一种基于双层优化的不确定环境下的设施选址方法技术

本发明专利技术公开了一种基于双层优化的不确定环境下的设施选址方法，是应用于由客户需求点集合I和候选设施集合J所构成的选址场景中，并包括：1初始化上层选址种群；2对所有选址个体进行下层优化，找到匹配最优半径，并进行评价；3对上层种群进行交叉和变异操作，生成临时子代；4根据子代中每个个体对应的设施数量和分散程度，选出好的子代进行下层优化；5依据环境选择策略对父代种群和进行下层优化的子代进行比较，获得下一代种群；6若达到终止条件，输出最终种群；否则返回步骤3执行；7对最终种群的所有个体按评价值进行降序排序，选出最小评价值的设施选址方案。本发明专利技术能有效提高选址的可靠性，从而能获得更高质量的选址方案。从而能获得更高质量的选址方案。从而能获得更高质量的选址方案。

【技术实现步骤摘要】
一种基于双层优化的不确定环境下的设施选址方法


[0001]本专利技术属于设施选址问题领域，具体的说是一种基于双层优化的不确定环境下的设施选址方法。

技术介绍

[0002]设施选址决策作为物流的基本决策之一，是现代物流系统的关键节点。科学性地选定设施位置，以及确定设施半径，可以有效降低运输成本，保证服务水平。
[0003]针对设施选址问题的方法主要集中在精确算法、启发式和元启发式算法。精确算法，如分支定界法，虽然可以找到问题的最优解，但是存在算法时间复杂度较高的情况。这表明精确算法通常只能被用来处理规模较小的设施选址问题。而模拟退火算法、蚁群算法、进化算法等启发式和元启发式算法可以在有限的可接受的时间内找到一组最优解，其中进化算法启发于大自然的生物进化，在求解设施选址问题上展现了良好的竞争力。因此，许多学者为求解设施选址问题，在进化算法上做了诸多工作。正是因为对设施选址问题的不断深入研究，学者们提出了许多算法。然而，大多数已有算法在应对不确定环境下的设施选址问题时的性能和效率方面仍存在不足，并存在随着问题规模的增大，算法的整体表现下降的问本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双层优化的不确定环境下的设施选址方法，是应用于由客户需求点集合I和候选设施集合J所构成的选址场景中，用i表示任意一个客户需求点；用j表示任意一个候选设施点；获取选址场景中每个客户需求点和候选设施点的位置坐标；记候选设施点j到其最远客户i
max
的距离为记候选设施点j到其最近客户i
min
的距离为其特征在于，所述设施选址方法是按照如下步骤进行：步骤一、初始化上层选址种群；步骤1.0、定义当前种群的代数为gen，并初始化gen＝1，令第gen代种群步骤1.0、定义当前种群的代数为gen，并初始化gen＝1，令第gen代种群其中，表示第gen代第num个个体选址方案，且表示第gen代第num个个体选址方案，且表示第num个个体是否选择候选设施点j，当表示第num个个体未选择候选设施点j，当表示第num个个体选择候选设施点j；N
u
表示种群规模，L代表候选设施的数量；步骤1.1、初始化num＝1；步骤1.2、随机生成第num个个体并作为当前个体，将第num个个体放入第gen代种群Y
gen
中；步骤1.3、将num+1赋值给num后，判断num>N
u
是否成立，如成立，则表示得到第gen代种群Y
gen
；否则，返回步骤1.2顺序执行。步骤二、对当前第gen代种群Y
gen
中所有个体选址方案进行下层优化，找到匹配最优半径，并进行评价；步骤2.1、初始化num＝1；步骤2.2、对当前第gen代种群Y
gen
中第num个个体进行下层优化，找到匹配的最优半径，并进行评价；步骤2.2.1、对当前个体中所有取值为“1”的元素重新赋值并作为选址设施的半径；步骤2.2.2、对当前个体进行局部搜索，以优化选址设施的半径，从而得到更新后的当前个体后赋值给并得到当前个体的适应度评价值步骤2.3、将num+1赋值给num后，判断num>N
u
是否成立，如成立，则表示所有个体选址方案的下层优化完成，并得到第gen代种群Y
gen
所有个体选址方案的适应度评价值集合为否则，返回步骤2.2顺序执行；步骤三、对第gen代种群Y
gen
中所有个体选址方案进行上层交叉和变异操作，生成临时子代种群；步骤3.1、定义第gen代临时子代种群为Child
gen
，并初始化为定义一个大小为N
u
的零向量Flag，用来记录第gen代种群Y
gen
中个体被选作父代的情况；定义M为交叉变异的次数，并初始化M＝1；步骤3.2、在[1,N
u
]区间内随机生成第M次交叉变异的两个整数P
1,M
、P
2,M
；
步骤3.3、判断P
1,M
≠P
2,M
，且Flag[P
1,M
]＝0、Flag[P
2,M
]＝0是否成立，若成立，则执行步骤3.4；否则，返回步骤3.2，其中，Flag[P
1,M
]＝0表示第gen代种群Y
gen
中第P
1,M
个个体未被选作父代，Flag[P
2,M
]＝0表示第gen代种群Y
gen
中第P
2,M
个个体未被选作父代；步骤3.4、将向量Flag中与P
1,M
和位置对应的元素置“1”，表示第gen代种群Y
gen
中第P
1,M
个个体和第P
2,M
个个体个个体已被选作父代，并用于生成子代；其中，表示个体中候选设施点j是否被选择，表示个体中候选设施点j是否被选择；步骤3.5、利用交叉算子对第P
1,M
个个体和第P
2,M
个个体进行处理，并生成交叉个体步骤3.6、对交叉个体进行变异操作，得到变异个体生成一个随机数ra，若ra>0.5，则使中位置处的候选设施点被选择；否则，使使中位置处的候选设施点未被选择；步骤3.7、将变异个体作为一个子代个体选址方案并放入第gen代临时子代种群Child
gen
；步骤3.8、判断是否成立，若成立，则表示得到第gen代临时子代种群是否成立，若成立，则表示得到第gen代临时子代种群否则，将M+1赋值给M后，返回步骤3.2顺序执行；步骤四、根据第gen代临时子代种群Child
gen
中每个子代个体选址方案对应的设施数量和分散程度，选出好的子代进行下层优化；步骤4.0、定义第gen代临时子...

【专利技术属性】
技术研发人员：江浩，仇康，张兴义，项小书，王朝，
申请(专利权)人：安徽大学，
类型：发明
国别省市：