倉(cāng)儲(chǔ)集貨模式車輛路徑逆選擇操作方法
【專利摘要】倉(cāng)儲(chǔ)集貨模式車輛路徑逆選擇操作方法,涉及一種信息通訊集貨車輛路徑選擇操作方法,本發(fā)明針對(duì)不可行路徑以及倉(cāng)儲(chǔ)集貨運(yùn)輸兩種運(yùn)輸模式提出了ACO?nso算法,進(jìn)行了仿真計(jì)算求解并分別與不考慮不可行路徑以及不考慮倉(cāng)儲(chǔ)集貨的情況進(jìn)行了比較,ACO?nso算法計(jì)算時(shí)間短,且算法的穩(wěn)定性較高,可以得到滿意的優(yōu)化解。在實(shí)際生活中針對(duì)逆向物流網(wǎng)絡(luò)中客戶需求量整體偏低且需求點(diǎn)位置高度不集中的情況下,應(yīng)用本發(fā)明所提出的方法進(jìn)行處理可以有效地降低運(yùn)輸總成本,對(duì)指導(dǎo)實(shí)際應(yīng)用具有一定的意義,使得VRPRL問(wèn)題能夠更加貼近于實(shí)際應(yīng)用的要求。
【專利說(shuō)明】
倉(cāng)儲(chǔ)集貨模式車輛路徑逆選擇操作方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及集貨車輛操作方法,特別是涉及倉(cāng)儲(chǔ)集貨模式車輛路徑逆選擇操作方 法。
【背景技術(shù)】
[0002] 逆向物流回收車輛路徑問(wèn)題(Veh i c 1 e Rout ing Prob 1 em in Re ver se Logistics,VRPRL)是逆向物流網(wǎng)絡(luò)設(shè)計(jì)問(wèn)題中的重要組成部分。Hong K. Lo等研究了成 本回收條件下的連續(xù)時(shí)間維度的物流網(wǎng)絡(luò)設(shè)計(jì)問(wèn)題,并采用廣義的既約梯度算法進(jìn)行求 解。逆向物流網(wǎng)絡(luò)設(shè)計(jì)過(guò)程中,選址-路徑問(wèn)題(Location-Routing Prob 1 em,LRP)作為物流 網(wǎng)絡(luò)運(yùn)作過(guò)程中的基礎(chǔ)與核心,國(guó)內(nèi)外的學(xué)者進(jìn)行了廣泛的研究。Emrah Demir等提出了運(yùn) 輸時(shí)間不確定下的綠色多式聯(lián)運(yùn)服務(wù)網(wǎng)絡(luò)設(shè)計(jì)問(wèn)題,將所提出的算法應(yīng)用到實(shí)際物流網(wǎng)絡(luò) 中并進(jìn)行魯棒性分析。周根貴等改進(jìn)了遺傳算法并用于解決需求隨機(jī)、與正向物流結(jié)合的 逆向物流網(wǎng)絡(luò)設(shè)計(jì)問(wèn)題;熊中楷等對(duì)以舊換新收購(gòu)模式下逆向物流網(wǎng)絡(luò)優(yōu)化問(wèn)題進(jìn)行了研 究,并采用粒子群算法進(jìn)行求解。隨著第三方物流產(chǎn)業(yè)的發(fā)展,企業(yè)在回收過(guò)程中只需考慮 各個(gè)需求點(diǎn)的位置和需求量信息,車輛完成回收任務(wù)后不需返回原出發(fā)點(diǎn)。產(chǎn)品的運(yùn)輸任 務(wù)外包給第三方物流商來(lái)進(jìn)行,各條回收路徑形成開放式的哈密頓路。A.D. L0pez-S;a nchez等研究了單客戶最長(zhǎng)配送時(shí)間最小化的0VRP問(wèn)題,并通過(guò)多點(diǎn)下降算法進(jìn)行求解。 Yannis Marinakis等采用了改進(jìn)的蜂群算法對(duì)0VRP問(wèn)題進(jìn)行了求解,并對(duì)算法性能進(jìn)行了 分析。張江華對(duì)同時(shí)集散貨物的0VRP利用隨機(jī)變頻鄰域搜索方法和重啟策略進(jìn)行了求解。
