System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及冷链配送路径规划,更具体的,涉及:1、一种基于改进遗传算法的冷链配送优化方法,2、一种基于改进遗传算法的冷链配送优化系统。
技术介绍
1、冷链物流是利用温控、保鲜等技术工艺和冷库、冷藏车、冷藏箱等设施设备,确保冷链产品在初加工、储存、运输、流通加工、销售、配送等全过程始终处于规定温度环境下的专业物流。
2、冷链配送路径问题(vehicle routing problem,vrp)一直是学界研究的热点。一些学者建立了早期的冷链物流配送基本模型,但是研究当中少有涉及碳约束、或存在碳约束条件考虑较为片面等问题。因此冷链物流有必要从低碳视角进行研究。
3、另外,如今在冷链物流配送模型求解上,粒子群算法、遗传算法、模拟退火算法等启发式算法已得到广泛地应用。其中,遗传算法具有很好的拓展性:它是根据一定的机率来对可能的最优解进行不断的筛选遍历,与其余一般的算法相比,优势在于从多个方向同时来进行解的搜索遍历,这大大提高了算法运行的效率。但是在将碳排放、时间窗、载重量等因素纳入目标函数后,现有传统遗传算法会随着问题维数的提高、约束条件的增多,在求解路径问题时,容易凸显其局部搜索能力较弱、容易早熟收敛的缺陷,造成所求解不是最优解。
技术实现思路
1、基于此,有必要针对现有冷链配送优化方法对于碳约束考虑不足、且现有传统遗传算法使用效果不佳的问题,提供一种基于改进遗传算法的冷链配送优化方法及系统。
2、本专利技术采用以下技术方案实现:
3、第一
4、基于改进遗传算法的冷链配送优化方法包括以下步骤:
5、步骤一,建立最小成本的目标函数z为:
6、z=min(f碳+f1+f2+f3+f4);
7、式中,f碳表示总碳排放成本;f1表示总固定成本;f2表示总运输成本;f3表示时间窗惩罚总成本;f4表示制冷总成本;
8、f碳=c3(g1+g2);c3表示单位碳排放成本;g1表示冷藏车的运输碳排放量;g2表示车载制冷设备的碳排放量;
9、步骤二,设定求解目标函数z的约束条件为:
10、
11、式中,r=1,…,n;n为客户的总数;k表示冷藏车的数量;i=0时,客户0表示配送中心;qr表示客户r的需求量;m表示冷藏车最大装载量;tr表示冷藏车到达客户r的时间;lltr表示客户r最晚能接受的时间;
12、步骤三,基于改进遗传算法按照约束条件求解目标函数z,得到全局最优解、及其对应的全局最优路径minroute;
13、其中,步骤三包括:
14、步骤3.1,初始化种群中的p个个体,并设定最大迭代次数为itermax;
15、步骤3.2,取目标函数z的倒数作为适应度函数,计算每代中的每个个体的适应度;
16、步骤3.3,进行多轮迭代,直至当前迭代次数达到itermax;
17、其中,当前轮次迭代过程包括:依据轮盘赌选择法对当前代个体进行选择,再先后进行交叉、变异处理,接着替换进当前代的优秀个体,得到下一代个体;
18、其中,在对选择后的当前代个体进行交叉处理前,依据选择前的当前代个体的适应度计算结果,将当前代中适应度排名靠前的个体保留、作为当前代的优秀个体;
19、在对选择后的当前代个体进行交叉时,依据自适应的交叉概率pa判断是否进行交叉处理,得到交叉后的当前代个体;
20、在对交叉后的当前代个体进行变异时,依据自适应的变异概率pv判断是否进行变异处理,得到变异后的当前代个体;
21、将当前代的优秀个体替换掉变异后的当前代个体中适应度排名靠后的个体,得到下一代个体;
22、步骤3.4,获取迭代过程中最大适应度maxfitness,将maxfitness对应的解即作为全局最优解、对应的路径作为全局最优路径minroute。
23、该种基于改进遗传算法的冷链配送优化方法实现根据本公开的实施例的方法或过程。
24、第二方面,本专利技术公开了基于改进遗传算法的冷链配送优化系统,其使用了第一方面的基于改进遗传算法的冷链配送优化方法。
25、基于改进遗传算法的冷链配送优化系统包括:目标函数建立模块、约束条件设定模块、遗传算法求解模块。
