一种基于多目标粒子群优化算法的乙醇库存补货策略制造技术

本发明专利技术提出了一种基于多目标粒子群优化算法的乙醇库存补货策略，针对乙醇库存量难以优化确定的问题，实现对乙醇库存补货量的合理规划，降低乙醇库存总成本。该乙醇库存补货策略通过建立仓储成本模型和采购成本模型，获取成本与补货批量、启动补货策略库存余量和送达时间的关系；利用多目标粒子群优化算法优化仓储成本模型和采购成本模型，得到单个周期每次补货时固定的补货批量、启动补货策略库存余量和送达时间的最优设定值，从而使乙醇库存量保持在一个合理的水平，促进库存优化控制，保证工业过程稳定运行。

An Ethanol Stock Replenishment Strategy Based on Multi-objective Particle Swarm Optimization

【技术实现步骤摘要】
一种基于多目标粒子群优化算法的乙醇库存补货策略
本专利技术利用多目标粒子群优化算法实现对乙醇库存补货量的合理规划，获取单个周期每次补货时固定的补货批量、启动补货策略库存余量和送达时间的最优设定值，基于多目标粒子群优化算法的乙醇库存补货策略不仅可以降低库存总成本，而且能够提高库存周转效率。将多目标粒子群优化算法应用于乙醇库存补货策略，对乙醇库存补货量进行合理规划，促进库存优化控制，是工业过程运行的重要组成部分，属于过程控制领域。
技术介绍
库存补货策略对乙醇的库存量水平有着重要的影响，如果策略不当容易造成乙醇的囤积或短缺。乙醇使用的随机性、交货时间的延迟性，使企业必须持有一定量的库存以满足实验需求，且由于乙醇化学性质的特殊性，仓库内乙醇存储数量有规定的上限值，但库存量并不是越小越好。库存量过小，会因供应不足、加急配送而增大采购成本；库存量过大，会增加管理成本同时增大危险事故发生的可能性。采用优化后的乙醇库存补货策略进行补货，可以使乙醇库存量保持在一个合理的水平，从而降低库存总成本，促进库存优化控制。因此，本专利技术的研究成果具有广阔的应用前景。如今化学品都是依靠管理员的经验补货，对人依本文档来自技高网...

【技术保护点】
1.一种基于多目标粒子群优化算法的乙醇库存补货策略，其特征在于，包括以下步骤：(1)选择与乙醇仓储成本和采购成本都相关的变量为：补货批量Q(t)、启动补货策略库存余量R(t)、送达时间L(t)；(2)建立乙醇仓储成本和采购成本模型：

【技术特征摘要】
1.一种基于多目标粒子群优化算法的乙醇库存补货策略，其特征在于，包括以下步骤：(1)选择与乙醇仓储成本和采购成本都相关的变量为：补货批量Q(t)、启动补货策略库存余量R(t)、送达时间L(t)；(2)建立乙醇仓储成本和采购成本模型：其中，f1(t)为第t个周期的乙醇仓储成本模型，包含管理成本、事故风险成本、变质损失成本；f2(t)为第t个周期的乙醇采购成本模型，包含订货成本、运输成本、加急配送应变成本；以一年为一个周期，Q(t)为第t个周期每次补货时的固定补货批量；R(t)为第t个周期每次启动补货策略库存余量；L(t)为第t个周期的每次送达时间；m为乙醇日需求量的期望值；M为单个周期内乙醇需求总量的期望值；A为每瓶乙醇的在单个周期内的仓储成本；a为每瓶乙醇的订货成本；b为每瓶乙醇的运输成本；CT0为每次运输固定成本；L2为物流配送的最长时间间隔；n为缩短物流配送时间需要增加的应变成本；(3)设计乙醇库存补货策略优化方法：①初始化优化迭代步数K；②将建立的乙醇仓储成本和采购成本模型作为多目标粒子群算法的优化目标函数；③第k步迭代计算时，将粒子的位置xt(k)＝[Qt(k)，Rt(k)，Lt(k)]代入目标函数，计算出目标函数值；其中，k为当前迭代步数，xt(k)为第t个周期第k步迭代的粒子位置；Qt(k)为第t个周期第k步迭代的补货批量；Rt(k)为第t个周期第k步迭代的启动补货策略库存余量；Lt(k)为第t个周期第k步迭代的送达时间；获得进化计算过程中第t个周期第k步的个体最优位置pt(k)，将第t个周期第k步的个体最优位置pt(k)与第t个周期第k-1步知识库的解Ht(k-1)进行比较，Ht(k-1)＝[h1,t(k-1)，h2,t(k-1)，…，hι,t(k-1)]，hι,t(k-1)为第t个周期第k-1步知识库中第ι个最优解，通过支配关系更新第t个周期第k步的知识库Ht(k)，支配关系计算功能是：Ht(k)＝Ht(k-1)∪pt(k-1),若f1(hι,t(k-1))≥f1(pt(k-1))且f2(hι,t(k-1))≥f2(pt(k-1))(4)其中，∪是关系并，将第t个周期第...

【专利技术属性】
技术研发人员：韩红桂，郐晓丹，张璐，甄琪，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京,11