[0003] 在許多現(xiàn)實(shí)生活的情形中,逆向物流網(wǎng)絡(luò)自身具有高度的不確定性,網(wǎng)絡(luò)設(shè)計(jì)過(guò) 程中各個(gè)客戶需求點(diǎn)的位置和需求量不能事先確定,且需求量較小。因此在實(shí)際回收過(guò)程 中,往往將幾個(gè)回收站的貨物集中到一個(gè)回收站后統(tǒng)一向處理中心運(yùn)輸,即產(chǎn)生了倉(cāng)儲(chǔ)集 貨運(yùn)輸模式。同時(shí)由于地理環(huán)境、運(yùn)載條件等外界因素限制,往往不能保證物流網(wǎng)絡(luò)中任意 兩點(diǎn)間均存在可行路徑,則需要回收站之間通過(guò)中轉(zhuǎn)運(yùn)輸完成回收任務(wù),即產(chǎn)生了不可行 路徑情況。從整個(gè)物流回收環(huán)節(jié)的角度,考慮這兩種運(yùn)輸模式對(duì)降低物流成本,提升與客戶 的市場(chǎng)競(jìng)爭(zhēng)力有很大的益處。因此,回收車輛路徑問(wèn)題的研究對(duì)指導(dǎo)實(shí)際問(wèn)題有著重要的 意義。
[0004] 目前國(guó)內(nèi)外大量的研究主要針對(duì)LRP和0VRP,要求物流網(wǎng)絡(luò)結(jié)構(gòu)滿足任意兩個(gè)物 流節(jié)點(diǎn)之間存在可行的直線路徑,且當(dāng)存在貨物運(yùn)輸中轉(zhuǎn)情況時(shí),每個(gè)中轉(zhuǎn)站只能接收一 個(gè)中轉(zhuǎn)站的發(fā)貨,其研究成果與結(jié)論對(duì)于回收車輛路徑問(wèn)題的研究無(wú)法直接應(yīng)用。
[0005] 蟻群算法(Ant Colony Optimization, AC0)是由意大利學(xué)者Dorigo等人根據(jù)螞 蟻的群體覓食行為所抽象出的啟發(fā)式算法,并被廣泛的應(yīng)用于組合優(yōu)化問(wèn)題中。蟻群算法 的運(yùn)行原理如下:螞蟻種群覓食的過(guò)程中在搜索的路徑上留下信息素,信息素濃度較大的 路徑被選擇的概率較大。隨著時(shí)間的推移信息素開始進(jìn)行揮發(fā),較短路徑上的螞蟻能完成 更多次數(shù)的循環(huán),則信息素濃度較高,促使更多的螞蟻選擇這條路徑,這種正反饋機(jī)制是蟻 群算法進(jìn)行尋優(yōu)操作的核心。蟻群算法本身具有較強(qiáng)的魯棒性,并且算法中的概率選擇操 作在處理回收車輛路徑選擇問(wèn)題時(shí)具有很大的優(yōu)勢(shì),傳統(tǒng)蟻群算法的概率選擇操作是通過(guò) 禁忌表的方式確定已訪問(wèn)節(jié)點(diǎn)和未訪問(wèn)節(jié)點(diǎn),根據(jù)當(dāng)前節(jié)點(diǎn)到所有未訪問(wèn)節(jié)點(diǎn)的轉(zhuǎn)移概率 進(jìn)行下一訪問(wèn)節(jié)點(diǎn)的選擇,每一次概率選擇操作后將新選擇的節(jié)點(diǎn)置于上一被選擇節(jié)點(diǎn)后 面,直到所有的物流節(jié)點(diǎn)都被訪問(wèn)。根據(jù)節(jié)點(diǎn)訪問(wèn)順序?qū)⑺形锪鞴?jié)點(diǎn)兩兩相連,即為逆向 物流回收網(wǎng)絡(luò)中的回收路徑構(gòu)成。由于這種選擇方式都是一對(duì)一的,所得的解無(wú)法對(duì)倉(cāng)儲(chǔ) 集貨運(yùn)輸情況進(jìn)行表達(dá)。
