一种基于两阶段优化的物流配送路线推荐方法及系统技术方案

本发明专利技术公开了一种基于两阶段优化的物流配送路线推荐方法及系统，首先以配送路径最短化为目标进行多模态优化得到多条物流配送路线，再根据配送员偏好给出最终推荐路线；具体包括如下步骤，步骤1：采用多模态优化思路，基于动态半径划分方法生成小生境，并基于多元宇宙优化算法实现对物流配送问题的多模态寻优，得到多个备选配送路线方案；步骤2：根据配送人员选择的配送距离优先、配送时间优先、用户满意度优先等偏好信息，计算给出最终的配送路线推荐结果。本发明专利技术有效提升配送灵活性和稳健性，对于物流产业全面推进提质增效、优化社会资源配置具有重要意义。

【技术实现步骤摘要】
一种基于两阶段优化的物流配送路线推荐方法及系统
本专利技术涉及一种物流配送路线推荐方法及系统，特别涉及一种基于两阶段优化的物流配送路线推荐方法及系统。
技术介绍
随着信息技术的发展，现代物流作为“第三个利润源泉”是一种先进的组织方式和管理技术，已被世界各国广泛采用，并形成产业化，在国民经济中发挥越来越重要的作用，这一管理技术，正受到日益广泛的重视，并面临巨大的发展机遇，在现代物流中，配送是一个重要的与消费者直接相连的环节，一方面可以体现企业的核心竞争力，另一方面可以通过物流配送优化提高企业的运作效率，降低配送成本，实现物流科学化。现代电子商务中针对物流配送问题的研究一直是一个热点问题，目前有关物流配送路线优化的研究较多，但是其提出的方法主要目的都在于得到物流配送的一条最优路线，也就是优化得到一个最优解。事实上，在配送过程中配送人员通常需要考虑配送费用、配送时间、用户满意度等各方面问题，并且受货物供给、服务点需求、交通拥堵等不确定性因素影响，在实际配送之前也难以全面定义问题模型结构，如不确定信息、约束条件、目标函数等，这使得目前相关研究与实际物流配送过程存在较大差异。因此，如果在构建物流配送路径优化模型基础上，通过多模态优化方法得到多个物流配送路线备选方案，并进一步根据配送人员偏好设置给出物流配送的推荐路线，不但有助于配送前期目标的协调，同时也将使配送方案更具有效性和鲁棒性，更能有效地应对物流配送中的不确定性，且能更好地满足不同配送人员对于停靠服务点、路线安全性、服务质量等方面的不同需求偏好。专利
技术实现思路
本专利技术基于两阶段优化思路，首先以路径最短化为优化目标，基于多模态优化思想，结合小生境技术和多元宇宙优化算法框架，得到优化目标值相同或相似但路线差异明显的多条物流配送路线，在此基础上根据配送人员的推荐偏好设置给出最终推荐的配送路线。本专利技术所要解决的技术问题是提供一种基于两阶段优化的物流配送路线推荐方法及系统，包括如下步骤：步骤1、初始化算法参数；设置种群规模数PS，服务用户数Nc,现有可用配送车辆数Nt，最大迭代次数Tmax，相似度阈值tv，多模态解集A。步骤2、生成初始种群；生成规模为PS的初始种群X，解个体的编码采用长度为Nc+Nt-1的整数序列，对于第i个解个体Xi，其解的编码方式为其中为分割点，将Xi分割成Nt个子序列，分别对应Nt辆车的子路线，再生成0到Nc+Nt-1的自然序列P，通过随机打乱函数shuffle(P)不断生成初始种群X，并计算每个解个体的适应度值fit(Xi)。所述生成初始种群的种群初始化方法为：2.1、针对每一个解个体Xi构建每一辆车的子路线，首先对于前Nt-1辆车，从左至右依次判断是否为分割点，如不是，则判断将该服务点加入到子路线Rk(k<Nt)中后是否满足最大载重量约束条件，如满足则将其加入到Rk的末尾，如不满足则在Rk末尾加上分割点；对于最后一辆车的子路线由剩余服务点依次加入构成，不论子路线是否满足约束条件；从而将解个体Xi更新为2.2、计算解个体Xi的适应度值fit(Xi)，计算方法如下：首先定义Nt+1维的分割数组L，初始化L[1]＝1和L[Nt+1]＝Nc+Nt，从左往右遍历Xi，依次将搜索得到的Nt个分割点位置依次赋值给L[2],L[3],LL[Nt]，截取Xi中位置区间范围[L[k]+1,L[k+1]-1]内的服务点作为第k辆车的服务子路线，并计算相应的路径长度Dk和超出载重量约束值Dk，从而计算相应适应度值为其中g为惩罚系数。