一种基于改进蚁群算法的应急物流中转站选址方法技术

本发明专利技术公开了一种基于改进蚁群算法的应急物流中转站选址方法，以应急需求覆盖程度最大化和应急成本最小化为目标，构建多目标优化模型，结合该优化模型的约束条件，确定临时中转站的个数；利用聚类蚁群算法结合贪心算法求解多目标优化模型，依次对各灾情等级下的受灾点被覆盖情况进行聚类分析，确定受灾点分组，制定中转站的初步选址方案；对未被选中的中转站进行评估，用评价函数值最大的中转站替换初步选中的中转站，进行中转站重定位直到选址方案不再变化；输出最终的中转站选址方案。本发明专利技术在状态转移概率、共享禁忌表、贪心算法思想运用上对蚁群算法进行了改进，提高了收敛速度和求解质量，为应急物资中转站选址方案的优化提供了理论依据。

【技术实现步骤摘要】

本专利技术涉及一种基于改进蚁群算法的应急物流中转站选址方法。
技术介绍
近年来，随着科技水平的不断提高，许多自然灾害逐步可以预防和控制，但一些灾害仍然不可避免且发生的频率较高，比如说地震灾害。我国是地震灾害的多发国家，近几年发生的几起地震灾害给灾区人民群众的人身安全与生活设施等造成了重大的损失，也增加了社会的不安定因素。在多次突发灾害中，国家和政府都给与了大量的财政补贴，并出动了大批专业救援队伍进行了第一时间的积极营救工作。但是，地震灾害所造成的损失是巨大而不可估量的。每一次地震灾害的发生都亟需应急物资的支持，应急物流在其中就承载着至关重要的作用，救援的人力、物力、财力都要通过应急物流通道才能运往灾区，从而第一时间保障灾区的生命和财产安全。纵观近年来发生的地震灾害，灾害发生后往往会有多地同时提出多种应急物资需求，这给应急物流的响应能力和物资调配能力提出了较高的要求。为了快速有效的响应灾区的多种应急需求，首先要解决的就是应急物资中转站选址问题。中转站选址问题属于应急物流车辆路径问题研究中的一个分支，国外专家学者在这一领域的探索研究起步较早，取得了颇为丰硕的研究成果。目前来看，关于中转站选址问题的探索主要以利润最大化、最大程度覆盖受灾点、公平性为目标，通过与动态建模思想融会贯通，构建相关中转站选址模型。然而由于实际问题的复杂性，现有的研究大多是针对大规模物资储备仓库的选址，没有考虑到在受灾区域内的选址问题；选用的智能算法在求解应急物资中转站选址模型时会存在诸多问题，如过早收敛、易陷入局部最优等，且不能适应各种突发事件下的不确定性需求，亟需进一步深入探讨。
技术实现思路
本专利技术为了解决上述问题，提出了一种基于改进蚁群算法的应急物流中转站选址方法，提出了多供应点多需求点多物资需求的带软时间窗非满载类应急物资中转站选址问题，针对需求信息已知且后期不会发生变化的静态情况进行分析，构建了临时中转站选址模型，确立了合理的中转站地址，用以存放从物资储备库和社会各界收集来的救援物资，从而有效缩短应急物资的调配时间，实现灾区需求满足最大化。为了实现上述目的，本专利技术采用如下技术方案：一种基于改进蚁群算法的应急物流中转站选址方法，包括以下步骤：(1)以应急需求覆盖程度最大化和应急成本最小化为目标，构建多目标优化模型，结合该优化模型的时间窗限制、总投资金额、公平性、应急调度效率等约束条件，确定临时中转站的个数；(2)利用聚类蚁群算法结合贪心算法求解多目标优化模型，依次对各灾情等级下的受灾点被覆盖情况进行聚类分析，确定受灾点分组，制定中转站的初步选址方案；(3)结合各受灾组内受灾点发生不同灾情等级的概率、对不同物资的需求量、是否被覆盖建立评价函数，对未被选中的中转站进行评估，用评价函数值最大的中转站替换初步选中的中转站，进行中转站重定位直到选址方案不再变化；(4)输出最终的中转站选址方案。