[0006] 傳統(tǒng)蟻群算法采用表中節(jié)點(diǎn)的順序來(lái)記錄回收路徑,;ffiia表中的元素取 值于未訪問(wèn)節(jié)點(diǎn)集合必好從!,貝ij構(gòu)成的路徑即為教:個(gè)物流節(jié)點(diǎn)的一個(gè)不重復(fù)排列,無(wú)法 表現(xiàn)出倉(cāng)儲(chǔ)集貨運(yùn)輸所產(chǎn)生的分支路徑情況。
[0007] 因此本發(fā)明對(duì)傳統(tǒng)蟻群算法編碼方式與概率選擇操作進(jìn)行了改進(jìn)提出逆選擇操 作蟻群算法(ACO-nso)進(jìn)行求解分析。
【發(fā)明內(nèi)容】
[0008] 本發(fā)明的目的在于提供一種倉(cāng)儲(chǔ)集貨模式車輛路徑逆選擇操作方法,該方法針對(duì) 逆向物流網(wǎng)絡(luò)中回收車輛的路徑設(shè)計(jì)問(wèn)題,對(duì)物流節(jié)點(diǎn)之間不可行路徑以及倉(cāng)儲(chǔ)集貨模式 的考慮,并提出一種改進(jìn)的蟻群算法進(jìn)行仿真與求解,在實(shí)際生活中針對(duì)逆向物流網(wǎng)絡(luò)中, 客戶需求量整體偏低且需求點(diǎn)位置高度不集中的情況下,應(yīng)用本發(fā)明算法可以有效地降低 運(yùn)輸成本,對(duì)指導(dǎo)實(shí)際應(yīng)用具有重要意義。
[0009] 本發(fā)明的目的是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的: 倉(cāng)儲(chǔ)集貨模式車輛路徑逆選擇操作方法,所述方法基于逆選擇操作蟻群算法的編碼方 式、對(duì)下一節(jié)點(diǎn)的概率選擇操作方式、蟻群算法流程及算法收斂性分析方法;基于逆選擇操 作蟻群算法的編碼方式采用路徑串的形式進(jìn)行編碼;對(duì)下一節(jié)點(diǎn)的概率選擇操作方式對(duì)于 螞蟻是,設(shè)0中第一個(gè)點(diǎn)為待訪問(wèn)節(jié)點(diǎn)i,之后計(jì)算待訪問(wèn)節(jié)點(diǎn)f到已訪問(wèn)節(jié)點(diǎn) 集合nhfei⑷中每個(gè)元素的轉(zhuǎn)移概率,假設(shè)J e 為被選擇節(jié)點(diǎn),則將加入到 2??的末端,并將/從中刪除加入到t)中;通過(guò)上述對(duì)編碼方式 以及概率選擇操作,得VRPRL問(wèn)題的蟻群算法流程如下: Step 1.輸入節(jié)點(diǎn)參數(shù)、初始化距離矩陣,以處理中心為原點(diǎn)計(jì)算其它各個(gè)物流節(jié)點(diǎn) 的極坐標(biāo)并按照極徑升冪排列,根據(jù)不可行路徑信息更新距離矩陣,并構(gòu)造節(jié)約矩陣; Step 2.初始化集,根據(jù)集確定已訪問(wèn)集合與未訪問(wèn) 集合,將處理中心G加入到已訪問(wèn)集合中; Step 3.若未訪問(wèn)節(jié)點(diǎn)集合轉(zhuǎn)入Step 5,否則以未訪問(wèn)節(jié)點(diǎn)集 合中第一個(gè)節(jié)點(diǎn)i為待決策點(diǎn),計(jì)算i與中各個(gè)節(jié)點(diǎn)j的距離以及選擇/后回 收站J的貨物量,再判斷節(jié)點(diǎn)/是否可被決策,即?