一种基于动态遗传算法的平衡运输问题解决方法技术

一种基于动态遗传算法的平衡运输问题解决方法，首先，设置参数；2)通过ArcMap获得的地图设置m个产地及n个销售地，通过智能混合算法计算费用成本矩阵；初始化种群；判断是否大于迭代次数；如果迭代次数不大于设定值，则进入循环，否则结束程序；判断是否大于交叉变异的迭代次数，如果大于迭代次数，则继续执行；如果小于迭代次数，退出循环；交叉、变异和选择，将结果以蒙特卡洛的方式接受。本发明专利技术结合了ArcMap，基于矩阵分解，提出了一种提升收敛性和实时性较好的基于动态遗传算法的运输问题解决方法。

A solution to the problem of balanced transportation based on dynamic genetic algorithm

【技术实现步骤摘要】
一种基于动态遗传算法的平衡运输问题解决方法
本专利技术涉及一种地理信息数据处理、计算机应用领域、地理学、图论与网络分析，尤其涉及一种基于动态遗传算法的运输问题解决方法。技术背景一个物体从一个位置到另一个位置的转移就产生了运输。对于运输问题的研究通常用来解决运输问题中物资如何运输，费用如何优化，计划如何制定，人员怎么安排等实际问题。特别是近年来物流的繁荣发展，物流问题为解决现实问题提供了理论基础和现实意义，更对物流问题的解决提出了更高的要求。如何科学有效的组织运输，并且节约成本，提高运输质量，实现效益等各个方面利益最大化，对我国的国民和经济发展十分重要。对于运输本身而言，一般情况下最关心的问题还是如何节约运输成本，而现实中的运输问题又不仅仅是最短路径那么简单，通常费用的大小还和作业时间，道路优异，天气好坏，人工成本涨跌，气候变化差异等等一系列相关，这些都会多多少少影响着单位成本费用。而如何将各种复杂的现实场景抽象成数学模型，并用合适的方法求解模型的最优解，对于运输问题是至关重要的。而运输问题随着维数的增加，用传统的算法的时间复杂度和空间复杂度都会呈指数增长，这给问题的求解带了巨大的困难。所以对于大规模运输问题，通常采用智能算法解决，例如模拟退火，蚁群算法，禁忌搜索，神经网络等。
技术实现思路
为了克服现有运输问题解决方式的收敛性较差、实时性较差的不足，本专利技术对运输问题做了研究，用改进后的遗传算法对动态变化的运输费用问题进行求解。将从ArcMap平台获取费用矩阵采用遗传算法进行求解。遗传算法中的变异采用动态变异率，可以加速算法收敛性。对于变异产生的染色体采用蒙特卡洛接收的形式，使算法避免陷入局部最优。经过若干次迭代，求出运输问题的解。本专利技术解决其技术问题所采用的技术方案是：一种基于动态遗传算法的平衡运输问题解决方法，包括以下步骤：1)设置参数：种群规模NP、迭代次数G、产地数量m、销售地数量n和适应度函数调整系数ω；2)通过ArcMap获得的地图设置m个产地及n个销售地，通过智能混合算法计算费用成本矩阵，C；3)种群初始化，迭代如下过程生成初始种群X＝{X1,X2,...,XNP}，其中4)设g＝1，其中g∈{1,2,...,G}；5)对种群中的个体随机两两配对，组成NP/2个父本对；对每对父本执行步骤6)至8)；6)交叉操作，过程如下：6.1)假设和是两个随机选择的父代个体，建立两个临时矩阵D＝(dij)m×n和R＝(rij)m×n，其中mod为求余数；6.2)将生成的R矩阵分解为和其中R＝R1+R2(3)6.3)生成交叉个体和7)对交叉个体和分别执行变异操作，过程如下：7.1)随机选择交叉个体的p行和q列，建立子矩阵Y＝(yij)m×n，其中2≤p≤m，2≤q≤n；7.2)生成新的子矩阵Y′＝(y′ij)p×q，该矩阵满足如下公式：7.3)将子矩阵Y′＝(y′ij)p×q替换交叉个体构建子矩阵相应位置的元素，生成子代个体和8)选择操作，过程如下：8.1)设计适应度函数：其中ω为调整系数；8.2)分别计算父代个体X1、X2和子代个体和的适应度f(X1)、f(X2)、8.3)若用替换X1进入种群；否则按概率替换，替换概率如下：8.4)若用替换X2进入种群；否则按概率替换，替换概率如下：9)迭代步骤6)至步骤8)，直至所有父本对都执行完成；10)g＝g+1；若g≤G，转至步骤5)步；否则，结束程序，输出最优解。本专利技术的有益效果主要表现在：一方面，用不同于传统的线性规划的解法，采用遗传算法来解决运输问题；另一方面采用了动态变异加上蒙特卡洛接收策略提升了算法的收敛性。附图说明图1是一种基于动态遗传算法的运输问题流程图。图2是一种基于动态遗传算法的运输问题解决方法的交叉过程流程图。图3是一种基于动态遗传算法的运输问题解决方法的变异过程流程图。具体实施方式下面结合附图对本专利技术进一步描述。参照图1、图2和图3，一种基于动态遗传算法的运输问题解决方法，包括以下步骤：1)设置参数：种群规模NP、迭代次数G、产地数量m、销售地数量n和适应度函数调整系数ω；2)通过ArcMap获得的地图设置m个产地及n个销售地，通过智能混合算法计算费用成本矩阵C；3)种群初始化，迭代如下过程生成初始种群X＝{X1,X2,...,XNP}，其中4)设g＝1，其中g∈{1,2,...,G}；5)对种群中的个体随机两两配对，组成NP/2个父本对；对每对父本执行步骤6)至8)；6)交叉操作，过程如下：6.1)假设和是两个随机选择的父代个体，建立两个临时矩阵D＝(dij)m×n和R＝(rij)m×n，其中mod是求余数6.2)将生成的R矩阵分解为和其中R＝R1+R2(3)6.3)生成交叉个体和7)对交叉个体和分别执行变异操作，过程如下：7.1)随机选择交叉个体的p行和q列，建立子矩阵Y＝(yij)m×n，其中2≤p≤m，2≤q≤n；7.2)生成新的子矩阵Y′＝(y′ij)p×q，该矩阵满足如下公式：7.3)将子矩阵Y′＝(y′ij)p×q替换交叉个体构建子矩阵相应位置的元素，生成子代个体和8)选择操作，过程如下：8.1)设计适应度函数：其中ω为调整系数；8.2)分别计算父代个体X1、X2和子代个体和的适应度f(X1)、f(X2)、8.3)若用替换X1进入种群；否则按概率替换，替换概率如下：8.4)若用替换X2进入种群；否则按概率替换，替换概率如下：9)迭代步骤6)至步骤8)，直至所有父本对都执行完成；10)g＝g+1；若g≤G，转至步骤5)步；否则，结束程序，输出最优解。以浙江某地区为例，一种基于动态遗传算法的运输问题解决方法步骤如下：1)设置参数：种群规模NP＝20、迭代次数G＝5000、产地数量m＝5、销售地数量n＝8、适应度函数调整系数ω＝144；2)通过ArcMap获得的地图设置5个产地及8个销售地，通过智能混合算法计算费用成本矩阵C；3)种群初始化，迭代如下过程生成初始种群X＝{X1,X2,...,X20}，其中4)设g＝1，其中g∈{1,2,...,5000}；5)对种群中的个体随机两两配对，组成10个父本对；对每对父本执行步骤6)至8)；6)交叉操作，过程如下：6.1)假设和是两个随机选本文档来自技高网...

