一种基于细菌觅食优化算法的配送中心选址方法技术

本发明专利技术公开了一种基于细菌觅食优化算法的配送中心选址方法，包括如下步骤：1)获取目标城市的配送中心及历史配送地址集合；2)构建配送中心选址模型；3)细菌觅食优化算法的实现。本发明专利技术能通过利用历史配送地址与候选配送中心进行建模，更加符合现实中存在大规模历史配送地址的配送中心选址情况，从而能将选址与配送结合起来，提高配送中心选址的准确性，减少配送费用，提高配送的时效性，提升客户的满意度。

A location method for distribution centers based on bacterial foraging optimization algorithm

This invention discloses a location method of distribution center based on bacterial foraging optimization algorithm, which includes the following steps: 1) obtaining the distribution center of the target city and the set of historical distribution address; 2) constructing the location model of distribution center; 3) the realization of the optimization algorithm of bacterial foraging. By using the historical distribution address and the candidate distribution center, the invention can be more in line with the distribution center location of the large-scale historical distribution address in reality, which can combine the location and distribution, improve the accuracy of the location of the distribution center, reduce the distribution cost, improve the timeliness of distribution and improve the distribution. Customer satisfaction.

【技术实现步骤摘要】
一种基于细菌觅食优化算法的配送中心选址方法
本专利技术涉及物流
，具体的说是一种基于细菌觅食优化算法的配送中心选址方法。
技术介绍
选址问题由来已久，存在于生活中的方方面面，例如工厂选址、物流配送中心选址、公共服务设施选址等等。随着电子商务的发展，物流配送成为供应链管理不可或缺的一环，配送中心的选址优劣就显得越发重要。一个较好的配送中心选址会不能仅仅考虑建造配送中心的费用问题，同时也要考虑到配送中心与历史配送地址的配送费用问题，从而提高供应链中的物流运输效率，降低运输成本，并提高客户的满意度，而较差的配送中心选址不仅会令运输成本增加，运输时间增长，而且会导致库存积压，客户满意度下降等一系列的问题。现有的求解选址问题的方法主要包括三大类，其中近似算法是指选址的目标函数值与最优解的目标函数值之比不超过一个常数，但是最优解较难获得，在实际中应用范围不广泛；精确算法由于求解的精确性高，求解较困难，求解效率慢等原因，不适用于大规模选址问题的求解；而智能优化算法最常用，但是同时也存在容易陷入局部最优解，求解效率低等缺点。目前常用的求解选址问题的智能优化算法有禁忌搜索算法、遗传算法、粒子群算法、蚁群算法等。禁忌搜索算法是最早应用于选址问题的算法，能够通过建立禁忌表避免陷入局部最优，但是其初始解对最终选址结果的优劣影响较大；遗传算法通过模拟自然进化过程来进行求解，但是其容易早熟；粒子群算法虽然求解效率较高，但是容易陷入局部最优；蚁群算法通过蚂蚁的觅食行为对问题进行求解，但是同样存在易陷入局部最优的缺点。细菌觅食优化算法作为群智能优化算法的一种，同样存在容易陷入局部最优的缺点。
技术实现思路
