一种基于改进布谷鸟算法的多目标优化物流调度方法技术

本发明专利技术公开了一种基于改进布谷鸟算法的多目标优化物流调度方法，在引入配送成本和时间窗惩罚因素后，确定了物流调度多目标函数；对于配送任务的路径采用混合编码机制，使用算法的处理；在生成新解时，结合了布谷鸟算法和粒子群算法，综合了布谷鸟算法的搜索随机性和粒子群算法的快速收敛性，可以更有效地优化任务和资源；对于布谷鸟算法的发现概率和步长控制因子应用自适应调整策略，使这两个关键参数随迭代次数自适应的调整，优化算法性能；对于布谷鸟算法中不同个体之间相对孤立的情况，引入了适应度权值因子来增加种群间的交流；利用混合编码的特性，对解进行修复，以去除无效的解。

【技术实现步骤摘要】
一种基于改进布谷鸟算法的多目标优化物流调度方法
本专利技术属于物流调度管理
，具体涉及一种基于改进布谷鸟算法的多目标优化物流调度方法。
技术介绍
随着市场经济的发展，获得竞争优势的有效方式之一是建立现代物流。在高科技和信息化的支撑下，现代物流业发展迅速，比较成熟的物流管理理念和高效的物流运营系统也发展起来。随着物流规模的扩大和客户服务需求的提升，问题的复杂度逐渐增加，因此一种更加高效稳定的求解算法和提升物流服务质量的物流调度与路径优化方法是非常必要的。物流调度与路径优化问题自提出以来，就吸引了很多研究人员的注意和参与，在现实情况中，由于环境和约束条件的复杂多变，该问题的求解也变得相当复杂，但是经过数十年来的研究和总结，一般情况下可以分为精确算法和启发式算法。精确算法是指通过严谨的逻辑思维和计算步骤求得最优解，由于这种算法的计算量一般随问题复杂性快速增大，在实际应用中有很大的局限性。启发式算法一般通过推理和实验分析来求解问题，从事务的内部联系获得启发，进而建立求解模型，灵活性很大。布谷鸟算法是通过模拟某些种属布谷鸟的寄生育雏行为，来有效地求解最优化问题的算法，布谷鸟算法也采用相关的Levy飞行搜索机制，这是可以达到一种高效的寻优模式。布谷鸟算法主要优点是参数少、操作简单、易实现、随机搜索路径优和寻优能力强等。但布谷鸟算法有收敛速度较慢的缺点，在一些参数选择时，如果没有实时更新，也容易陷入局部最优解。
技术实现思路
本专利技术提供一种基于改进布谷鸟算法的多目标优化物流调度方法，将布谷鸟算法与粒子群算法结合起来，既利用布谷鸟算法的搜索随机性，扩大算法的搜索范围，又可以利用粒子群算法的优势提高算法的收敛性，克服粒子群算法陷入局部最优和布谷鸟算法收敛速度慢的缺点，可以更有效地优化任务和资源。本专利技术采用的技术方案如下：本专利技术提供一种基于改进布谷鸟算法的多目标优化物流调度方法，包括：获取物流配送路径优化问题的初始信息；确定物流配送路径优化问题的目标函数；对物流配送路径进行编码；对编码后的物流配送路径优化问题采用布谷鸟和粒子群相结合的算法进行求解；对布谷鸟算法关键参数进行自适应调整，淘汰劣质鸟巢并生成新巢；对鸟巢进行扰动，进行解的更新；对解进行修复；进行精英选择，直至达到终止条件，输出最优解；对最优解进行解码，输出物流配送路径。进一步的，所述获取物流配送路径优化问题的初始信息，包括：获取车辆动力数据和配送目标数据；所述车辆动力数据包括车辆数量、载重和速度；所述配送目标数据包括客户位置、产品需求和时间窗；根据获取的数据计算各客户位置之间的距离和方位。进一步的，所述物流配送路径优化问题的目标函数为：其中，f(x)为成本函数，Cij表示车辆从位置i到位置j的运输单位成本，dij表示位置i和位置j之间的距离，xijv表示车辆v从位置i驶向位置j，Pi(Si)是偏离时间窗的惩罚成本函数，Si表示到达位置i处的时间，N为客户数量，V为物流配送中心车辆数量，i＝0表示物流配送中心；所述目标函数需满足约束条件：a、分配给每个车辆行程的总需求不超过车辆载重量：其中，qi表示位置i需求量，yiv表示位置i的配送任务由车辆v完成，Qv表示车辆v的额定载重量；b、所有客户都由V辆车完成配送服务：yiv表示如果位置i的配送任务由车辆v完成则yiv为1，否则为0；c、d、配送中心是车辆行程的起点和终点：x0iv表示车辆v从配送中心驶向位置i；xi0v表示车辆v从位置i驶向配送中心；e、逐段配送路径xijv连接成yiv：f、偏离时间窗的惩罚成本函数为：te表示早于时间窗的最早时间，ei为位置i约定的最早服务时间，li为位置i约定的最迟服务时间，θ(·)为函数；g、xijv和yiv的取值：进一步的，所述对物流配送路径进行编码，包括：采用基于车辆编号的混合编码机制，编码长度为N，每个配送任务与一个实数编码相对应，编码的整数部表示负责配送的车辆，编码的小数部用于决定配送顺序。进一步的，所述对编码后的物流配送路径优化问题采用布谷鸟和粒子群相结合的算法进行求解，包括：随机生成NP个个体，一个个体代表一个编码；采用布谷鸟Levy算法产生新解采用粒子群算法随机游走产生新解基于混合机制产生的新解记为其中，下标i表示第i个个体，上标t+1表示迭代次数，d表示权重系数，d∈[0，1]。进一步的，所述对布谷鸟算法关键参数进行自适应调整，包括：其中，Pa(t)表示发现概率，αstep(t)为步长因子，PaMin和PaMax发现概率的下界和上界，αmax和αmin步长因子的上界和下界，T是最大迭代次数，t是当前迭代次数；在迭代过程中，根据发现概率Pa(t)淘汰劣质鸟巢并生成新巢。进一步的，所述对鸟巢进行扰动，进行解的更新，包括：计算布谷鸟个体的权重适应度因子：其中，wi为第i个布谷鸟个体的权重适应度因子，fi表示第i个布谷鸟个体的适应度值，适应度值通过对目标函数求解得到，fbest和fworst表示最优适应度值和最差适应度值；在布谷鸟Levy算法中增加个体之间的权重适应度因子，更新布谷鸟解如下：其中，αstep(t)为布谷鸟Levy算法中的步长因子，L(δ)为Levy飞行随机游走公式，为第t次迭代的最优位置，r3为[0-1]的随机数，为第i个，第j个布谷鸟个体的权重适应度因子，上标t表示迭代次数；根据公式更新混合解进一步的，所述对解进行修复，包括：对于违反时间窗约束的任务，采用任务内、外转移规则进行修复。进一步的，所述进行精英选择，包括：合并父代和子代种群，并根据适应度值进行排序，根据排序结果选择最优的NP个个体进入下一代。本专利技术具有以下有益效果：本专利技术结合了布谷鸟算法和粒子群算法来生成新解，既利用了布谷鸟算法的搜索随机性，扩大算法的搜索范围，又利用了粒子群算法的优势提高算法的收敛性，从而克服粒子群算法陷入局部最优和布谷鸟算法收敛速度慢的缺点，可以更有效地优化任务和资源；本专利技术对于布谷鸟算法的发现概率和步长控制因子应用自适应调整策略，使这两个关键参数随迭代次数自适应的调整，优化算法性能；本专利技术对于布谷鸟算法中不同个体之间相对孤立的情况，引入了适应度权值因子来增加种群间的交流；本专利技术利用混合编码的特性，对解进行修复，以去除无效的解。附图说明图1为本专利技术基于改进布谷鸟算法的多目标优化物流调度方法的流程图。图2为本专利技术中编码与解码示例。具体实施方式下面对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案本文档来自技高网...

