申请/专利权人：南京信息工程大学

申请日：2024-04-18

公开（公告）日：2024-07-05

公开（公告）号：CN118095571B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q10/047;G06Q10/083;G06Q10/087;G06N3/126

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2024.06.14#实质审查的生效;2024.05.28#公开

摘要：本发明公开了一种基于粗细粒度变异的不确定多仓库多物流车调度方法，针对不确定多仓库多物流车调度优化问题，设计了兼顾缩短各物流车路径长度以及维持各物流车路径长度均衡的优化目标，基于遗传算法，提出了一种改进的稳态分组交叉算子以及一种高效的修正方法，从而生成高质量的新物流车服务序列；设计了粗粒度与细粒度变异算子，分别负责客户节点分配以及服务路径优化，从而进一步提升物流车服务序列的精度。本发明提供的一种基于粗细粒度变异的不确定多仓库多物流车调度方法，能够针对不确定多仓库物流场景，优化出多量物流车的最优服务路径，同时兼顾物流车间的均衡性，可以有效降低物流运输成本，提升物流调度效率。

主权项：1.一种基于粗细粒度变异的不确定多仓库多物流车调度方法，其特征在于：包括以下步骤：步骤a，读取待优化的不确定多仓库多物流车调度实例信息，以及确定不确定多仓库多物流车调度问题的优化目标与约束条件，基于不确定多仓库多物流车调度实例信息初始化遗传算法的参数，得到初始化遗传算法参数，并基于约束条件在多物流车调度问题的解空间中随机生成初始种群，初始种群中的每个解为物流车的一种调度方案，每辆物流车按照调度方案中对应的服务序列中的客户编号依序服务目标客户；步骤b，对初始种群的每个个体进行适应值评估，得到个体适应值，所述个体适应值为个体表征的物流调度方案中最长物流车服务序列长度的倒数；步骤c，采用轮盘赌策略根据个体适应值选择种群中优秀个体参与种群的后续更新，将所选择的个体进行随机两两配对，而后根据初始化遗传算法参数中交叉概率对每对个体进行改进的稳态分组交叉操作，产生的新个体组成新种群；根据轮盘赌策略选择优秀个体来参与种群的更新，具体为：先从种群中依概率选择优秀个体；设当前的物流车调度方案为xk，则在单次选择中这个个体被选中的概率Pxk为： （3）；其中，为当前个体适应值，为第m条物流车调度方案适应值，由于单次选择仅选取一个个体进入新种群，所以将重复放回地选NP次，NP为种群数量，来源于初始化遗传算法参数，最终选择NP个体形成新种群；然后根据初始化遗传算法参数中交叉概率Pc对于种群内的个体进行交叉操作；具体为将NP个个体两两进行随机配对，并产生一个在0,1之间的均匀随机数；如果该随机数小于系统预设的交叉概率Pc，则将这两个个体使用交叉算子进行交叉产生子代；交叉操作采用改进的稳态分组交叉，具体包括以下步骤：步骤g，随机从需要进行交叉的两个个体中选择一个个体；将该个体中长度最短的物流车服务序列复制给子代，所述子代为将要生成的个体，其中长度最短的路径就是个体中最短的物流车服务序列，然后在两个亲本中删除这条服务序列中的客户；步骤h，重复所述步骤g，直到后代包含m条服务序列；步骤i，将执行完步骤h后剩下的未分配的目标客户分配给后代中的物流车服务序列；采用以下两种方法：第一种方法是将目标客户插入到导致路径长度最少增量的序列及其相应位置中；第二种方法是随机选择一条序列，而后将目标客户插入到导致这条序列路径长度最少增量的位置中，第一种方法和第二种方法分别以95%与5%的概率进行二选一使用；当步骤h执行过程中存在后代中尚未包含m条服务序列但是所有目标客户均已包含在现有服务序列中的情况时，进行修正操作，具体为将至少服务4个目标客户且满足路径长度最长的序列一分为二，同时使得总物流车服务序列长度最短；所述细粒度变异是随机选取一条含有至少三个客户的物流车服务序列，选取这条序列中的随机一个客户并移出序列，接着使用贪心策略将这个被移出的客户插入到使物流车服务序列路径长度增量最小的序列位置；步骤d，依根据初始化遗传算法参数中变异概率从新种群中选择参与变异的个体；而后针对每个参与变异的个体依概率执行粗粒度或细粒度变异策略产生新的物流车服务序列；随后，针对新物流车服务序列进行局部搜索操作以进一步优化得到优化后物流车服务序列；变异操作分为粗粒度变异与细粒度变异策略，在执行变异操作时，对于种群中的每个个体，每次生成一个在0,1之间的均匀随机数，如果该随机数小于0.5则执行细粒度变异操作，否则执行粗粒度变异操作；所述粗粒度变异操作是随机选取一条含有至少四个客户的物流车服务序列，选取这条服务序列中的一条子序列并移出序列，同时保证被移出子序列的剩余物流车服务序列中至少含有两个客户，接着使用贪心策略将这个被移出的子序列插入到使物流车服务序列长度增量最小的序列位置；步骤e，评估经历上述操作后的新种群中的每个个体所表征的优化后物流车服务序列的适应值，并根据优化目标用适应值最大的个体来更新全局最优物流车调度方案；步骤f，重复步骤c、步骤d和步骤e，直至满足终止条件，输出全局最优物流车调度方案。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种基于粗细粒度变异的不确定多仓库多物流车调度方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD