计量中心、车辆进入某一点需要从该点离开、车辆载重约束、车辆储位约束和子回路消除约束。5.根据权利要求4所述的基于遗传算法的电能计量装置配送排程方法，其特征在于，车辆工作时间约束的公式具体如下：其中，T为车辆额定工作时间，考虑加班时间时可调整，每辆车从计量中心出发需要回到计量中心具体如下：车辆进入某一点需要从该点离开具体如下：车辆载重约束的公式具体如下：其中，gl为类型为l的表计的质量，Gk为车辆k的额定载重量，车辆储位约束的公式具体如下：子回路消除约束的公式...

【专利技术属性】
技术研发人员：赵勇，陈鑫，刘雪，刘凯，魏飞，刘婧，乔亚男，翟木然，孙虹，刘浩宇，郭洁，
申请(专利权)人：国网天津市电力公司电力科学研究院，普华讯光北京科技有限公司，
类型：发明
国别省市：天津,12