26、目标函数建立模块用于建立最小成本的目标函数z。约束条件设定模块用于设定求解目标函数z的约束条件。遗传算法求解模块用于基于改进遗传算法按照约束条件求解目标函数z,得到全局最优解、及其对应的全局最优路径minroute。
27、该种基于改进遗传算法的冷链配送优化系统实现根据本公开的实施例的方法或过程。
28、第三方面,本专利技术公开了一种可读存储介质。该可读存储介质中存储有计算机程序指令,计算机程序指令被一处理器读取并运行时,执行第一方面的基于改进遗传算法的冷链配送优化方法的步骤。
29、本专利技术还公开了一种计算机终端,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序。该处理器执行程序时实现第一方面的基于改进遗传算法的冷链配送优化方法的步骤。
30、与现有技术相比,本专利技术具备如下有益效果:
31、1,本专利技术将时间窗、碳排放等因素纳入目标函数,其中碳排放考虑了车载制冷设备的碳排放量,更加贴近实际情况,从而使求解的场景更加符合实际要求;
32、2,本专利技术的目标函数虽然提高了问题维数、增加了约束条件,但在求解时,还对遗传算法进行了改进:一方面将上一代优秀个体进行保留的处理步骤加入选择操作,并替换掉下一代不优秀的个体,保证了个体整体的质量;另一方面,引入了自适应机制来维持交叉、突变的动态平衡,以减少优秀个体交叉突变的可能性,从而提升局部搜索能力、改善早熟收敛的不足,可以获得较高质量的解,最终有效降低冷链物流车辆配送的总成本。
本文档来自技高网...【技术保护点】
1.基于改进遗传算法的冷链配送优化方法,其特征在于,用于求取若干辆冷藏车对若干个客户进行冷链配送时满足最小成本的全局最优解;
2.根据权利要求1所述的基于改进遗传算法的冷链配送优化方法,其特征在于,步骤一中,
3.根据权利要求2所述的基于改进遗传算法的冷链配送优化方法,其特征在于,步骤一中,
4.根据权利要求3所述的基于改进遗传算法的冷链配送优化方法,其特征在于,步骤3.1中,单个个体包括4个数组;
5.根据权利要求1所述的基于改进遗传算法的冷链配送优化方法,其特征在于,步骤3.2中,适应度函数为:
6.根据权利要求3所述的基于改进遗传算法的冷链配送优化方法,其特征在于,步骤3.3中,
7.根据权利要求1所述的基于改进遗传算法的冷链配送优化方法,其特征在于,步骤3.3中,将当前代中适应度排名前20%的个体作为当前代的优秀个体,并替换掉变异后的当前代个体中适应度排名后20%的个体。
8.根据权利要求1或7所述的基于改进遗传算法的冷链配送优化方法,其特征在于,步骤3.3中,先对当前代个体进行概率分配,
9.一种基于改进遗传算法的冷链配送优化系统,其特征在于,其使用了如权利要求1-8中任一所述的基于改进遗传算法的冷链配送优化方法;
10.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序指令,计算机程序指令被一处理器读取并运行时,执行如权利要求1-9中任一所述的基于改进遗传算法的冷链配送优化方法的步骤。
...【技术特征摘要】
1.基于改进遗传算法的冷链配送优化方法,其特征在于,用于求取若干辆冷藏车对若干个客户进行冷链配送时满足最小成本的全局最优解;
2.根据权利要求1所述的基于改进遗传算法的冷链配送优化方法,其特征在于,步骤一中,
3.根据权利要求2所述的基于改进遗传算法的冷链配送优化方法,其特征在于,步骤一中,
4.根据权利要求3所述的基于改进遗传算法的冷链配送优化方法,其特征在于,步骤3.1中,单个个体包括4个数组;
5.根据权利要求1所述的基于改进遗传算法的冷链配送优化方法,其特征在于,步骤3.2中,适应度函数为:
6.根据权利要求3所述的基于改进遗传算法的冷链配送优化方法,其特征在于,步骤3.3中,
7.根据权利要求...
【专利技术属性】
技术研发人员:张红伟,阳登江,孙世荣,王悦,徐昊翔,
申请(专利权)人:安徽大学,
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。