和i之間存在可行路徑且運(yùn)輸后不超 過(guò)回收站/的最大負(fù)載能力; Step 4.根據(jù)式(10)計(jì)算Jfi)各點(diǎn)轉(zhuǎn)移概率,根據(jù)轉(zhuǎn)移概率確定出節(jié)點(diǎn)i的決策節(jié) 點(diǎn)/,在1?餘鐵Ι?分中添加節(jié)點(diǎn)?,φ?)中添加節(jié)點(diǎn)/,并更新節(jié)點(diǎn)/的廢棄物數(shù)量 信息; Step 5.若?!阇&(?η)集中存在負(fù)決策點(diǎn),轉(zhuǎn)入Step 6;否則二破+1,若權(quán)士1, 則轉(zhuǎn)入St印2,否則轉(zhuǎn)入St印8; Step 6.對(duì)集中的負(fù)決策點(diǎn)進(jìn)行二次決策操作,若二次決策后不存在不可 決策點(diǎn),轉(zhuǎn)入Step 7;若二次決策后仍存在不可決策點(diǎn),記這些節(jié)點(diǎn)為不可派送點(diǎn),令 :?? "?? ) u,轉(zhuǎn)Step 7 ; Step 7.夏二滾+.1,若魏<:M .+:1.,則轉(zhuǎn)入Step 2,否則轉(zhuǎn)入Step 8; Step 8.若Π ,根據(jù)第《次循環(huán)蟻群的行進(jìn)路徑更新信息素,則κ::=,如i轉(zhuǎn) 入Step 2;若>'? ,則輸出上一次循環(huán)的最優(yōu)結(jié)果; 所述算法收斂性分析方法,解空間◎中存在一個(gè)最優(yōu)解,這最優(yōu)解必在ACO-nso算法 的搜索空間化;:3中;設(shè)盡和盡^分別為螞蟻在Ω和〇^:2中能夠找到一個(gè)最優(yōu)解的概 率,則: H <1 (⑵; 由式(12),以及極限的保不等式性可知:
當(dāng)蟻群算法的迭代次數(shù)趨于無(wú)窮大時(shí),ACO-nso算法能夠找到最優(yōu)解的概率為1,即 ACO-nso算法是收斂的。
[0010] 所述的倉(cāng)儲(chǔ)集貨模式車輛路徑逆選擇操作方法,所述基于逆選擇操作蟻群算法的 編碼方式,路徑串由兩個(gè)結(jié)構(gòu)體構(gòu)成,結(jié)構(gòu)體中的每個(gè)元素為一個(gè)物流節(jié)點(diǎn)的編號(hào),解的形 式可表不為::(??.…,氣…巧》4:(?:為…S % S..… 收站編號(hào),且對(duì)于是尹I,4和&相同。
[0011] 所述的倉(cāng)儲(chǔ)集貨模式車輛路徑逆選擇操作方法,所述對(duì)下一節(jié)點(diǎn)的概率選擇操作 方式,待訪問(wèn)節(jié)點(diǎn)_i到已訪問(wèn)節(jié)點(diǎn)集合巧女)中每個(gè)節(jié)點(diǎn)的轉(zhuǎn)移概率均為〇,則定義 待訪問(wèn)節(jié)點(diǎn)i為不可決策點(diǎn)。
[0012] 所述的倉(cāng)儲(chǔ)集貨模式車輛路徑逆選擇操作方法,所述待訪問(wèn)節(jié)點(diǎn)i只與物流節(jié)點(diǎn) /之間存在可行路徑,而中節(jié)點(diǎn)J的位置在節(jié)點(diǎn)丨的后面,則節(jié)點(diǎn)f進(jìn)行決策 時(shí)i中,所有節(jié)點(diǎn)都進(jìn)行過(guò)決策之后對(duì)不可決策點(diǎn)進(jìn)行二次決策操作,若二 次決策時(shí)某一節(jié)點(diǎn)仍然無(wú)法進(jìn)行決策,則該點(diǎn)不存在與處理中心的通路,定義該節(jié)點(diǎn)為不 可派送點(diǎn)。
