模糊隨機變量^的清晰等價形式
[0013]
【主權(quán)項】
1. 二層帶模糊隨機時間窗口車輛路徑優(yōu)化方法，其特征在于，步驟如下： 建立二層帶時間窗口車輛路徑優(yōu)化問題模型的下層模型，并根據(jù)所述下層模型建立對 應(yīng)的上層模型； 根據(jù)所述上層模型及下層模型得到使用二層規(guī)劃技術(shù)下的帶模糊隨機時間窗口車輛 路徑優(yōu)化問題總體模型，所述總體模型為上層模型與下層模型的有機結(jié)合； 使用粒子群算法對所述總體模型進行求解。
2. 如權(quán)利要求1所述的二層帶模糊隨機時間窗口車輛路徑優(yōu)化方法，其特征在于，所 述下層模型的具體建立方法如下： 計算目標函數(shù)中模糊隨機變量&的清晰等價形式
其中，η表示顧客數(shù)量； 計算得到上式中各個參數(shù)的限定條件，由此得到下層模型的表達式為
&是車輛開始服務(wù)顧客i的 時間，81是車輛服務(wù)顧客i的持續(xù)時間，最后t u是顧客i到顧客j的運輸時間，表示車 輛對顧客j的開始服務(wù)時間，Sa表示顧客滿意度最低水平，Li (tj是顧客i的滿意度水平：
其中，^和I i分別表示顧客i能接受的最早和最晚被服務(wù)的時間，EET 1表示顧客i能 容忍的最早開始服務(wù)時間，假設(shè)為模糊隨機變量，ELTi表示顧客i能容忍的最晚開始服務(wù)時 間，假設(shè)為模糊隨機變量。
3. 如權(quán)利要求2所述的二層帶模糊隨機時間窗口車輛路徑優(yōu)化方法，其特征在于，建 立所述上層模型的具體步驟如下： 獲取最早服務(wù)時間EET的模糊隨機變量 將所述模糊隨機變量轉(zhuǎn)變?yōu)椋é?，?_水平梯形模糊變量其中，Y表示 為任一給定的模糊變量可能性水平，S表示任一給定的隨機變量概率水平； 計算（Y，0)-水平梯形模糊的期望值； 計算含有模糊隨機變量的目標的清晰等價形式，其表達式如下：
其中，^是種子顧客i路線初始化成本，'是車輛k服務(wù)顧客j的成本，而I是 顧客i和顧客j之間的運輸成本，
]分別是
模糊變量和i的期望值 表示種子顧客路線初始成本之和， C i λΟ fg CiJ
良示車輛對顧客的服務(wù)成本總和：
表示總體的 路線配送成本，EV表示求解兩次期望值； 計算得到含有模糊隨機變量的目標的清晰等價形式中各個參數(shù)的限定條件，由此得到 上層模型的表達式為
丑，V//./eC，其中Yij由下層模型求解，dj表示顧客j的需求，H表示 車輛集合，K表示車輛數(shù)量，C表示顧客集合。
4.如權(quán)利要求3所述的二層帶模糊隨機時間窗口車輛路徑優(yōu)化方法，其特征在于，根 據(jù)所述上層模型及下層模型得到總體模型，總體模型的表達式為
其中由下層模型求解，
5. 如權(quán)利要求1至4任意一項所述的二層帶模糊隨機時間窗口車輛路徑優(yōu)化方法，其 特征在于，在計算上層模型及下層模型之前還包括基于云理論的粒子初始化，其具體步驟 為： 步驟一、令η = 1 ; 步驟二、生成以En為期望值，He為標準差的一個正態(tài)隨機數(shù)Εη' ； 步驟三、生成以Ex為期望值，Εη'的絕對值為標準差的一個正態(tài)隨機數(shù)X，X稱為論域 空間中的一個云滴； 步驟四、計算y = P^)V2(￡n)2，令y為X屬于定性概念2的確定度； 步驟五、若η小于N，令η = n+1，并進入步驟二開始循環(huán)； 其中，云的數(shù)字特征用期望Ex，熵En和超熵He來表示，它們反映了定性概念2整體上 的定量特征。