【技术保护点】
1.一种基于改进布谷鸟算法的多目标优化物流调度方法，其特征在于，包括：/n获取物流配送路径优化问题的初始信息；/n确定物流配送路径优化问题的目标函数；/n对物流配送路径进行编码；/n对编码后的物流配送路径优化问题采用布谷鸟和粒子群相结合的算法进行求解；/n对布谷鸟算法关键参数进行自适应调整，淘汰劣质鸟巢并生成新巢；/n对鸟巢进行扰动，进行解的更新；/n对解进行修复；/n进行精英选择，直至达到终止条件，输出最优解；/n对最优解进行解码，输出物流配送路径。/n

【技术特征摘要】
1.一种基于改进布谷鸟算法的多目标优化物流调度方法，其特征在于，包括：
获取物流配送路径优化问题的初始信息；
确定物流配送路径优化问题的目标函数；
对物流配送路径进行编码；
对编码后的物流配送路径优化问题采用布谷鸟和粒子群相结合的算法进行求解；
对布谷鸟算法关键参数进行自适应调整，淘汰劣质鸟巢并生成新巢；
对鸟巢进行扰动，进行解的更新；
对解进行修复；
进行精英选择，直至达到终止条件，输出最优解；
对最优解进行解码，输出物流配送路径。


2.根据权利要求1所述的一种基于改进布谷鸟算法的多目标优化物流调度方法，其特征在于，所述获取物流配送路径优化问题的初始信息，包括：
获取车辆动力数据和配送目标数据；所述车辆动力数据包括车辆数量、载重和速度；所述配送目标数据包括客户位置、产品需求和时间窗；
根据获取的数据计算各客户位置之间的距离和方位。


3.根据权利要求1所述的一种基于改进布谷鸟算法的多目标优化物流调度方法，其特征在于，所述物流配送路径优化问题的目标函数为：



其中，f(x)为成本函数，Cij表示车辆从位置i到位置j的运输单位成本，dij表示位置i和位置j之间的距离，xijv表示车辆v从位置i驶向位置j，Pi(Si)是偏离时间窗的惩罚成本函数，Si表示到达位置i处的时间，N为客户数量，V为物流配送中心车辆数量，i＝0表示物流配送中心；
所述目标函数需满足约束条件：
a、分配给每个车辆行程的总需求不超过车辆载重量：



其中，qi表示位置i需求量，yiv表示位置i的配送任务由车辆v完成，Qv表示车辆v的额定载重量；
b、所有客户都由V辆车完成配送服务：



yiv表示如果位置i的配送任务由车辆v完成则yiv为1，否则为0；
c、
d、配送中心是车辆行程的起点和终点：

x0iv表示车辆v从配送中心驶向位置i；

xi0v表示车辆v从位置i驶向配送中心；
e、逐段配送路径xijv连接成yiv：






f、偏离时间窗的惩罚成本函数为：



te表示早于时间窗的最早时间，ei为位置i约定的最早服务时间，li为位置i约定的最迟服务时间，θ(·)为函数；
g、xijv和yiv的取值：





4.根据权利要求3所述的一种基于改进布谷鸟算法的多目标优化物流调度方法，其特征在于，...

【专利技术属性】
技术研发人员：高扬华，陆海良，楼卫东，郁钢，
申请(专利权)人：浙江中烟工业有限责任公司，
类型：发明
国别省市：浙江;33