一种物流运输方案的优化方法及系统技术方案

本发明专利技术公开了一种物流运输方案的优化方法，包括S1，获取所述运输方案的集合γ

【技术实现步骤摘要】
一种物流运输方案的优化方法及系统
本专利技术属于物流运输领域，具体涉及一种物流运输方案的优化方法及系统。
技术介绍
货物从出发点运输至目的地过程中，其间任意相连的两个节点之间有公路、铁路、水运3种运输方式可供选择，途中节点均可提供运输方式中转服务，其中每个节点发往下一个节点的铁路、水路运输有固定的到达和离开时间限制，公路则可随时出发，且托运人对货物的最终运到时间有可接受的软时间窗限制。通常，物流运输具有如下特点：(1)承运商每次承担一项运输任务，货物在运输途中不能分割；(2)任意两节点之间只能使用多种运输方式中的一种；(3)运输方式转换只发生在节点处且每个节点最多只能进行一次中转；(4)转运成本与运量成线性关系，且所有节点设施均满足转运过程的要求。物流运输的参与者包括托运人、承运人以及政府，三者的需求侧重点各不相同，可将影响其各自满意度。因此，如何平衡各自满意度必须对运输路径和运输方式进行优化设计。
技术实现思路
本专利技术的目的在于提供一种物流运输方案的优化方法，应用于基于物流运输综合满意度的计算系统。为实现上述目的，本专利技术采用以下技术方案：一种物流运输方案的优化方法，包括S1，获取所述运输方案的集合γn，设置所述运输方案的各参与者的对运输方案γn的满意度为Zm，所述Zm＝{Z1,Z2…Zm}；S2，建立所述参与者对运输方案γn的综合满意度的目标函数优化模型并设置目标函数优化模型的约束条件；S3，通过智能优化算法对所述多目标函数优化模型进行优化处理，获得优化后的运输途径和运输方式。进一步的，所述智能优化算法采用遗传算法和蚁群算法进行融合。进一步的，所述参与者包括托运人、承运人以及政府，所述托运人、承运人以及政府对所述运输方案的满意度分别为Z1、Z2和Z3，涉及所述运输方案的参数如下：M方案指标集合q集装箱数量货物从节点i到节点j采用运输方式k的运输距离在第i个节点处采用第k种运输方式的单位等待成本从节点i到节点j采用运输方式k的单位运输成本从节点i到节点j采用运输方式k的单位碳排放量在节点i从运输方式k转换为运输方式1的单位转运成本在节点i从运输方式k转换为运输方式1的单位碳排放量货物从节点i到节点j采用运输方式k的运输时间单个集装箱在节点i从运输方式k转换为运输方式1的转运时间在节点i处等待第k种运输方式到达的时间在节点i处等待第k种运输方式离开的时间选择第k种运输方式在第i个节点处的总等待时间ti货物到达节点i的时间节点i处第k种运输方式的服务时间窗[Te,Tl]货物最佳到达时间窗Sc客户对此次运输的满意度Se承运商对此次运输的满意度Sg政府对此次运输的满意度G允许最大换装次数从节点i到节点j采用运输方式k则为1,否则为0货物在节点i从运输方式k转换为运输方式l则为1,否则为0进一步的，所述Z1的计算公式为：其中α和β分别为客户对货物早到和迟到的敏感系数，[TE,TL]为货物可接受到达时间窗，[Te,Tl]为货物最佳到达时间窗，Tt为货物到达目的地的时间。进一步的，所述Z2的计算公式为：其中Bn为运输方案γn的总成本，包含节点间的运输、中转、等待成本；Bmax、Bmin分别为本代群体中成本最高与最低值。进一步的，所述Z3的计算公式为：其中，En为本次运输的碳排放量，包含节点间运输的碳排放量和节点转运时的碳排放量，Emax、Emin分别为本代群体中最高与最低的碳排放量。进一步的，所述参与者对运输方案γn中各指标Zm的主观偏好以效用值θm表示，其中θm[0，1]，指标Zm所得规范化矩阵Rn×m中的属性值rnm即为运输方案γn中指标Zm的客观偏好值，为使指标权重向量ω更具合理性，即参与者的主观偏好值θm与指标的客观属性值rnm总偏差最小，建立下列单目标优化模型：进一步的，结合运输过程的各方需求，兼顾各参与者的效用偏重，建立基于综合满意度的多式联运路径模型：Tt∈[TE,TL](19)式(8)为综合满意度目标函数；式(9)保证货物只有一个起点；式(10)保证货物只有一个终点；式(11)表示相邻两节点之间只能选择一种运输方式；式(12)表示在同一节点至多发生一次运输方式的转换；式(13)表示中间节点的流量守恒约束，保证运输的连续性；式(14)实际运输转换次数不能超过允许最大换装次数；式(15)表示总的运输时间，包括运输时间、中转时间、在节点处等待运输工具到达的时间，以及在运输工具上等待离开节点的时间；式(16)表示在节点i处等待第k种运输方式到达的时间；式(17)表示在节点i处等待第k种运输方式离开的时间；式(18)表示选择第k种运输方式在第i个节点处的总等待时间，即式(19)表示货物到达时间需在托运人可接受时间窗内。进一步的，结合混合算法的算法机制，设计在算法过程中信息素挥发系数ρ的取值随迭代次数正向增加：式中：ρ0为初始信息素挥发系数；μ0为信息素挥发速度参数，λ为蚁群算法迭代次数，μ0的大小与信息素挥发系数随算法代数增加的快慢成正比，并控制信息素挥发系数最终趋于ρ0。本专利技术还公开了一种物流运输方案的优化系统，包括参数获取模块，用于获取影响综合满意度的各参数；第一优化模块，用于将指标权重向量ω更具合理性，即各参与者的主观偏好值θm与指标的客观属性值rnm总偏差最小，进行优化处理；第二优化模块，用于兼顾各参与者的效用偏重，基于综合满意度的多式联运路径模型，在遗传算法和蚁群算法进行融合求得运输途径和运输方式的最优解。本专利技术将蚁群算法和遗传算法进行有效的融合，通过对遗传算法中选择、交叉、变异算子和进化淘汰机制的改进，把搜索的优质解转化为蚁群算法信息素初始值，并对蚁群算法的转移规则、信息素浓度更新机制进行改进，提升了综合满意度。附图说明图1为客户满意度与运输时限关系图；图2为掩码交叉图；图3为双信息素储存结构；图4双信息素混合算法流程如图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术的模型参数说明如下模型符号含义符号O运输起点D运输终点P城市节点集合N运输路径集合M方案指标集合q本文档来自技高网...