[0013] 所述的倉(cāng)儲(chǔ)集貨模式車輛路徑逆選擇操作方法,所述方法算法流程Step 3若不可 被決策,則搜索中下一節(jié)點(diǎn),若可被決策,將/放入可行集中。
[0014] 所述的倉(cāng)儲(chǔ)集貨模式車輛路徑逆選擇操作方法,所述ACO-nso算法在進(jìn)行迭代尋 優(yōu)過(guò)程前首先對(duì)節(jié)點(diǎn)進(jìn)行了次序重排處理,即未訪問(wèn)節(jié)點(diǎn)集合〇? 7拉中的所有點(diǎn)按 照極徑升冪重新排列。
[0015] 所述的倉(cāng)儲(chǔ)集貨模式車輛路徑逆選擇操作方法,所述算法收斂性分析方法的解空 間〇內(nèi)所有解的路徑串編碼可劃分為如下三類: (1) 在路徑串編碼中,屬于ACO-nso算法的搜索空間內(nèi)的編碼,這類編碼用Of c表示; (2) 在路徑串編碼中,至少產(chǎn)生了一條不可行路徑的編碼;即路徑串編碼中存在憂,被 選擇的回收站.與是之間不存在可行路徑,這類編碼用表示。
[0016] (3)在路徑串編碼中,至少存在一個(gè)編碼,在路徑可行情況下,選擇了極徑大于自 身的編碼。
[0017] 本發(fā)明的優(yōu)點(diǎn)與效果是: 1.本發(fā)明集中處理后進(jìn)行回收運(yùn)輸任務(wù),即倉(cāng)儲(chǔ)集貨運(yùn)輸模式,適宜于汽、電動(dòng)等貨運(yùn) 車,改變了物流網(wǎng)絡(luò)的結(jié)構(gòu),使問(wèn)題更加符合實(shí)際情況,同時(shí)很大程度的減少車輛調(diào)用費(fèi)用 與運(yùn)輸費(fèi)用,降低了物流網(wǎng)絡(luò)的運(yùn)作成本。
[0018] 2.本發(fā)明算法的編碼能夠準(zhǔn)確的表達(dá)出倉(cāng)儲(chǔ)集貨運(yùn)輸中分支路徑的情況,并保證 路徑的可行性。本發(fā)明采用路徑串的形式進(jìn)行編碼,路徑串由兩個(gè)結(jié)構(gòu)體構(gòu)成,這樣就解決 了倉(cāng)儲(chǔ)集貨運(yùn)輸模式下的分支路徑情況的表達(dá)。
[0019] 3.本發(fā)明體現(xiàn)了 ACO-nso算法在求解考慮路徑可行性與倉(cāng)儲(chǔ)集貨模式下的回收車 輛路徑的優(yōu)勢(shì),本發(fā)明所提出的改進(jìn)蟻群算法適用于求解中等及以下規(guī)模的逆向物流網(wǎng)絡(luò) 回收路徑問(wèn)題,并且計(jì)算時(shí)間短、全局搜索能力強(qiáng)。
[0020] 4.本發(fā)明合理的選擇回收站的選址與回收車輛的回收路徑,使得完成回收任務(wù)的 總運(yùn)輸成本最小。
【附圖說(shuō)明】
[0021] 圖1為L(zhǎng)RP物流網(wǎng)絡(luò)結(jié)構(gòu)圖; 圖2為不可行路徑情況下的運(yùn)輸示意圖; 圖3為0VRP的網(wǎng)絡(luò)結(jié)構(gòu)示意圖; 圖4為倉(cāng)儲(chǔ)集貨運(yùn)輸模式示意圖; 圖5為VRPRL物流網(wǎng)絡(luò)結(jié)構(gòu)圖; 圖6為解的結(jié)構(gòu)不意圖; 圖7為概率選擇操作示意圖; 圖8為第三類路徑串編碼示意圖。
【具體實(shí)施方式】