【技术保护点】
1.一种基于动态遗传算法的平衡运输问题解决方法，其特征在于：所述基于动态遗传算法的运输问题解决方法包括以下步骤：/n1)设置参数：种群规模NP、迭代次数G、产地数量m、销售地数量n和适应度函数调整系数ω；/n2)通过ArcMap获得的地图设置m个产地及n个销售地，通过智能混合算法计算费用成本矩阵C；/n3)种群初始化，迭代如下过程生成初始种群X＝{X

【技术特征摘要】
1.一种基于动态遗传算法的平衡运输问题解决方法，其特征在于：所述基于动态遗传算法的运输问题解决方法包括以下步骤：
1)设置参数：种群规模NP、迭代次数G、产地数量m、销售地数量n和适应度函数调整系数ω；
2)通过ArcMap获得的地图设置m个产地及n个销售地，通过智能混合算法计算费用成本矩阵C；
3)种群初始化，迭代如下过程生成初始种群X＝{X1,X2,...,XNP}，其中



4)设g＝1，其中g∈{1,2,...,G}；
5)对种群中的个体随机两两配对，组成NP/2个父本对；对每对父本执行步骤6)至8)；
6)交叉操作，过程如下：
6.1)假设和是两个随机选择的父代个体，建立两个临时矩阵D＝(dij)m×n和R＝(rij)m×n，其中mod是求余数；






6.2)将生成的R矩阵分解为和其中
R＝R1+R2(3)






6.3)生成交叉个体和
<...

【专利技术属性】
技术研发人员：张贵军，李远锋，孙沪增，胡俊，周晓根，秦子豪，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33