【技术实现步骤摘要】
本专利技术涉及物流配送路径规划，特别是一种考虑感染风险和拖期风险的第四方物流路径规划方法。
技术介绍
1、我们前期申报的专利技术专利(申请号为cn202211688071.6)公开了一种基于cvar的第四方物流路径优化方法，包括：确定包括供应城市节点和若干个中转城市节点以及目的城市节点的待优化运送关系，以及根据运送关系，构建基于cvar的第四方物流优化模型；通过q-learning算法对第四方物流优化模型进行求解，确定第四方物流配送最优路径。本申请建立以最小化cvar为目标函数，以运输成本为约束条件的数学模型，以此来评估拖期风险，目的是在有限的成本下选择最小化cvar路径为客户提供满意的送货服务。以及将q-learning算法与第四方物流路径优化问题相结合，重新设计状态-动作对和定义奖励值，所构建的随机模型可以有效地控制拖期风险，以及还可以根据客户不同的置信水平快速得到满意的解决方案。
2、疫情期间由于病毒传播的快速性导致的医疗和生活物资供给严重短缺，到后期疫情得到有效控制，各项物资供给充足，物流行业的贡献不可磨灭，同时疫情使得4pl企业深刻认识到提高应急能力、提高卫生防护措施、优化物流路径和模式等方面的重要性。
3、由于物流仓储中心和转运节点人员比较密集，货物量较大，一旦发生疫情，可能会造成大范围传播，在积极打通物流通道的同时，应确保在提供配送服务时城市节点间车辆运输的是货物，而不是病毒，所以4pl对物流运输过程中的感染风险监管，应成为疫情防控中的一个重要环节。在此过程中，4pl供应商必须以更加科学精准
4、因此需要考虑感染风险和拖期风险的第四方物流路径优化进行研究。
技术实现思路
1、为了解决上述技术问题，本专利技术提供了一种考虑感染风险和拖期风险的第四方物流路径规划方法。
2、为达到上述目的，本专利技术是按照以下技术方案实施的：
3、一种考虑感染风险和拖期风险的第四方物流路径规划方法，包括以下步骤：
4、s1、确定疫情初期包括供应城市节点和若干个中转城市节点以及目的城市节点的待优化运送关系，以及根据运送关系，以成本和感染风险为约束条件，构建基于cvar的第四方物流路径规划模型：
5、
6、r＝{vs,...,vi,k,vj,...,vk}∈g (5)
7、xijk(r),yj(r)∈{0,1}(6)
8、xj＜50 (7)；
9、其中：式(1)表示的是目标函数，即最小化cvar，其中β为置信水平，表示客户对风险的厌恶程度；式(2)是对感染风险约束，f0表示客户给定的最大能接受的感染风险，xj表示在节点城市j的14天内本土累计确诊人数，f表示14天内本土累计确诊人数的单位人次感染风险；式(3)为拖期量δt的表达式，为随机变量；式(5)表示的是对路径的约束，要保证路径是从初始城市到目的城市的合法的连通路径；式(6)表示的是对决策变量的约束，式(7)表示运输路径不能经过高风险地区；
10、s2、基于改进q-learning算法对基于cvar的第四方物流路径规划模型进行求解并可视化满足客户感染风险及成本要求的最小化cvar的配送路径。
11、进一步地，所述步骤s1中感染风险的划分标准为：
12、
13、进一步地，所述步骤s2具体包括：
14、s21：定义q-learning算法的状态空间：以供应城市节点、中转城市节点和目的城市节点作为不同的状态，以待优化运送关系中供应城市节点和若干个中转城市节点以及目的城市节点作为状态空间组成；定义q-learning算法的动作空间：以供应城市节点、中转城市节点和目的城市节点对应的3pl供应商作为不同的动作，以待优化运送关系中供应城市节点和若干个中转城市节点以及目的城市节点对应的3pl供应商作为状态空间组成；假设当前状态s(当前的所处的节点城市)，此时节点城市对应的3pl供应商可以用动作空间a＝{a1,a2,···,ak,···,ak}，k＝1,2,···,k来表示；然后在matlab中导入已知信息；
15、s22：初始化参数γ、α及q表，设定初始状态和最终状态，并根据现有数据利用下式生成奖励矩阵r；
16、r＝ω1r(s,a)+ω2r(s,a)+ω3r(s,a)+ω4r0(s,a) (8)
17、其中：
18、
19、ω1与所选择3pl供应商及转运节点对应的配送费用成倒数关系，即当配送费用越小时得到的奖励值越大；ω2与所选择3pl供应商及转运节点对应的配送时间的均值成倒数关系，当随机时间的均值越小则得到的奖励值越大；ω3与所选择3pl供应商及转运节点对应随机时间的方差成倒数关系，当方差越小，其对应的奖励值越大，k1、k2是奖励函数的加权系数；ω4与节点感染人数有关；
20、s23：初始化状态为初始节点；
21、s24：利用随机策略选择动作即状态所对应可选的3pl供应商；
22、s25：执行动作a即选择当前节点的某3pl供应商，转移到新的状态s'即下一节点城市，根据奖励矩阵r及相关参数设定对q表进行更新，q表公式如下所示：
23、q*(s，a)←(s，a)+ρ[r(s，a，s′)+γmaxq(s′，a′)-q(s,a)]；
24、式中，r(s,a,s′)表示通过执行动作a从状态s移动至状态s′后获得的回报值；
25、γ表示折扣因子，γ∈(0,1)；ρ表示学习率；
26、s26：判断s'是否为终止状态，若不是则转步骤s24，若是转步骤s27；
27、s27：判断是否到达训练次数，若不是则转步骤s23，若是则转步骤s28；
28、s28：训练结束输出q表；
29、s29：根据q表输出最优配送路径。
30、优选地，所述γ＝0.8，α＝0.9，episode＝100。
31、优选地，所述k1为0.1；k2为0.2或0.8。
32、与现有技术相比，本专利技术采用cvar模型对考虑拖期风险的第四方物流优化问题进行拓展研究，保证拖期风险均值最小的同时，充分考虑了感染风险对配送方案的影响，利用转运节点城市的本土累计确诊人数对感染风险进行量化，建立了以成本和感染风险为约束条件，最小化cvar为目标的数学模型，依据该模型的特点，重新设计了改进的q-learning算法中的奖励函数，进行求解并可视化了满足客户感染风险及成本要求的最小化cvar的配送路径。
本文档来自技高网...【技术保护点】
1.一种考虑感染风险和拖期风险的第四方物流路径规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的考虑感染风险和拖期风险的第四方物流路径规划方法，其特征在于，所述步骤S1中感染风险的划分标准为：
3.根据权利要求1所述的考虑感染风险和拖期风险的第四方物流路径规划方法，其特征在于，所述步骤S2具体包括：
4.根据权利要求3所述的考虑感染风险和拖期风险的第四方物流路径规划方法，其特征在于，所述γ＝0.8，α＝0.9，episode＝100。
5.根据权利要求3所述的考虑感染风险和拖期风险的第四方物流路径规划方法，其特征在于，所述k1为0.1；k2为0.2或0.8。
【技术特征摘要】
1.一种考虑感染风险和拖期风险的第四方物流路径规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的考虑感染风险和拖期风险的第四方物流路径规划方法，其特征在于，所述步骤s1中感染风险的划分标准为：
3.根据权利要求1所述的考虑感染风险和拖期风险的第四方物流路径规划方法，其特征在于...
【专利技术属性】
技术研发人员：薄桂华，王晓虎，尹明强，柳强，柳欣，
申请(专利权)人：辽宁石油化工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。