6. 如權(quán)利要求5所述的二層帶模糊隨機時間窗口車輛路徑優(yōu)化方法，其特征在于，使 用粒子群算法對所述總體模型進行求解的具體方法為： A.進行基于云理論的初始化后，使用期望值算子處理相關(guān)不確定因素；
C. 若F/Y/K<s'.s'(/?)>F/Y/wv(f )，則令之后進入步驟D，否則直接進入步驟D ; D. 若W吧Wf")，則令= C，同時更新P廣st并產(chǎn)生PitTest，否則直接 更新P廣st并產(chǎn)生Pi廣st; E. 若Pid>Pmax，則令Pid= Pmax，若否，則進一步判斷Pid〈Pmin，若是，則令Pid= Pmin，若否則 將粒子分組并標記； F. 判斷τ >T，若是則結(jié)束程序，若否，則令τ = τ+l，并進入步驟B循環(huán)； τ為迭代次數(shù)指標，τ =1，2，…T;d為維度指標，d=l，2，…D;i表示粒子標志， i = 1,2,…I ; ω ( τ )為第τ代的慣性權(quán)重，vid( τ )為第τ代第i粒子在第d維度的速 度，Pid( τ )為第τ代第i粒子在第d維度的位置，pidtest( τ )為第τ代第i粒子在第d維 度的個人最優(yōu)位置，Pgdbest( τ )為第τ代第i粒子在第d維度的全局最優(yōu)位置，pid^st( τ ) 第τ代第i粒子在第d維度的局部最優(yōu)位置，pidNbest(T)為第τ代第i粒子在第d維度的 領(lǐng)域最優(yōu)位置，C 1為個人最優(yōu)位置加速常數(shù)，c g為全局最優(yōu)位置加速常數(shù)，c i為局部最優(yōu)位 置加速常數(shù)，Cn為領(lǐng)域最優(yōu)位置加速常數(shù)，pmax為最大位置值，p min為最小位置值，p i為第i 粒子的位置向量，Pi= [P n, PiD ...，PiJ，Vi為第i粒子的速度向量，V i= [V ii，Vi2, ... ViJ， Pibest表示第i粒子的個人最優(yōu)位置向量，P ibest= [P nbest，Pi2best，... PiDbest]，P廣策示全局 最優(yōu)位置向量，Pgbest= [P glbest，pg2best，…PgD best]，P，est表示第i粒子的局部最優(yōu)位置向量， PiLbeSt= [p Jbest, Pi2LbeSt，…PiDLbeSt]，F(xiàn) itness (Pi)為 Pi 的適應(yīng)值，F(xiàn)DR 為適應(yīng)值距離比率。
【專利摘要】本發(fā)明涉及帶模糊隨機時間窗口的車輛路徑優(yōu)化的方法，本發(fā)明為解決在工程運輸中帶模糊隨機時間窗口車輛路徑優(yōu)化問題，提供一種二層帶模糊隨機時間窗口車輛路徑優(yōu)化方法，步驟如下：建立二層帶時間窗口車輛路徑優(yōu)化問題模型的下層模型，并根據(jù)所述下層模型建立對應(yīng)的上層模型；根據(jù)所述上層模型及下層模型得到使用二層規(guī)劃技術(shù)下的帶模糊隨機時間窗口車輛路徑優(yōu)化問題總體模型，所述總體模型為上層模型與下層模型的有機結(jié)合；使用粒子群算法對所述總體模型進行求解。本發(fā)明將改進的粒子群算法技術(shù)應(yīng)用于求解二層帶模糊隨機時間窗口車輛路徑優(yōu)化方法中，可以快速有效得到二層帶模糊隨機時間窗口車輛路徑的最優(yōu)解。本發(fā)明適用于工程管理領(lǐng)域。
【IPC分類】G06Q50-28, G06Q10-04
【公開號】CN104537446
【申請?zhí)枴緾N201510021699
【發(fā)明人】徐玖平, 馬艷芳, 曾自強
【申請人】四川大學(xué)
【公開日】2015年4月22日
【申請日】2015年2月9日