[0022]下面結(jié)合附圖所示實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明。
[0023]基于逆選擇操作蟻群算法的編碼方式。針對(duì)VRPRL解的特點(diǎn),需要加入不可行路徑和 倉(cāng)儲(chǔ)集貨運(yùn)輸?shù)囊?,則需要智能算法的編碼能夠準(zhǔn)確的表達(dá)出倉(cāng)儲(chǔ)集貨運(yùn)輸中分支路徑的 情況,并保證路徑的可行性。本發(fā)明采用路徑串的形式進(jìn)行編碼,路徑串由兩個(gè)結(jié)構(gòu)體構(gòu)成,結(jié) 構(gòu)體中的每個(gè)元素為一個(gè)物流節(jié)點(diǎn)的編號(hào),解的形式可表示為:_(1 工.._A一… 其中^表示對(duì)回收站?服務(wù)的回收站編號(hào),且對(duì)于:是# I,4和4可以相同,這樣就解決了 倉(cāng)儲(chǔ)集貨運(yùn)輸模式下的分支路徑情況的表達(dá)。例如(UA45HS) - Κ〇Λ〇,2Λ3Λ3.) 表示回收站1,3,7處的廢棄物直接運(yùn)送至處理中心,回收站2,5通過(guò)回收站1進(jìn)行中轉(zhuǎn)運(yùn)輸, 回收站6,8通過(guò)回收站3進(jìn)行中轉(zhuǎn)運(yùn)輸,回收站4首先通過(guò)回收站2運(yùn)輸至回收站1最終運(yùn)往 處理中心,該編碼對(duì)應(yīng)解的結(jié)構(gòu)示意圖如圖6所示。
[0024]對(duì)下一節(jié)點(diǎn)的概率選擇操作: 本發(fā)明對(duì)于螞蟻Ir,設(shè)中第一個(gè)點(diǎn)為待訪問(wèn)節(jié)點(diǎn)i,之后計(jì)算待訪問(wèn)節(jié) 點(diǎn)f到已訪問(wèn)節(jié)點(diǎn)集合中每個(gè)元素的轉(zhuǎn)移概率,假設(shè)j 濟(jì)k)為被選擇節(jié) 點(diǎn),則將加入到的末端,并將?從^^中刪除加入到中,概 率選擇操作示意圖如圖7所示。在進(jìn)行概率選擇操作時(shí),若待訪問(wèn)節(jié)點(diǎn):i到已訪問(wèn)節(jié)點(diǎn)集合 中每個(gè)節(jié)點(diǎn)的轉(zhuǎn)移概率/?均為〇,則定義待訪問(wèn)節(jié)點(diǎn)i為不可決策點(diǎn),不可決策 點(diǎn)的產(chǎn)生是由于考慮道路可行性導(dǎo)致的。假設(shè)待訪問(wèn)節(jié)點(diǎn)i只與物流節(jié)點(diǎn)/之間存在可行 路徑,而中節(jié)點(diǎn)/的位置在節(jié)點(diǎn)i的后面,則節(jié)點(diǎn)i進(jìn)行決策時(shí)j不在 中,故節(jié)點(diǎn):i無(wú)法進(jìn)行決策。在所有節(jié)點(diǎn)都進(jìn)行過(guò)決策之后對(duì)不可決策點(diǎn)進(jìn)行二 次決策操作,若二次決策時(shí)某一節(jié)點(diǎn)仍然無(wú)法進(jìn)行決策,則該點(diǎn)不存在與處理中心的通路, 定義該節(jié)點(diǎn)為不可派送點(diǎn)。
[0025] 綜上所述,對(duì)于螞蟻I:的未訪問(wèn)節(jié)點(diǎn)集合中第一個(gè)節(jié)點(diǎn)i,#珍表示所有可訪問(wèn) 節(jié)點(diǎn)的集合,若= 0,則該節(jié)點(diǎn)為不可決策點(diǎn),定義該點(diǎn)的決策為一i,并將i加入到 已訪問(wèn)節(jié)點(diǎn)集合中;若J @ = 0,則節(jié)點(diǎn)對(duì)下一節(jié)點(diǎn)/的轉(zhuǎn)移概率為4:
