基于供需匹配优化模型的平台集中式供需方案优化方法技术

本发明专利技术公开基于供需匹配优化模型的平台集中式供需方案优化方法，其特征在于，包括以下步骤：S1、获取平台集中式运输的供需关联信息；S2、将所述供需关联信息进行染色体编码，获取初始种群；S3、构建供需匹配优化模型；S4、基于所述供需匹配优化模型对所述初始种群进行差分进化运算，获取供需匹配最优方案。本发明专利技术能够根据需求端各企业需求数量以及供给端的可供给数量，选择产业集群中的多个物流服务提供商中的一个来实现供给到需求端的运输任务，同时满足最大化的需求满足匹配以及必要的约束。束。束。

【技术实现步骤摘要】
基于供需匹配优化模型的平台集中式供需方案优化方法


[0001]本专利技术涉及运输供需匹配
，特别涉及基于供需匹配优化模型的平台集中式供需方案优化方法。

技术介绍

[0002]当前针对平台集中式运输的供需匹配方法中采用了差分进化算法，该算法是一种基于群体的自适应全局优化算法，有着结构简单的特点，易于实现。在求解上差分进化算法能够较快地收敛，是一种高效地全局优化算法，能够快速地实现解的优化。
[0003]但当前存在的差分进化算法，如施丽铭等人设计的改进差分进化算法，是通过在算法迭代前期采用较小变异率的全局变异策略，在迭代后期采用较大变异率的局部变异策略，来提高算法局部开采能力和加快收敛速度，这种改进方式存在一定的局限和矛盾，在迭代前期虽然采用全局变异策略，但是变异率小，种群迭代过程中解的变化小，不利于全局搜索，且解的质量非常依赖初始种群的质量；在迭代后期采用局部变异策略，能够提高收敛速度，但是较大的变异率会导致收敛性变差，算法在迭代后期解反而更分散了，再结合传统模拟退火算法，使得初始解单一，难以在搜索空间较大的情况下求得最优解，搜索效率较低，优化程度差，无法获取最优解。