本专利技术提出的种群初始化方法中，解个体编码采用单列表方式，可以有效降低算法复杂度，提高收敛速度；同时初始化过程中采用车辆最大载重量约束法生成解个体中的子路线分割点，可以有效提高初始种群的质量，有助于更快得到可行解，提升算法整体寻优性能。步骤3、对于得到的种群X，首先定义两个解个体之间的距离矩阵其中dij为第1个解个体中第i条子路线与第2个解个体中第j条子路线所包含服务点的交集个数除以并集个数，然后计算两个解个体之间的距离为最后按照动态半径划分方法生成小生境种群。所述动态半径划分方法具体如下：3.1、对种群X所有个体按照适应度值进行排序，并选取X中的最优个体Xbest为小生境种子，并选取[2,PS/2]之间的随机整数为领域半径值r。3.2、在决策空间中合并邻近个体形成小生境内个体集合其中X￠为X中剩余个体中距离Xbest最近的r-1个解个体集合。3.3、从种群X中移除Xbest和X￠，如果X＝F，则退出执行并输出所有小生境集合，否则转到步骤3.2继续执行。目前的小生境划分通常采用固定半径方式进行，小生境半径的取值对于算法性能会产生较大影响，本专利技术采用的动态半径划分方法在每次小生境生成过程中都会动态选取半径值，从而生成具备不同规模的小生境种群，因此可以有效降低算法性能对于半径值的敏感度，提升算法的通用性；此外，也可以在保证整体种群多样性的基础上，更加有效地促进不同解个体间的信息共享，提升算法寻优性能。步骤4、在每个小生境内采用改进多元宇宙算法进行寻优，并更新小生境中的解个体。步骤4所述在每个小生境内采用改进多元宇宙算法进行寻优并更新小生境中的解个体，该寻优方法具体如下：4.1、保存当前小生境中的最优解个体Sbest和最差解个体Sworst，将每个解个体视作一个宇宙，并计算每个宇宙Si的膨胀率mi＝(fit(Sworst)-fit(Si))/(fit(Sworst)-fit(Sbest))。4.2、依次遍历小生境中每个宇宙，将当前遍历的宇宙Scur作为黑洞，以每个宇宙的膨胀率mi为概率进行轮盘赌选择，将选中的宇宙Ssel(sel1cur)作为白洞，在Scur和Ssel之间执行路径重链路领域搜索方法，如搜索到更优宇宙S￠，则用S￠替换小生境中距离S￠最近的宇宙。4.3、计算虫洞存在概率z＝zmin+t*(zmax-zmin)/Tmax，其中t为当前迭代次数，zmin和zmax分别为虫洞存在的最小和最大概率值。4.4、生成0到1范围内的随机数r，如果r<z则在Ssel和Sbest之间执行参考领域搜索策略，否则在Ssel和Sbest之间执行路径重链路搜索方法，并用搜索得到的更优宇宙S￠替换小生境中距离S￠最近的宇宙。多元宇宙算法结构简洁，是一种新近提出的寻优算法，并已在复杂优化问题中得到了广泛的应用，本专利技术提出采用改进多元宇宙算法在每个小生境内进行寻优，算法结构简洁，寻优效率高，可得到较好的多模态最优解。步骤5、更新多模态解集A。5.1、将种群X中的解个体按照适应度优劣进行排序，并取前size(A)个解个体。5.2、遍历解集A，如果X中存在相似解，即存在X中第i个解个体Xi与A中第j个解个体Aj距离dij>tv，且fit(Xi)<fit(Aj)，则替换Aj；如果A中不存在相似解，则比较Xi与A中最差解个体Aworst；如果fit(Xi)<fit(Aworst)，本文档来自技高网...