本专利技术为了克服现有技术存在的不足之处，提供一种基于细菌觅食优化算法的配送中心选址方法，以期能通过利用历史配送地址与候选配送中心进行建模，更加符合现实中存在大规模历史配送地址的配送中心选址情况，从而能将选址与配送结合起来，提高配送中心选址的准确性，减少配送费用，提高配送的时效性，提升客户的满意度。本专利技术为解决技术问题所采用的技术方案是：本专利技术一种基于细菌觅食优化算法的配送中心选址方法的特点是按如下步骤进行：步骤1、获取目标城市的历史配送地址集合，记为N＝{N1,N2,...,Ni,...,Nn}，Ni表示第i个历史配送地址，i＝1,2,…,n；构建目标城市的配送中心，记为M＝{M1,M2,...,Mj,...,Mm}，Mj表示第j个配送中心，j＝1,2,…,m；构建目标城市的配送中心建造费用向量F＝[f1,f2,...,fj,...,fm]，fj＞0表示第j个配送中心Mj的建造成本；构建目标城市的运输费用矩阵C＝(cij)m×n，cij＞0表示第j个配送中心Mj到第i个历史配送地址Ni之间的运输费用；步骤2、构建配送中心的选址模型：利用式(1)构建选址模型的目标函数：式(1)表示最小化历史配送地址与配送中心之间的运输费用及配送中心建造费用之和；式(1)中，xij表示第i个历史配送地址Ni是否由第j个配送中心Mj进行配送的配送结果；yj表示第j个配送中心Mj的建造结果；利用式(2)-式(5)构建目标函数的约束条件：式(2)表示任意一个历史配送地址仅由一个配送中心提供服务；式(3)表示任意一个历史配送地址仅由建造的配送中心提供服务；式(4)表示第i个历史配送地址Ni是否由第j个配送中心Mj进行配送，若xij＝1，则表示第i个历史配送地址Ni由第j个配送中心Mj进行配送；若xij＝0，则表示第i个历史配送地址Ni不由第j个配送中心Mj进行配送；式(5)表示是否建造第j个配送中心Mj；若yj＝1，则建造第j个配送中心Mj；若yj＝0，则表示不建造第j个配送中心Mj；步骤3、基于细菌觅食优化算法求解所述配送中心的选址模型：步骤3.1、细菌觅食优化算法的参数初始化：步骤3.1.1、初始化细菌个数为S，趋化迭代的最大次数为Nc，单向游动的最大步数为Ns，繁殖迭代的最大次数为Nre，迁徙迭代的最大次数为Ned，迁徙概率为Ped；步骤3.1.2、初始化当前迁徙次数h＝1；步骤3.1.3、初始化当前繁殖次数k＝1；步骤3.1.4、初始化当前趋化次数t＝1；步骤3.1.5、初始化当前细菌的个数r＝1；步骤3.1.6、定义细菌位置：定义第r个细菌在第t次趋化、第k次繁殖、第h次迁徙所处的位置为表示第r个细菌在第t次趋化、第k次繁殖、第h次迁徙的选址方案中第j个配送中心Mj的建造结果；步骤3.2、执行细菌趋化循环：步骤3.2.1、由所述第r个细菌在第t次趋化、第k次繁殖、第h次迁徙所处的位置P(r,t,k,h)计算第r个细菌在第t次趋化、第k次繁殖、第h次迁徙的适应度值J(r,t,k,h)：步骤3.2.2、利用式(6)对第r个细菌进行翻转，得到第r个细菌在第t次趋化、第k次繁殖、第h次迁徙的游动方向式(6)中，Δ(r,t,k,h)表示第r个细菌在第t次趋化、第k次繁殖、第h次迁徙的微小位移；ΔT(r,t,k,h)表示微小位移的转置；步骤3.2.3、初始化单向游动的步数g＝0；步骤3.2.4、利用式(7)得到第r个细菌在第t+1次趋化、第k次繁殖、第h次迁徙的所处的位置P(r,t+1,k,h)式(7)中，C(r)表示第r个细菌游动的单位步长；步骤3.2.5、利用步骤3.2.1得到所述位置P(r,t+1,k,h)的适应度值J(r,t+1,k,h)，并判断J(r,t+1,k,h)＜J(r,t,k,h)是否成立，若成立，则将P(r,t+1,k,h)赋值给P(r,t,k,h)，将J(r,t+1,k,h)赋值给J(r,t,k,h)；否则，令g＝Ns；步骤3.2.6、令g+1赋值给g，判断g≤Ns是否成立，若成立，则返回步骤3.2.4执行；否则，执行步骤3.2.7；步骤3.2.7、令r+1赋值给r，判断r≤S是否成立，若成立，则返回步骤3.1.6执行；否则，执行步骤3.2.8；步骤3.2.8、令t+1赋值给t，判断t≤Nc是否成立，若成立，则返回步骤3.1.5执行；否则，执行步骤3.3；步骤3.3、执行细菌的繁殖操作循环：步骤3.3.1、初始化r＝1；步骤3.3.2、利用式(8)计算第r个细菌的健康值Jhealth(r,t,k,h)；步骤3.3.3、令r+1赋值给r，判断r≤S是否成立，若成立，则返回步骤3.3.2执行；否则，执行步骤3.3.4；步骤3.3.4、执行轮盘赌算法，选出个细菌，进行繁殖：步骤3.3.5、令k+1赋值给k，判断k≤Nre是否成立，若成立，则返回步骤3.1.4执行；否则，执行步骤3.4；步骤3.4、执行细菌的迁徙操作循环：步骤3.4.1、初始化r＝1；步骤3.4.2、随机生成第r个细菌的自身迁移概率Pr，0＜Pr＜1；如果Pr＜Ped成立，则根据步骤3.1.6重新初始化细菌位置P(r,t,k,h)，否则，将P(r,t,k,h)赋值给P(r,t,k,h+1)，执行步骤3.4.3；步骤3.4.3、令r+1赋值给r，判断r≤S是否成立，若成立，则返回步骤3.4.2执行；否则，执行步骤3.4.4；步骤3.4.4、令h+1赋值给h，判断h≤Ned是否成立，若成立，则返回步骤3.1.3执行；否则，执行步骤3.5；步骤3.5、将min{J(r,t,k本文档来自技高网...