【技术保护点】
1.一种物流运输方案的优化方法，其特征在于，包括/nS1，获取所述运输方案的集合γ

【技术特征摘要】
1.一种物流运输方案的优化方法，其特征在于，包括
S1，获取所述运输方案的集合γn，设置所述运输方案的各参与者的对运输方案γn的满意度为Zm，所述Zm＝{Z1,Z2…Zm}；
S2，建立所述参与者对运输方案γn的综合满意度的目标函数优化模型并设置目标函数优化模型的约束条件；
S3，通过智能优化算法对所述多目标函数优化模型进行优化处理，获得优化后的运输途径和运输方式。


2.如权利要求1所述的物流运输方案的优化方法，其特征在于，所述智能优化算法采用遗传算法和蚁群算法进行融合。


3.如权利要求1所述的物流运输方案的优化方法，其特征在于，所述参与者包括托运人、承运人以及政府，所述托运人、承运人以及政府对所述运输方案的满意度分别为Z1、Z2和Z3，涉及所述运输方案的参数如下：
M方案指标集合；
q集装箱数量；

货物从节点i到节点j采用运输方式k的运输距离；

在第i个节点处采用第k种运输方式的单位等待成本；

从节点i到节点j采用运输方式k的单位运输成本；

从节点i到节点j采用运输方式k的单位碳排放量；

在节点i从运输方式k转换为运输方式1的单位转运成本；

在节点i从运输方式k转换为运输方式1的单位碳排放量；

货物从节点i到节点j采用运输方式k的运输时间；

单个集装箱在节点i从运输方式k转换为运输方式1的转运时间；

在节点i处等待第k种运输方式到达的时间；

在节点i处等待第k种运输方式离开的时间；

选择第k种运输方式在第i个节点处的总等待时间；
ti货物到达节点i的时间；

节点i处第k种运输方式的服务时间窗；
[Te,Tl]货物最佳到达时间窗；
Sc客户对此次运输的满意度；
Se承运商对此次运输的满意度；
Sg政府对此次运输的满意度；
G允许最大换装次数；

从节点i到节点j采用运输方式k则为1,否则为0；

货物在节点i从运输方式k转换为运输方式l则为1,否则为0。


4.如权利要求3所述的物流运输方案的优化方法，其特征在于，所述Z1的计算公式为：



其中α和β分别为客户对货物早到和迟到的敏感系数，[TE,TL]为货物可接受到达时间窗，[Te,Tl]为货物最佳到达时间窗，Tt为货物到达目的地的时间。


5.如权利要求3所述的一种物流运输方案的优化方法，其特征在于，所述Z2的计算公式为：



其中Bn为运输方案γn的总成本，包含节点间的运输、中转、等待成本；Bmax、Bmin分别为本代群体中成本最高与最低值；





6.如权利要求3所述的一种物流运输方案的优化方法，其特征在于：所述Z3的计算公式为：
<...

【专利技术属性】
技术研发人员：陈思恩，
申请(专利权)人：科技谷厦门信息技术有限公司，
类型：发明
国别省市：福建;35