【技术实现步骤摘要】
本公开涉及物流配送中心选址，特别涉及一种应用于物流配送中心选址的优化方法和系统。
技术介绍
1、物流配送中心选址问题(location-allocation problem,lap)是现代物流配送设置中重要的规划问题。物流配送中心是物流系统网络中的核心节点以及重要的基础设施，在整个物流系统网络规划中起着枢纽性的作用。当前在选址问题的研究方面，主要有混合整数规划求解、大规模群体决策求解以及两阶段随机规划求解、随机模糊系数的多目标网络优化模型和多成本要素的遗传算法选址求解等。但随着问题规模的增加，模型求解的效率和精度也需要随之提升，因而有必要设计新的高效求解方法来解决此类问题。
技术实现思路
1、本公开旨在至少解决现有技术中存在的技术问题之一，提出了一种应用于物流配送中心选址的优化方法和系统。
2、第一方面，本公开实施例提供了一种应用于物流配送中心选址的优化方法，其特征在于，包括：
3、步骤s1、构建物流配送中心选址模型；
4、所述物流配送中心选址模型的目标为：从n个备选物流配送中心选择启用p个物流配送中心，且m个需求点分别到对应供货的物流配送中心的距离与自身物资需求量的乘积之和最小；用于表征第j个备选物流配送中心是否启用的启用参数hj；
5、
6、步骤s2、基于算术-免疫优化算法来求解所述物流配送中心选址模型得到对应的当前最优解，所述当前最优解包括各启用参数hj的最优值；具体包括：
7、步骤s201、进行免疫算法
8、步骤s202、判断第iter次迭代的原始抗体种群是否满足迭代终止条件；
9、若判断出第iter次迭代的原始抗体种群满足迭代终止条件，则执行步骤s207；若判断出第iter次迭代的原始抗体种群不满足迭代终止条件，则执行步骤s203；
10、步骤s203、进行免疫算法中的选择阶段，从第iter次迭代处理的原始抗体种群中选择出k个抗体，构成当前记忆库,k为正整数且k＜q；
11、步骤s204、进行免疫算法中的交叉阶段，从第iter次迭代处理的原始抗体种群中选取q-k个父代抗体进行交叉处理得到对应q-k个子代抗体，构成第iter次迭代处理的子代抗体种群；
12、步骤s205、进行免疫算法中的变异阶段，将第iter次迭代处理的子代抗体种群中至少部分子代抗体作为目标子代抗体，并将目标子代抗体进行变异更新；具体包括：
13、步骤s2051、进入算术优化算法的数学优化加速阶段，确定第iter次迭代处理所对应数学优化加速系数moa(iter)；
14、步骤s2052、比较预先生成的位于0到1之间的随机数r1与moa(iter)的大小；
15、若r1＜moa(iter)，则执行步骤s2053；若r1＞moa(iter)，则执行步骤s2054；
16、步骤s2053、进入算术优化算法的探索阶段，基于乘除搜索策略对第iter次迭代处理的子代抗体种群中的目标子代抗体进行变异更新；
17、步骤s2054、进入算术优化算法的开发阶段，基于加减搜索策略对第iter次迭代处理的子代抗体种群中的目标子代抗体进行变异更新；
18、步骤s206、将第iter次迭代处理的当前记忆库中的k个抗体和完成变异更新处理后的子代抗体种群中q-k个抗体，共计q个抗体，构成第iter+1次迭代处理所对应的原始抗体种群，并对iter进行加1处理以进行更新；
19、在步骤s206结束后执行步骤s202。
20、步骤s207、输出第iter次迭代的原始抗体种群中的最优亲和力抗体，得到当前最优解。
21、在一些实施例中，所述物流配送中心选址模型中的目标函数为：
22、
23、f表示m个需求点分别到对应供货的物流配送中心的距离与自身需求量的乘积，dij表示第i个需求点到第j个备选物流配送中心的距离，wi表示第i个需求点的物资需求量，zij用于表征第i个需求点是否由第j个备选物流配送中心进行配送；
24、
25、抗体中p个维度中每一维度的取值是对zij的重新编码；其中，对于任意第i个需求点，若当前所选的抗体中的p个维度中出现取值为j，且第i个需求点到第j个物流配送中心之间的距离小于等于第i个需求点到当前所选的抗体中除取值为j之外的其他p-1个维度所示物流配送中心的距离，此时目标函数中的zij取值为1；否则zij取值为0；
