基于蚁群优化算法的智慧城市动态冷链物流调度方法技术

本发明专利技术公开了一种基于蚁群优化算法的智慧城市动态冷链物流调度方法，涉及智慧物流和智能计算技术领域。本发明专利技术建立了面向动态场景的冷链物流调度模型，与传统冷链物流调度模型不同的地方在于该模型考虑了动态场景中订单信息变化以及冷藏车状态变化等因素。同时，该模型还考虑了配送前先取货的要求，更加贴近现实调度场景。为了求解该模型，本发明专利技术基于蚁群优化算法设计了一种调度方法。该方法将调度过程划分为订单分配和路径规划两个阶段，同时集成了双信息素策略、预剪枝策略和记忆学习策略，能够有效地缩小搜索空间并利用历史经验。实验证明，与先到先服务等调度方法相比，本方法具有更好的性能，即获得的调度方案具有更低的成本。

【技术实现步骤摘要】
基于蚁群优化算法的智慧城市动态冷链物流调度方法
本专利技术涉及智慧物流和智能计算
，具体涉及一种基于蚁群优化算法的智慧城市动态冷链物流调度方法。
技术介绍
作为物流产业的一个重要分支，冷链物流在现代生活和智慧城市的建设中发挥着重要的作用。冷链物流的主要运输对象是对运输环境的温湿度有较高要求的物品，包括但不限于生鲜，电子元件和医药制品等。由于冷藏技术限制，货物的质量在运输过程中随着时间逐步下降。货物经历的运输时长越长，质量损失就越严重。货物的质量是影响客户满意度的一个重要因素，因而也对物流公司的竞争力有着极大的影响。因此，与普通物流调度相比，冷链物流调度除了要保证货物及时送达，还应当尽量减少运输造成的质量损失。增加了质量损失因素的物流调度模型作为新的物流调度模型，也带来了新的挑战。有关数据显示，冷链物流运输过程中由于质量损失造成的浪费相当严重。为了缓解这种现象，除了改进冷藏技术，还可以通过设计一种高效的调度方法来提高运输效率。另外，目前关于冷链物流调度的工作大多数都是基于静态环境的调度。这里基于静态环境的冷链物流调度指的是在调度开始本文档来自技高网...

【技术保护点】
1.一种基于蚁群优化算法的智慧城市动态冷链物流调度方法，其特征在于，所述的调度方法包括下列步骤：/nS1、根据子问题i的划分找出第i次调度中参与分配的订单集合以及参与路径规划的订单集合，i＝1,2,3,…；/nS2、实施双信息素策略，定义两种信息素并对其进行初始化，其中一种信息素vτ设置于参与第i次分配的订单与所有冷藏车之间，另一种信息素oτ设置于所有参与第i次路径规划的订单之间；/nS3、实施预剪枝策略，在实行订单分配之前根据启发式信息weight(o,v)为每个订单划分合适的冷藏车选择范围Vset(o)，其中，weight(o,v)的计算方式为/n

【技术特征摘要】
1.一种基于蚁群优化算法的智慧城市动态冷链物流调度方法，其特征在于，所述的调度方法包括下列步骤：
S1、根据子问题i的划分找出第i次调度中参与分配的订单集合以及参与路径规划的订单集合，i＝1,2,3,…；
S2、实施双信息素策略，定义两种信息素并对其进行初始化，其中一种信息素vτ设置于参与第i次分配的订单与所有冷藏车之间，另一种信息素oτ设置于所有参与第i次路径规划的订单之间；
S3、实施预剪枝策略，在实行订单分配之前根据启发式信息weight(o,v)为每个订单划分合适的冷藏车选择范围Vset(o)，其中，weight(o,v)的计算方式为



其中，depart_p(v,i)是冷藏车所在地，depot(o)是订单o货物所在的冷库，dis(depart_p(v,i),depot(o))是depart_p(v,i)与depot(o)的距离，load_order(v,i)是第i次调度开始前冷藏车v已装载且待配送的订单集合，|·|表示集合·的元素个数，dis(midpos(v),dest(o))是midpos(v)与dest(o)的距离，midpos(v)是load_order(v,i)中订单目的地的中心，dest(o)是订单o目的地；
S4、实施记忆学习策略，使用第i-1次调度的优选调度结果s更新信息素，更新方式为
vτ(o,v)＝vτ(o,v)+rand(0,0.1)×(Fs)-1(2)
oτ(o,w)＝oτ(o,w)+rand(0,0.1)×(FS)-1(3)
其中，vτ(o,v)代表订单o和冷藏车v之间的信息素，而oτ(o,w)代表订单o和订单w之间的信息素，rand(0,0.1)是0至0.1之间的随机小数，Fs是s的适应值；
S5、使用蚁群优化算法构建解，蚁群优化算法首先将第i次调度中参与分配的订单按照轮盘赌选择法依次分配给冷藏车，接着，每只蚂蚁按照统一的订单分配方案，依次为每辆冷藏车构建配送路径，即确定订单配送顺序。


2.根据权利要求1所述的基于...

【专利技术属性】
技术研发人员：詹志辉，吴丽娇，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44