• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 7
    • 下载费用:30 金币  

    重庆时时彩怎么开奖的: 一种基于混合遗传算法的生鲜配送实时优化方法.pdf

    摘要
    申请专利号:

    重庆时时彩单双窍门 www.4mum.com.cn CN201710053599.9

    申请日:

    2017.01.24

    公开号:

    CN106803136A

    公开日:

    2017.06.06

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G06Q 10/04申请日:20170124|||公开
    IPC分类号: G06Q10/04(2012.01)I; G06N3/12; G06Q10/08(2012.01)I 主分类号: G06Q10/04
    申请人: 苏州工业职业技术学院
    发明人: 欧阳芳; 姚晓东; 薛均
    地址: 215104 江苏省苏州市吴中区吴中大道国际教育园致能大道1号
    优先权:
    专利代理机构: 南京纵横知识产权代理有限公司 32224 代理人: 董建林
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201710053599.9

    授权公告号:

    |||

    法律状态公告日:

    2017.06.30|||2017.06.06

    法律状态类型:

    实质审查的生效|||公开

    摘要

    本发明公开了一种基于混合遗传算法的生鲜配送实时优化方法,其特征是,利用Floyd(城市常规送货点)算法、Dijkstra(城市动态送货点)算法,计算出送货点之间的最短路径,并使用节约里程法对配送路径合并,再运用混合遗传算法对各个送货点的配送路径进行集成。本发明所达到的有益效果:本方法能够在实时配送中,对于各种动态送货点的出现,通过混合遗传算法,结合最优化配送成本,实现实时路线分配,提高整体的分配效率,对于生鲜的配送有着极大的意义。

