基于SHADE算法的多路径多目标应急物资配送路径选择方法技术

本发明专利技术公开了一种基于成功历史自适应参数的差分进化(SHADE)算法用于搜索应急物资紧急救援路径，主要方法为：通过学习差分进化算法中的成功个体的交叉率和变异率，使得该方法能够找到更优越的路径。为了搜索更多的等效的应急物资救援调度路径，适应度分享机制被同时用在目标空间和决策空间以保证路径的多样性，为用户提供多样的可行路径以供选择，也避免单一路径由于某种突发原因不可通行情况的出现。本发明专利技术不仅能够搜索到满足目标条件的最优应急物资救援调度路径，而且能够提供多条等效路径，为应急物资第一时间送至目的地进行救援提供保障。

【技术实现步骤摘要】
基于SHADE算法的多路径多目标应急物资配送路径选择方法
本专利技术涉及一种多路径多目标应急物资配送路径选择问题。
技术介绍
在现实生活中存在许多路径选址与路径规划问题，这类问题是一种经典的优化问题。可是，现在求解这类优化问题的可行解仅仅只有一个最优方案符合需求。考虑到日常生活中的路径选址和路径规划问题都是静态的，仅仅考虑理想状态下的可行方案。可是，在实际的生活中，环境是动态变化的，例如，在求解得出的最优路径中，由于一些突发状况该路径的部分路段不可通行从而导致该方案并不能顺利到达目的地。特别在应急抢险时仅仅提供一条路径方案是不可行的，这样会导致应急救援物质不能及时送入前线进行救援，进而影响人民群众生命财产安全。因此，有必要设计考虑多个需求目标的情况下的多路径方案进行应急物资配送，这类问题被称为多路径多目标路径选择问题。解决该类问题的难点是在考虑相同的多目标函数值时如何找出多条等效的路径。传统的方法可以解决类似的连续优化问题，并不适用于该类多路径多目标路径选择问题。因此，解决这类问题对现实生活具有重要的意义。<br>
技术实现思路
<本文档来自技高网...

【技术保护点】
1.一种基于SHADE算法的多目标多路径应急物资配送路径选择方法，包括以下步骤：/nS1.初始化参数:种群数量N和参数历史记忆集合长度H；/nS2.初始化种群P＝{x

【技术特征摘要】
1.一种基于SHADE算法的多目标多路径应急物资配送路径选择方法，包括以下步骤：
S1.初始化参数:种群数量N和参数历史记忆集合长度H；
S2.初始化种群P＝{x1,x2,...,xN},参数历史记忆集合MCR,q＝MF,q＝0.5,q＝1,2,...H，序号设为k＝1；
S3.如果执行迭代停止条件不满足：
S3-1.对于种群内的每一个个体xi进化：
S3-11.r是随机从范围内选择的一个整数；
S3-12.根据公式1和2设置变异率Fi和交叉率CRi：
Fi＝randci(uF,0.1)(1)
其中，uF是随机从MF中选择的一个数据，randci(uF,0.1)是根据柯西分布在平均值为uF和标准差为0.1的基础上确定的一个值；
CRi＝randni(uCR,0.1)(2)
其中，uCR是随机从MCR中随机选择的一个数据，randni(uCR,0.1)是根据正态分布在平均值为uCR和标准差为0.1的基础上得到的一个值；
S3-13.变异算子：根据公式3获得个体xi的变异向量vi；
vi＝xi+Fi*(xpbest-xi)+Fi*(xr1-xr2)(3)
其中，Fi为变异率；xpbest是从种群P中选择N*p个优秀的个体集合中选择的一个个体，p是[2/N,0.2]范围内的随机数；
S3-14.交叉算子：根据公式4产生个体xi交叉向量ui；



其中，vi,j是变异向量vi的第j维向量值；xi,j是个体xi的第j维向量值；rand(0,1)是在[0,1]范围内产生一个随机数；CRi是交叉率；jrand是在[1,d]范围内的一个随机整数，d是个体的维度数量；
S3-15.计算ui的目标函数值；
S3-16.如果ui支配xi(ui＜xi),个体ui取代xi...

【专利技术属性】
技术研发人员：王万良，李国庆，王宇乐，金雅文，陈浩立，胡明志，董建杭，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33