26、抗体中p个维度中每一维度的取值是对zij的重新编码；其中，对于任意第i个需求点，若当前所选的抗体中的p个维度中出现取值为j，且第i个需求点到第j个物流配送中心之间的距离小于等于第i个需求点到当前所选的抗体中除取值为j之外的其他p-1个维度所示物流配送中心的距离，此时目标函数中的zij取值为1；否则zij取值为0；
27、所述物流配送中心选址模型中的约束条件包括：
28、条件1、一个需求点仅能由一个物流配送中心进行配送，一个物流配送中心可以配送多个需求点，且物流配送中心的配送半径不受限：
29、
30、条件2、n个备选物流配送中心中仅有p个物流配送中心被启用：
31、
32、条件3、仅被启用的物流配送中心能够向需求点进行配送，没有被启用的物流配送中心无法向需求点进行配送：
33、
34、在一些实施例中，在步骤s205中，在步骤s2051之前还包括：
35、步骤s2050a、基于如下式子确定第iter次迭代处理的子代抗体种群内各子代抗体的亲和力；
36、
37、s∈[1,p]且t∈[1,q-k]
38、b1t表示子代抗体种群内第t个子代抗体的亲和力，表示第i个需求点到子代抗体种群内第t个子代抗体中第s维所示物流配送中心之间的距离，d1i,t表示第i个需求点与子代抗体种群内第t个子代抗体中每一维所示物流配送中心之间的距离的最小值；
39、步骤s2050b、基于如下式子确定第iter次迭代处理的子代抗体种群内各子代抗体的变异概率；
40、
41、p1t表示子代抗体种群内第t个子代抗体的变异概率，α1为第一预设概率值，α2为第二预设概率值，α1∈(0,1)、α2∈(0,1)且α1＜α2，μ1为第一预设系数且μ1∈[0.8,1]，b1best表示子代抗体种群内所有子代抗体的亲和力的最大值；
42、步骤s2050c、针对第iter次迭代处理的子代抗体种群内每一个子代抗体，分别生成各子代抗体所对应的位于0到本文档来自技高网...
【技术保护点】
1.一种应用于物流配送中心选址的优化方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述物流配送中心选址模型中的目标函数为：
3.根据权利要求1所述的方法，其特征在于，在步骤S205中，在步骤S2051之前还包括：
4.根据权利要求1所述的方法，其特征在于，步骤S204包括：
5.根据权利要求1所述的方法，其特征在于，步骤S203包括：
6.根据权利要求1所述的方法，其特征在于，基于如下式子得到数学优化加速系数MOA(Iter)：
7.根据权利要求1所述的方法，其特征在于，在步骤S2053中，基于如下式子对第Iter次迭代处理的子代抗体种群内作为目标子代抗体的第t个子代抗体进行变异更新：
8.根据权利要求1所述的方法，其特征在于，在步骤S2054中，基于如下式子对第Iter次迭代处理的子代抗体种群内作为目标子代抗体的第t个子代抗体进行变异更新：
9.一种应用于物流配送中心选址的优化系统，其特征在于，能够实现如权利要求1至8中任一所述方法，所述系统包括：
...
【技术特征摘要】
1.一种应用于物流配送中心选址的优化方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述物流配送中心选址模型中的目标函数为：
3.根据权利要求1所述的方法，其特征在于，在步骤s205中，在步骤s2051之前还包括：
4.根据权利要求1所述的方法，其特征在于，步骤s204包括：
5.根据权利要求1所述的方法，其特征在于，步骤s203包括：
6.根据权利要求1所述的方法，其特征在于，基于如下式子得到数学优化加速系数moa(iter)：...
【专利技术属性】
技术研发人员：吴锋艳，韩凌，张世强，李彬，王林，苏明江，吴小含，章晨，车木子，冷宛佳，夏雨寒，徐晨辉，
申请(专利权)人：国网湖北省电力有限公司物资公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。