    权利要求书

    1.一种基于混合遗传算法的生鲜配送实时优化方法,其特征是,包括如下步骤:
    1)根据配送中心以及各个送货点的位置,采用Floyd算法和Dijkstra算法,结合仓储费
    用、中转费用和管理费用,以总配送费用最小为优化目标进行求解,计算出送货点之间的最
    短路径;
    2)采用节约里程法对步骤1)得到的各个最短路径进行合并;
    3)根据当前配送站点的资源结合步骤2)的结果进行路径划分,计算静态下的配送路线
    的最小成本目标函数,形成若干条配送路线;
    4)实时对送货信息进行监控,如果对送货信息进行变更,采用混合遗传算法重新构造
    配送路线;具体重新构造步骤如下:
    步骤401)采用送货点直接排列的编码方法,用一个矩阵表示所有需要完成配送的送货
    点的顺序,送货点的编号由1~n构成;
    将未被访问过的送货点随机形成序列,按顺序逐一将每个送货点加入到当前配送路线
    中;检验是否满足车辆载重限制,若满足,则将该送货点加入到当前配送路线中;若不满足,
    则将其加入到下一条配送路线;
    步骤402)计算+成本目标函数,G为个体对应的配送路径方案的不可行路径条数:
    若当前配送路线个数<车辆总台数,则G=0,表示该个体对应一个可行解;
    若当前配送路线个数≥车辆总台数,则G>0,表示该个体无解;
    Pw表示对每条不可行路径的惩罚权重,适应度值满足优化准则;
    步骤403)选择新个体送货点;采用随机算法选择具有较高区域出现度的个体送货点;
    将当前送货点集合作为子代,保留当前送货点集合的最优解,并保持子代的送货群体个数
    与总群体个体数相同;
    步骤404)采用类改进的O X法作为交叉方法进行反复交叉操作。
    2.根据权利要求1所述的一种基于混合遗传算法的生鲜配送实时优化方法,其特征是,
    所述步骤1)中通过Floyd算法求出送货点间的最短路径距离、需要中转的次数和配送时间;
    通过Dijkstra算法算出生鲜货物配送量和中转量,并根据运费率、配送量和距离求出运输
    成本。
    3.根据权利要求1所述的一种基于混合遗传算法的生鲜配送实时优化方法,其特征是,
    所述步骤2)具体步骤为:
    21)测出配送中心到送货点、送货点之间的最短距离;
    22)按节约里程公式求得相应的节约里程数;
    23)根据车载重量作为约束条件与节约里程数的大小,顺序连接各送货点结点;
    24)将得到的各个最短路径进行合并。
    4.根据权利要求1所述的一种基于混合遗传算法的生鲜配送实时优化方法,其特征是,
    所述步骤3)中的配送站点的资源包括车载重、车辆容积、计划安排的车辆数X、平均车速V、
    单位配送费率为c、车辆每日最大行驶距离为L、超出最大行驶距离后的每公里需附加支付
    给司机的费用为pl、违反时间窗约束的惩罚费用为早到的费用p1和晚到的费用p2。
    5.根据权利要求4所述的一种基于混合遗传算法的生鲜配送实时优化方法,其特征是,
    所述步骤3)中最小成本目标函数:
    <mrow> <mi>min</mi> <mi>Z</mi> <mo>=</mo> <mi>c</mi> <munder> <mi>&Sigma;</mi> <mrow> <mi>k</mi> <mo>&Element;</mo> <mi>M</mi> </mrow> </munder> <munder> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>&Element;</mo> <mi>N</mi> </mrow> </munder> <munder> <mi>&Sigma;</mi> <mrow> <mi>j</mi> <mo>&Element;</mo> <mi>N</mi> </mrow> </munder> <msub> <mi>d</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <msub> <mi>x</mi> <mrow> <mi>i</mi> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>c</mi> <mn>0</mn> </msub> <munder> <mi>&Sigma;</mi> <mrow> <mi>k</mi> <mo>&Element;</mo> <mi>M</mi> </mrow> </munder> <munder> <mi>&Sigma;</mi> <mrow> <mi>j</mi> <mo>&Element;</mo> <mi>N</mi> </mrow> </munder> <msub> <mi>x</mi> <mrow> <mn>0</mn> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>+</mo> <munder> <mi>&Sigma;</mi> <mrow> <mi>k</mi> <mo>&Element;</mo> <mi>M</mi> </mrow> </munder> <msub> <mi>P</mi> <mrow> <mi>L</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>+</mo> <munder> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>&Element;</mo> <mi>N</mi> </mrow> </munder> <msub> <mi>P</mi> <mrow> <mi>T</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>;</mo> </mrow>
    超出最大行程后的额外成本
    违反时间窗限制的惩罚成本
    上述涉及的基本约束条件为:
    其中,N表示配送点和本次实际送货点代号的集合,配送点标记为0;M表示实际安排的
    车辆集合,c0表示多派出一辆车的固定成本,dij表示任意两送货点间的距离,Q表示每辆车
    的最大送货量,p0为车辆的起步费用,xijk表示车辆k经过路径(i,j),取值为1,送货点i的送
    货量为qi,送货点i的送达时间要求在时间窗[ETi,LTi]内,TAi为实际到达送货点i的时间,
    [ai,bi]表示送货点i要求货物的送到时间不得超出的时间范围,A表示超出[ai,bi]送达时
    间范围的惩罚成本取值,依据经验值设定。
    6.根据权利要求3所述的一种基于混合遗传算法的生鲜配送实时优化方法,其特征是,
    所述步骤402)中优化准则具体为:优化结果如收敛到要求的精度范围,以优化的收敛精度
    作为优化准则,否则按照Dijkstra算法的最大仿真代数作为结束条件。

    说明书

    一种基于混合遗传算法的生鲜配送实时优化方法

    技术领域

    本发明涉及一种基于混合遗传算法的生鲜配送实时优化方法,属于物流配送算法
    技术领域。

    背景技术

    当前城市的生鲜配送业务急速上升,呈现多品种、少批量、配送点分布不均匀、交
    通拥堵频繁等情况。同时,客户通过移动电商平台即时对订单信息进行频繁的变更,也大大
    提高了生鲜配送作业计划的难度。