所述步骤(1)中，应急成本为中转站总成本，包括中转站建设成本和运维成本。所述步骤(1)中，以应急需求覆盖程度最大化为目标的目标函数为：f1=maxΣs=1pΣj=1mΣl=1kxjslujlspjs]]>其中，j为受灾区域需求点编号，j＝1，2…m；s为受灾等级分类，s＝1，2…p；l为第l种应急资源的编号，l＝1，2……·k；xjsl表示需求点j在灾情等级为s时对资源l的需求量；当时，需求点j在灾情等级为s时对资源l的需求被覆盖，当时，不能被覆盖；pjs为需求点j发生s级灾情的概率。所述步骤(1)中，以应急成本最小化为目标的目标函数为：f2=minΣi=1nvi(hi+ri)]]>其中，i为备选应急资源中转站编号，i＝1，2…n；当vi＝1时，表示备选点i被选为临时中转站，vi＝0时，表示i没有被选中；hi表示建立一个临时中转站所需的固定成本；ri表示一个临时中转站运营和维护的成本。所述步骤(1)中，约束条件具体包括：(1-1)若受灾点j在灾情等级为s时被覆盖，则在该灾情等级下应至少有一个临时中转站，且其响应时间满足该灾情等级下需求时间窗最大的第l类物资的时间窗下限；(1-2)中转站选址方案的总成本应低于计划投入总资金的上限；(1-3)运往需求点的各类应急资源量不能超过其提出的需求量；(1-4)中转站设置个数有限制。所述步骤(1)中，构建的模型属于多目标数学规划模型，根据模型的特点，以应急需求覆盖最大化为主要目标，在满足该目标的前提下最小化应急物资中转站成本，采用主要目标法求解。进一步的，所述步骤(1)中，求解的具体方法包括：(1-a)求解应急成本最小化为目标的目标函数和约束条件构成的单目标数学规划模型，得出最优解；(1-b)将应急成本最小化的目标函数与上一步中得出的最优解结合转换为约束条件；(1-c)求解应急需求覆盖程度最大化的目标函数和约束条件构成的单目标数学规划模型，得出最优解，所得结果为最优的临时中转站个数及位置。所述步骤(2)中，在基本聚类蚁群算法状态转移概率的基础上引入一个决策变量，将到达下一结点的时间与当前结点的需求时间窗较大的时间窗下限做比较；当决策量为1时，表示受灾点j能在灾情等级为s时被覆盖；当决策量为0时，表示不能被覆盖。因为当前受灾点的需求物资有l种，取这l种需求物资中需求时间窗最大的一个与其相比较。所述步骤(2)中，将基本聚类蚁群算法中为每一只蚂蚁设置的单独的禁忌表进行共享，存放蚂蚁访问过的所有结点信息。所述步骤(2)中，利用贪心算法，在选址初期，初始化蚂蚁使之依据转移概率寻找周围符合其最短时间窗下限的所有中转站，进而取被选择次数排在前N位的中转站作为初始解，其中N为临时中转站个数；在分组过程中，各个没有被覆盖的需求点就近选择中转站，最终形成N个分组；在重定位过程中，依次根据评价函数替换中转站，直至全局最优。所述步骤(2)具体包括：(2-1)初始化循环次数、信息素蒸发率、信息素增加率、受灾点坐标、备选中转站坐标、临时中转站个数和时间窗；(2-2)根据转移概率，计算蚂蚁将要到达的备选中转站，将受灾点坐标加入禁忌表；(2-3)判断是否完成所有节点遍历，若是则执行步骤(2-4)，否则执行步骤(2-2)；(2-4)更新备选中转站的信息素浓度，循环次数加1；(2-5)重复步骤(2-2)-(2-4)，直至满足设定的循坏次数；(2-6)根据适应度函数进行计算，对计算结果按递减排列，排列在前N位的中转站作为初始解。所述步本文档来自技高网...