【技术保护点】
1.一种基于两阶段优化的物流配送路线推荐方法及系统，其特征在于包括如下步骤：/n步骤1、初始化算法参数；设置种群规模数P

【技术特征摘要】
1.一种基于两阶段优化的物流配送路线推荐方法及系统，其特征在于包括如下步骤：
步骤1、初始化算法参数；设置种群规模数PS，服务用户数Nc,现有可用配送车辆数Nt，最大迭代次数Tmax，相似度阈值tv，多模态解集A；
步骤2、生成初始种群；生成规模为PS的初始种群X，解个体的编码采用长度为Nc+Nt-1的整数序列，对于第i个解个体Xi，其解的编码方式为其中为分割点，将Xi分割成Nt个子序列，分别对应Nt辆车的子路线，再生成0到Nc+Nt-1的自然序列P，通过随机打乱函数shuffle(P)不断生成初始种群X，并计算每个解个体的适应度值fit(Xi)；
步骤3、对于得到的种群X，首先定义两个解个体之间的距离矩阵其中dij为第1个解个体中第i条子路线与第2个解个体中第j条子路线所包含服务点的交集个数除以并集个数，然后计算两个解个体之间的距离为最后按照动态半径划分方法生成小生境种群；
步骤4、在每个小生境内采用改进多元宇宙算法进行寻优，并更新小生境中的解个体；
步骤5、更新多模态解集A；
5.1、将种群X中的解个体按照适应度优劣进行排序，并取前size(A)个解个体；
5.2、遍历解集A，如果X中存在相似解，即存在X中第i个解个体Xi与A中第j个解个体Aj距离dij>tv，且fit(Xi)<fit(Aj)，则替换Aj；如果A中不存在相似解，则比较Xi与A中最差解个体Aworst；如果fit(Xi)<fit(Aworst)，则替换Aworst；
步骤6、判断迭代次数是否达到Tmax，若是则转到步骤7，否则转到步骤3继续执行；
步骤7、精简得到的多模态解集A，保留A中与最优解个体Abest的适应度值fit(Abest)偏差的解个体；
步骤8、配送人员按照配送距离优先、配送时间优先、用户满意度优先设置路线推荐偏好信息，系统根据设置的偏好信息推荐配送路线；
步骤9、根据实际配送时间更新数据库中的历史配送路线与配送时间记录。


2.根据权利要求1所述的物流配送路线推荐方法及系统，其特征在于：步骤2所述生成初始种群的种群初始化方法为：
2.1、针对每一个解个体Xi构建每一辆车的子路线，首先对于前Nt-1辆车，从左至右依次判断是否为分割点，如不是，则判断将该服务点加入到子路线Rk(k<Nt)中后是否满足最大载重量约束条件，如满足则将其加入到Rk的末尾，如不满足则在Rk末尾加上分割点；对于最后一辆车的子路线由剩余服务点依次加入构成，不论子路线是否满足约束条件；从而将解个体Xi更新为
2.2、计算解个体Xi的适应度值fit(Xi)，计算方法如下：首先定义Nt+1维的分割数组L，初始化L[1]＝1和L[Nt+1]＝Nc+Nt，从左往右遍历Xi，依次将搜索得到的Nt个分割点位置依次赋值给L[2],L[3],LL[Nt]，截取Xi中位置区间范围[L[k]+1,L[k+1]...

【专利技术属性】
技术研发人员：林剑，方瑞茺，李广萍，王周敬，宋洪波，刘雯雯，
申请(专利权)人：浙江财经大学，
类型：发明
国别省市：浙江;33