    生鲜配送效率一方面影响生鲜产品品质,另一方面关联配送企业的经济收益。长
    期以来,城市生鲜配送一直面临利润低、时效高、多品种、小批次的高要求复杂作业。并且,
    和普通的配送路径规划不同,生鲜配送由于面对广大城市居民消费,配送的动态变量更多,
    配送要求的时效更高。

    在实际配送中心的运营管理中,生鲜配送的路径、计划往往由送货员根据具体情
    况自主决定,缺乏一个系统性、科学性的成本核算与优化设计。

    发明内容

    为解决现有技术的不足,本发明的目的在于提供一种基于混合遗传算法的生鲜配
    送实时优化方法,能够解决目前实施配送生鲜时效率低,成本高的问题。

    为了实现上述目标,本发明采用如下的技术方案:

    一种基于混合遗传算法的生鲜配送实时优化方法,其特征是,包括如下步骤:

    1)根据配送中心以及各个送货点的位置,采用Floyd算法和Dijkstra算法,结合仓
    储费用、中转费用和管理费用,以总配送费用最小为优化目标进行求解,计算出送货点之间
    的最短路径;

    2)采用节约里程法对步骤1)得到的各个最短路径进行合并;

    3)根据当前配送站点的资源结合步骤2)的结果进行路径划分,计算静态下的配送
    路线的最小成本目标函数,形成若干条配送路线;

    4)实时对送货信息进行监控,如果对送货信息进行变更,采用混合遗传算法重新
    构造配送路线;具体重新构造步骤如下:

    步骤401)采用送货点直接排列的编码方法,用一个矩阵表示所有需要完成配送的
    送货点的顺序,送货点的编号由1~n构成;

    将未被访问过的送货点随机形成序列,按顺序逐一将每个送货点加入到当前配送
    路线中;检验是否满足车辆载重限制,若满足,则将该送货点加入到当前配送路线中;若不
    满足,则将其加入到下一条配送路线;

    步骤402)计算+成本目标函数,G为个体对应的配送路径方案的不可行路径条数:

    若当前配送路线个数<车辆总台数,则G=0,表示该个体对应一个可行解;

    若当前配送路线个数≥车辆总台数,则G>0,表示该个体无解;

    Pw表示对每条不可行路径的惩罚权重,适应度值满足优化准则;

    步骤403)选择新个体送货点;采用随机算法选择具有较高区域出现度的个体送货
    点;将当前送货点集合作为子代,保留当前送货点集合的最优解,并保持子代的送货群体个
    数与总群体个体数相同;

    步骤404)采用类改进的OX法作为交叉方法进行反复交叉操作。

    进一步地,所述步骤1)中通过Floyd算法求出送货点间的最短路径距离、需要中转
    的次数和配送时间;通过Dijkstra算法算出生鲜货物配送量和中转量,并根据运费率、配送
    量和距离求出运输成本。

    进一步地,所述步骤2)具体步骤为:

    21)测出配送中心到送货点、送货点之间的最短距离;

    22)按节约里程公式求得相应的节约里程数;

    23)根据车载重量作为约束条件与节约里程数的大小,顺序连接各送货点结点;

    24)将得到的各个最短路径进行合并。

    进一步地,所述步骤3)中的配送站点的资源包括车载重、车辆容积、计划安排的车
    辆数X、平均车速V、单位配送费率为c、车辆每日最大行驶距离为L、超出最大行驶距离后的
    每公里需附加支付给司机的费用为pl、违反时间窗约束的惩罚费用为早到的费用p1和晚到
    的费用p2。

    进一步地,所述步骤3)中最小成本目标函数:


    超出最大行程后的额外成本

    违反时间窗限制的惩罚成本

    上述涉及的基本约束条件为:这三个约条件中第
    一个为保证每辆配送车辆均不超过其最大载量能力、下面两个约束条件为确保每个顾客只
    能被分配到一条路径上,即每个顾客配送次数为1次;