【技术保护点】
一种基于改进蚁群算法的应急物流中转站选址方法，其特征是：包括以下步骤：(1)以应急需求覆盖程度最大化和应急成本最小化为目标，构建多目标优化模型，结合该优化模型的时间窗限制、总投资金额、公平性、应急调度效率的约束条件，确定临时中转站的个数；(2)利用聚类蚁群算法结合贪心算法求解多目标优化模型，依次对各灾情等级下的受灾点被覆盖的情况进行聚类分析，确定受灾点分组，制定中转站的初步选址方案；(3)结合各受灾组内受灾点发生不同灾情等级的概率、对不同物资的需求量、是否被覆盖建立评价函数，对未被选中的中转站进行评估，用评价函数值最大的中转站替换初步选中的中转站，进行中转站重定位直到选址方案不再变化；(4)输出最终的中转站选址方案。

【技术特征摘要】
1.一种基于改进蚁群算法的应急物流中转站选址方法，其特征是：包括以下步骤：
(1)以应急需求覆盖程度最大化和应急成本最小化为目标，构建多目标优化模型，结
合该优化模型的时间窗限制、总投资金额、公平性、应急调度效率的约束条件，确定临时中
转站的个数；
(2)利用聚类蚁群算法结合贪心算法求解多目标优化模型，依次对各灾情等级下的受
灾点被覆盖的情况进行聚类分析，确定受灾点分组，制定中转站的初步选址方案；
(3)结合各受灾组内受灾点发生不同灾情等级的概率、对不同物资的需求量、是否被
覆盖建立评价函数，对未被选中的中转站进行评估，用评价函数值最大的中转站替换初步选
中的中转站，进行中转站重定位直到选址方案不再变化；
(4)输出最终的中转站选址方案。
2.如权利要求1所述的一种基于改进蚁群算法的应急物流中转站选址方法，其特征是：
所述步骤(1)中，应急成本为中转站总成本，包括中转站建设成本和运维成本。
3.如权利要求1所述的一种基于改进蚁群算法的应急物流中转站选址方法，其特征是：
所述步骤(1)中，约束条件具体包括：
(1-1)若受灾点j在灾情等级为s时被覆盖，则在该灾情等级下应至少有一个临时
中转站，且其响应时间满足该灾情等级下需求时间窗最大的第l类物资的时间窗下限；
(1-2)中转站选址方案的总成本应低于计划投入总资金的上限；
(1-3)运往需求点的各类应急资源量不能超过其提出的需求量；
(1-4)中转站设置个数有限制。
4.如权利要求1所述的一种基于改进蚁群算法的应急物流中转站选址方法，其特征是：
所述步骤(1)中，构建的模型属于多目标数学规划模型，根据模型的特点，以应急需求覆盖
最大化为主要目标，在满足该目标的前提下最小化应急物资中转站成本，采用主要目标法求
解。
5.如权利要求4所述的一种基于改进蚁群算法的应急物流中转站选址方法，其特征是：
所述步骤(1)中，求解的具体方法包括：
(1-a)求解应急成本最小化为目标的目标函数和约束条件构成的单目标数学规划模型，
得出最优解；
(1-b)将应急成本最小化的目标函数与步骤(1-a)中得出的最优解结合转换为约束条

\t件；
(1-c)求解应急需求覆盖程度最大化的目标函数和约束条件构成的单目标数学规划模型，
得出最优解，所得结...

【专利技术属性】
技术研发人员：韦晓，张同义，周永利，马述杰，
申请(专利权)人：泰华智慧产业集团股份有限公司，
类型：发明
国别省市：山东;37