一种基于蚁群算法的应急医疗物资配送优化方法技术

本发明专利技术为在利用区域‑组别概念，k‑means聚类、蚁群、公平算法，二进制表达方式的基础上建立起来的一种基于蚁群算法的应急医疗物资配送优化方法。首先根据配送点的坐标采用k‑means聚类进行分类；其次利用二进制全遍历对配送车辆载重量进行进一步分类；接着，采用蚁群算法进行组别配送路径确定；依次通过返回判断满足条件和设定参数降低运算量；最终根据突发情况采用公平算法给出具体配送方案。整个步骤简明清晰，在应急医疗物流配送领域具有很大的应用价值。

【技术实现步骤摘要】
一种基于蚁群算法的应急医疗物资配送优化方法
本专利技术涉及物流调度
，具体一种基于蚁群算法的应急医疗物资配送优化技术。
技术介绍
物资配送调度问题属于车辆路径问题，可描述为：在保证完成配送任务的情况下，合理利用有限资源，对一系列装货点(配送中心)和卸货点(配送目的地)，组织规划适当的行车线路，使车辆有序运输，提高运输效率和节约资源的一种路线规划方法。在满足一定的约束条件(如配送点需求量、配送车辆载重量、限制配送路径长度等限制)下，达到一定的目标(配送路径尽可能短、车辆满载率尽可能高、成本尽可能低的优化配送方案)。应急医疗物资配送调度优化方法适用于在人员存在紧张缺口、医疗车辆载重量及数量有限存在现实的情况下，某一城市内的应急医疗从一配送中心配送到各配送点的配送方案优化。针对医疗物资的配送优化存在配送的时间限制性、人员紧缺性和药物特殊性等多约束。首先，医药商品做为一种特殊的商品，在配送过程中，往往有着更严格的监管和运输条件限制，具有极高的任务完成度和很强的时间限制性要求。相应要求的智能化优化配送系统存在市场缺口。其次突发事件下，应急医本文档来自技高网...

【技术保护点】
1.一种基于蚁群算法的应急医疗物资配送优化方法，其特征在于：包括如下步骤：/n步骤01.输入配送点数据的坐标位置，并且输入参数，如聚类中心K；/n步骤02.区域分类，利用欧式距离对配送点进行K-means聚类，将N个配送点分成有K个聚类中心的U＝K个区域A

【技术特征摘要】
1.一种基于蚁群算法的应急医疗物资配送优化方法，其特征在于：包括如下步骤：
步骤01.输入配送点数据的坐标位置，并且输入参数，如聚类中心K；
步骤02.区域分类，利用欧式距离对配送点进行K-means聚类，将N个配送点分成有K个聚类中心的U＝K个区域Au，且每一区域的配送点数量都小于单次聚类最大数量Nmax这个参数值，|{Pn|Pn∈Au}|≤Nmax,n＝1,2,...,N,u＝1,2,...,U；
步骤03.组别分类，对各区域进行载重量返回判断，若该区域内配送点需求量大于车辆配送量，则采用二进制遍历的方法，将该区域划分为M个组别Gum，且每一组别的满载率都大于最低满载率ηsim这个参数值，



步骤04.组别配送距离计算，利用蚁群算法，根据信息素的浓度，采用蚁周模型，确定每一组别Gum的最短配送路径及相应最短距离；
步骤05.限制配送距离返回判断，若该组别的最短配送距离大于运输车的最大行驶距离Lmax，则将该组别通过二进制遍历的方法拆成若干个子组，再次利用蚁群算法，在满足限制配送距离的条件下，给出距离之和最短的方案；
步骤06.整合所有组别和子组的配送方案，给出组别确定的配送具体规划；
步骤07.根据应急情况，分别增加采用限制时间Tlimit或限制人员数Hlimit的约束条件，采用公平算法，最终给出选用人员最少或所用时间最短的应急医疗物资具体规划。


2.根据权利要求1所述一种应急医疗物资配送调度优化方法，其特征在于：所述步骤02具体包括：
步骤021.对于K个聚类中心，先随机产生K个聚类点，根据选择每个配送点(坐标已标准化)到不同聚类点的最小欧氏距离，将每一个配送点划分为K大类；
步骤022.求出每一类的聚类中心A′u，即将每一类中的所有配送点求其均值，均值向量则为聚类中心；
步骤023.根据聚...

【专利技术属性】
技术研发人员：张婷婷，王卓颖，沈佳诚，李晓红，
申请(专利权)人：浙江中医药大学，
类型：发明
国别省市：浙江;33