    其中,N表示配送点和本次实际送货点代号的集合,配送点标记为0;M表示实际安
    排的车辆集合,c0表示多派出一辆车的固定成本,dij表示任意两送货点间的距离,Q表示每
    辆车的最大配送量,Lk表示已行驶的距离,p0为车辆的起步费用,xijk表示车辆k经过路径(i,
    j),取值为1,送货点i的送货量为qi,送货点i的送达时间要求在时间窗[ETi,LTi]内,TAi为
    实际到达送货点i的时间,[ai,bi]表示送货点i要求货物的送到时间不得超出的时间范围,A
    表示超出[ai,bi]送达时间范围的惩罚成本取值,依据经验值设定。

    进一步地,所述步骤402)中优化准则具体为:优化结果如收敛到要求的精度范围,
    以优化的收敛精度作为优化准则,否则按照Dijkstra算法的最大仿真代数作为结束条件。

    本发明所达到的有益效果:本方法能够在实时配送中,对于各种动态送货点的出
    现,通过混合遗传算法,结合最优化配送成本,实现实时路线分配,提高整体的分配效率,对
    于生鲜的配送有着极大的意义。

    具体实施方式

    下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方
    案,而不能以此来限制本发明的?;し段?。

    本实施例中以苏州食行生鲜企业的生鲜配送路径规划为例:

    已知生鲜配送中心坐标为(137,93),车辆载重均为5吨,车辆容积为354×795×
    220cm,车辆能容纳20个标准周转箱(即标准配送单位),所有送货点需求的送货量均小于配
    送车辆的最大装载能力,车辆由配送中心苏州跨塘出发,完成配送任务后须返回跨塘配送
    中心。

    配送费率c=1元/公里,多派出一辆车的固定成本c0=100元,车辆最大货物配送
    量5吨,车辆每日行驶距离最多300公里,超出300公里每公里需附加支付给司机1.2元/公里
    的费用,假设平均车速50公里/时,以送货量(吨)的1/3为该送货点的服务时间(小时)。

    假设起始点有8个送货点的配送任务,各个送货点要求的送货量下表所示:

    送货点
    1
    4
    5
    8
    15
    16
    17
    22
    送货量(吨)
    2
    1.5
    2.5
    5
    1.5
    2.5
    3
    2.5
    时间窗
    [0,2]
    [0.5,3]
    [2,4]
    [1,4]
    [3,7]
    [2,5]
    [0.5,2]
    [2,5]
    位置坐标(公里)
    (95,55)
    (134,50)
    (160,48)
    (175,90)
    (58,92)
    (71,73)
    (84,76)
    (184,71)

    表1

    假设T时刻(即时性)出现新的送货点后,排队等候送货的情况如下表(表2)所示:



    表2

    根据上述数据进行运算,若配送路线不变更,则送货路线和成本如下表(表3):



    表3基于静态配送路线的成本核算

    如果采用本发明所涉及的方法进行配送路线的调整,会得到如下表的配送方案:



    表4基于动态调整的配送路线成本核算

    以上数据明确显示,通过本发明中的所采用的混合型的遗传算法运算出来新的配
    送路径能够节省22.4%配送费用。

    从以上实施例的说明中可以看到,本方法能够提高生鲜配送的速度,保证生鲜的
    品质,同时降低企业配送成本,快速响应客户需求,并且能够提高车辆利用率,低碳节能,减
    少城市交通拥堵,最后通过农产品流通效率,促进农业产业链的健康快速发展。

    以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人
    员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形
    也应视为本发明的?;し段?。

    关 键 词:
    一种 基于 混合 遗传 算法 生鲜 配送 实时 优化 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:一种基于混合遗传算法的生鲜配送实时优化方法.pdf
    链接地址://www.4mum.com.cn/p-6000532.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03