[0026] 式(10)為螞蟻是從節(jié)點(diǎn)?到/的轉(zhuǎn)移概率;啦/)為路徑(U)的軌跡強(qiáng)度,由對(duì)應(yīng)的信息 素濃度表示,初始值為1,經(jīng)過(guò)螞蟻完成若干次循環(huán)后,軌跡強(qiáng)度發(fā)生改變心(, 聲表示信息素?fù)]發(fā)系數(shù),表示在第f次循環(huán)中增加的信息素;#、/)為路徑彳人/)的能 見度,由其距離的倒數(shù)表示;α表示屯,〇的權(quán)重;#表示啦./)的權(quán)重;式a 1)中[:節(jié)/)表示 從/到/的距離節(jié)約比例。其中名表示第僉只螞蟻從節(jié)點(diǎn)i直接運(yùn)送到處理中心的距離, ^^表示節(jié)點(diǎn)i到節(jié)點(diǎn)/的距離。
[0027] 算法描述: 通過(guò)對(duì)編碼方式以及概率選擇操作的改進(jìn),可得VRPRL問(wèn)題的蟻群算法流程如下: Step 1.輸入節(jié)點(diǎn)參數(shù),初始化距離矩陣,以處理中心為原點(diǎn)計(jì)算其它各個(gè)物流節(jié)點(diǎn) 的極坐標(biāo)并按照極徑升冪排列,設(shè)置算法最大迭代次數(shù)和種群規(guī)模以及決策次 數(shù)P,令?1通.=i,夕二i。根據(jù)不可行路徑信息更新距離矩陣,并構(gòu)造節(jié)約矩陣。
[0028] step 2.初始化集,根據(jù)Γβ&Μ(?η)集確定已訪問(wèn)集合朽《Μ#(βι)與未 訪問(wèn)集合LkWsir _ ,將處理中心〇加入到已訪問(wèn)集合中。
[0029] Step 3.若未訪問(wèn)節(jié)點(diǎn)集合0.,轉(zhuǎn)入Step 5,否則以未訪問(wèn)節(jié)點(diǎn) 集合中第一個(gè)節(jié)點(diǎn)i為待決策點(diǎn),計(jì)算?與中各個(gè)節(jié)點(diǎn)i的距離以及選擇/后 回收站/的貨物量,再判斷節(jié)點(diǎn)i是否可被決策,即i和/之間存在可行路徑且運(yùn)輸后不 超過(guò)回收站/的最大負(fù)載能力。若不可被決策,則搜索中下一節(jié)點(diǎn),若可被決策, 將/放入可行集Jl>中。遍歷搜索結(jié)束后,得到節(jié)點(diǎn)f的可決策點(diǎn)集合Ai)。若刀i) = G, 則定義節(jié)點(diǎn)j為不可決策點(diǎn),在^^(m)中添加節(jié)點(diǎn)一;1,中刪除?, 中加入i,!轉(zhuǎn)入Step 3;若 痧, 則轉(zhuǎn)入Step 4。
[0030] Step 4.根據(jù)式(10)計(jì)算Jg)各點(diǎn)轉(zhuǎn)移概率,根據(jù)轉(zhuǎn)移概率確定出節(jié)點(diǎn)?的決策 節(jié)點(diǎn)_/,在中添加節(jié)點(diǎn)i 轉(zhuǎn)中添加節(jié)點(diǎn)/,并更新節(jié)點(diǎn)/的廢棄物數(shù) 量信息。中刪除,#=#_+!.,轉(zhuǎn)入 Step 3。
[0031] Step 5.若拉知_)集中存在負(fù)決策點(diǎn),轉(zhuǎn)入step 6;否則街=?料1,若傭<!/ + !, 則轉(zhuǎn)入St印2,否則轉(zhuǎn)入St印8。