技术实现思路

[0004]针对上述问题，本专利技术提出基于供需匹配优化模型的平台集中式供需方案优化方法，以解决现有技术中存在的技术问题，能够根据需求端各企业需求数量以及供给端的可供给数量，选择产业集群中的多个物流服务提供商中的一个来实现供给到需求端的运输任务，同时满足最大化的需求满足匹配以及必要的约束。
[0005]为实现上述目的，本专利技术提供了如下方案：本专利技术提供基于供需匹配优化模型的平台集中式供需方案优化方法，包括以下步骤：
[0006]S1、获取平台集中式运输的供需关联信息；
[0007]S2、将所述供需关联信息进行染色体编码，获取初始种群；
[0008]S3、构建供需匹配优化模型；
[0009]S4、基于所述供需匹配优化模型对所述初始种群进行差分进化运算，获取供需匹配最优方案。
[0010]可选地，所述供需关联信息包括可用运力、单位运输价格、需求量、供应量、需求端最高可接受价格、供应端最低可接受价格、供应端和需求端的地理位置、需求端最晚收货时间、供应端最早发货时间。
[0011]可选地，获取所述初始种群包括：对所述供需关联信息进行染色体编码，获得染色体编码集合，并基于所述染色体编码集合进行k
‑
means运算，生成初始种群。
[0012]可选地，所述k
‑
means运算包括：获取所述染色体编码集合中每个需求端的时间维度和地理位置并进行聚类运算，基于所述聚类运算随机选择聚类中心，根据每个所述需求
端到所述聚类中心的距离，对所述需求端进行分类匹配处理，获取分类匹配排序结果，将所述分类匹配排序结果作为初始种群。
[0013]可选地，所述S4中供需匹配最优方案的获取包括以下步骤：
[0014]S4.1、将所述初始种群中的初始染色体进行变异运算，获取变异染色体；
[0015]S4.2、对所述变异染色体进行合法化操作，获取合法变异染色体；
[0016]S4.3、将所述初始染色体和所述合法变异染色体进行交叉操作，获取交叉结果，并将所述交叉结果作为新种群；
[0017]S4.4、将所述新种群和所述初始种群进行个体对比，选取并更新最优个体，获取种群最优解，即供需匹配最优方案。
[0018]可选地，所述变异运算包括：随机选取所述初始种群中两个不同的初始染色体，将两个所述初始染色体进行向量差缩放后与另一条随机选择的染色体进行向量合成，完成变异运算。
[0019]可选地，所述合法化操作包括：对所述变异染色体进行合法性检验，并基于交易量约束对不满足所述交易量约束的变异染色体进行修复。
[0020]可选地，所述交易量约束为供给端提供的总量小于自身供给量能力。
[0021]可选地，所述交叉操作包括：基于所述初始染色体获取随机数，并设置交叉概率，将所述随机数小于所述交叉概率的所述初始染色体更新为所述合法变异染色体。
[0022]本专利技术公开了以下技术效果：
[0023]本专利技术提出了改进的差分进化算法，采用基于k
‑
means的初始种群生成方法，提高了初始种群解的质量，采用新旧种群个体间的交叉策略，来进一步提高局部搜索能力。并且根据需求端各企业需求数量以及供给端的可供给数量，选择产业集群中的多个物流服务提供商中的一个来实现供给到需求端的运输任务，同时满足最大化的需求满足匹配以及必要的约束。
附图说明
[0024]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0025]图1为本专利技术的方法流程图；
[0026]图2为本专利技术实施例中的染色体形式示意图；
[0027]图3为本专利技术实施例中第m个供给端企业发货给第n个需求端企业的发货时间所组成的染色体示意图；
[0028]图4为本专利技术实施例中第m个供给端企业给第n个需求端企业的货物交易价格的染色体示意图；
[0029]图5为本专利技术实施例中的模型构建示意图；
[0030]图6为本专利技术实施例中的算法流程图。
具体实施方式
[0031]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0032]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0033]参照图1所示，本实施例提供基于供需匹配优化模型的平台集中式供需方案优化方法，包括以下步骤：
[0034]S1、获取平台集中式运输的供需关联信息。
[0035]供需关联信息包括承运商信息和供给、需求端信息；其中，承运商信息包括可用运力、单位运输价格；供给、需求端信息包括需求量、供应量、需求端最高可接受价格、供应端最低可接受价格、供应端和需求端的地理位置、需求端最晚收货时间、供应端最早发货时间。
[0036]S2、将供需关联信息进行染色体编码，获得染色体编码集合，并基于染色体编码集合进行k
‑
means运算，获取初始种群。
[0037](a)染色体编码
[0038]如表1所示，本实施例提供一个物流货运方案，x
mn
记录了从供给方m到需求方n的货运量。
[0039]表1
[0040][0041]将以上的M
×
N矩阵转化为1
×...

【技术保护点】

【技术特征摘要】
1.基于供需匹配优化模型的平台集中式供需方案优化方法，其特征在于，包括以下步骤：S1、获取平台集中式运输的供需关联信息；S2、将所述供需关联信息进行染色体编码，获取初始种群；S3、构建供需匹配优化模型；S4、基于所述供需匹配优化模型对所述初始种群进行差分进化运算，获取供需匹配最优方案。2.根据权利要求1所述的基于供需匹配优化模型的平台集中式供需方案优化方法，其特征在于，所述供需关联信息包括可用运力、单位运输价格、需求量、供应量、需求端最高可接受价格、供应端最低可接受价格、供应端和需求端的地理位置、需求端最晚收货时间、供应端最早发货时间。3.根据权利要求1所述的基于供需匹配优化模型的平台集中式供需方案优化方法，其特征在于，获取所述初始种群包括：对所述供需关联信息进行染色体编码，获得染色体编码集合，并基于所述染色体编码集合进行k
‑
means运算，生成初始种群。4.根据权利要求3所述的基于供需匹配优化模型的平台集中式供需方案优化方法，其特征在于，所述k
‑
means运算包括：获取所述染色体编码集合中每个需求端的时间维度和地理位置并进行聚类运算，基于所述聚类运算随机选择聚类中心，根据每个所述需求端到所述聚类中心的距离，对所述需求端进行分类匹配处理，获取分类匹配排序结果，将所述分类匹配排序结果作为初始种群。5.根据权利要求1所述的基于供需匹配优化模型的平台集中...

【专利技术属性】
技术研发人员：陈丽华，胡华清，王璐，刘靓晨，
申请(专利权)人：北京世纪超越管理咨询服务有限公司，
类型：发明
国别省市：