【技术保护点】
1.一种基于细菌觅食优化算法的配送中心选址方法，其特征是按如下步骤进行：步骤1、获取目标城市的历史配送地址集合，记为N＝{N1,N2,...,Ni,...,Nn}，Ni表示第i个历史配送地址，i＝1,2,…,n；构建目标城市的配送中心，记为M＝{M1,M2,...,Mj,...,Mm}，Mj表示第j个配送中心，j＝1,2,…,m；构建目标城市的配送中心建造费用向量F＝[f1,f2,...,fj,...,fm]，fj＞0表示第j个配送中心Mj的建造成本；构建目标城市的运输费用矩阵C＝(cij)m×n，cij＞0表示第j个配送中心Mj到第i个历史配送地址Ni之间的运输费用；步骤2、构建配送中心的选址模型：利用式(1)构建选址模型的目标函数：

【技术特征摘要】
1.一种基于细菌觅食优化算法的配送中心选址方法，其特征是按如下步骤进行：步骤1、获取目标城市的历史配送地址集合，记为N＝{N1,N2,...,Ni,...,Nn}，Ni表示第i个历史配送地址，i＝1,2,…,n；构建目标城市的配送中心，记为M＝{M1,M2,...,Mj,...,Mm}，Mj表示第j个配送中心，j＝1,2,…,m；构建目标城市的配送中心建造费用向量F＝[f1,f2,...,fj,...,fm]，fj＞0表示第j个配送中心Mj的建造成本；构建目标城市的运输费用矩阵C＝(cij)m×n，cij＞0表示第j个配送中心Mj到第i个历史配送地址Ni之间的运输费用；步骤2、构建配送中心的选址模型：利用式(1)构建选址模型的目标函数：式(1)表示最小化历史配送地址与配送中心之间的运输费用及配送中心建造费用之和；式(1)中，xij表示第i个历史配送地址Ni是否由第j个配送中心Mj进行配送的配送结果；yj表示第j个配送中心Mj的建造结果；利用式(2)-式(5)构建目标函数的约束条件：式(2)表示任意一个历史配送地址仅由一个配送中心提供服务；式(3)表示任意一个历史配送地址仅由建造的配送中心提供服务；式(4)表示第i个历史配送地址Ni是否由第j个配送中心Mj进行配送，若xij＝1，则表示第i个历史配送地址Ni由第j个配送中心Mj进行配送；若xij＝0，则表示第i个历史配送地址Ni不由第j个配送中心Mj进行配送；式(5)表示是否建造第j个配送中心Mj；若yj＝1，则建造第j个配送中心Mj；若yj＝0，则表示不建造第j个配送中心Mj；步骤3、基于细菌觅食优化算法求解所述配送中心的选址模型：步骤3.1、细菌觅食优化算法的参数初始化：步骤3.1.1、初始化细菌个数为S，趋化迭代的最大次数为Nc，单向游动的最大步数为Ns，繁殖迭代的最大次数为Nre，迁徙迭代的最大次数为Ned，迁徙概率为Ped；步骤3.1.2、初始化当前迁徙次数h＝1；步骤3.1.3、初始化当前繁殖次数k＝1；步骤3.1.4、初始化当前趋化次数t＝1；步骤3.1.5、初始化当前细菌的个数r＝1；步骤3.1.6、定义细菌位置：定义第r个细菌在第t次趋化、第k次繁殖、第h次迁徙所处的位置为表示第r个细菌在第t次趋化、第k次繁殖、第h次迁徙的选址方案中第j个配送中心Mj的建造结果；步骤3.2、执行细菌趋化循环：步骤3.2.1、由所述第r个细菌在第t次趋化、第k次繁殖、第h次迁徙所处的位置P(r,t,k,h)计算第r个细菌在第t次趋化、第k次繁殖、第h次迁徙的适应度值J(r,t,k,h)：步骤3.2.2、利用式(6)对第r个细菌进行翻转，得到第r个细菌在第t次趋化、第k次繁殖、第h次迁徙的游动方向式(6)中，Δ(r,t,k,h)表示第r个细菌在第t次趋化、第k次繁殖、第h次迁徙的微小位移；ΔT(r,t,k,h)表示微小位移的转置；步骤3.2.3、初始化单向游动的步数g＝0；步骤3.2.4、利用式(7)得到第r个细菌在第t+1次趋化、第k次繁殖、第h次迁徙的所处的位置P(r,t+1,k,h)式(7)中，C(r)表示第r个细菌游动的单位步长；步骤3.2.5、利用步骤3.2.1得到所述位置P(r,t+1,k,h)的适应度值J(r,t+1,k,h)，并判断J(r,t+1,k,h)＜J(r,t,k,h)是否成立，若成立，则将P(r,t+1,k,h)赋值给P(r,t,k,h)，将J(r,t+1,k,h)赋值给J(r,t,k,h)；否则，令g＝Ns；步骤3.2.6、令g+1赋值给g，判断g≤Ns是否成立，若成立，则返回步骤3.2.4执行；否则，执行步骤3.2.7；步骤3.2.7、令r+1赋值给r，判断r≤S是否成立，若成立，则返回步骤3.1.6执行；否则，执行步骤3.2.8；步骤3.2.8、令t+1赋值给t，判断t≤Nc是否成立，若成立，则返回步...

【专利技术属性】
技术研发人员：凌海峰，孙舫，刘业政，姜元春，孙见山，孙春华，陈夏雨，傅怡，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽,34