[0032] Step 6.對(duì)集中的負(fù)決策點(diǎn)進(jìn)行二次決策操作,若二次決策后不存在 不可決策點(diǎn),轉(zhuǎn)入Step 7;若二次決策后仍存在不可決策點(diǎn),記這些節(jié)點(diǎn)為不可派送點(diǎn),令 Γ??δ.?? (泔)二???,轉(zhuǎn)Step 7 〇
[0033] Step 7.規(guī)二滾¥1,若+ i,則轉(zhuǎn)入Step 2,否則轉(zhuǎn)入Step 8。
[0034] St印8.若ri<JVC_,根據(jù)第η次循環(huán)蟻群的行進(jìn)路徑更新信息素,則符=冷Η: 轉(zhuǎn)入step2;若s ,則輸出上一次循環(huán)的最優(yōu)結(jié)果。
[0035] ACO-nso算法收斂性分析: 在算法流程中,ACO-nso算法在進(jìn)行迭代尋優(yōu)過(guò)程前首先對(duì)節(jié)點(diǎn)進(jìn)行了次序重排處理, 即未訪問(wèn)節(jié)點(diǎn)集合中的所有點(diǎn)按照極徑升冪重新排列,這個(gè)操作保證了進(jìn)行 概率選擇操作時(shí)所產(chǎn)生的解均為可行解,同時(shí)縮小了 ACO-nso算法解的搜索空間。因此我們 需要證明考慮路徑可行性與倉(cāng)儲(chǔ)集貨模式下的回收車輛路徑問(wèn)題的最優(yōu)解處于ACO-nso算 法的搜索空間內(nèi),并且當(dāng)算法迭代次數(shù)趨于無(wú)窮時(shí)ACO-nso算法在此空間內(nèi)能夠找到一個(gè) 最優(yōu)解的概率為1。
[0036] 首先設(shè)考慮路徑可行性與倉(cāng)儲(chǔ)集貨模式下的回收車輛路徑問(wèn)題的解空間為則 解空間Ο內(nèi)所有解的路徑串編碼可劃分為如下三類: (1)在路徑串編碼中,屬于ACO-nso算法的搜索空間內(nèi)的編碼,這類編碼用表示。
[0037] (2)在路徑串編碼中,至少產(chǎn)生了一條不可行路徑的編碼。即路徑串編碼中存在念 ,被選擇的回收站'與長(zhǎng)之間不存在可行路徑,這類編碼用表示。
[0038] (3)在路徑串編碼中,至少存在一個(gè)編碼,在路徑可行情況下,選擇了極徑大于自 身的編碼。如圖8所示,0Α之間存在可行路徑,但Α進(jìn)行編碼選擇時(shí)選擇極徑大于自身的回收 站B對(duì)其進(jìn)行服務(wù),這類編碼用進(jìn)行表示。
[0039] 分析解空間關(guān)系可知 li〇r,且 licv) = :0。對(duì)于 中的解,由于存在不可行路徑,因此Ω.Ι5中的解均為不可行解,則最優(yōu)解不在Ωι>中;對(duì) 于中的解,總存在中的一個(gè)解與其對(duì)應(yīng),且路徑選擇^中未選擇的可行路徑。
[0040] 以圖8為例,顯然£題+3# i + (當(dāng)A,B兩點(diǎn)的極徑相等時(shí)取等號(hào)),則對(duì) 于中的任意一個(gè)解總存在〇.^^中一個(gè)解的值優(yōu)于這個(gè)解,因此最優(yōu)解不在Ωβ。綜上 分析,若解空間〇中存在一個(gè)最優(yōu)解,則這個(gè)最優(yōu)解必在ACO-nso算法的搜索空間中。 設(shè)盡和分別為螞蟻在D和〇.^中能夠找到一個(gè)最優(yōu)解的概率,則: ?〇 ^ο ^ (12) 假設(shè)螞蟻在進(jìn)行路徑尋優(yōu)搜索過(guò)程中一共進(jìn)行了 T次迭代,每次迭代螞蟻需要進(jìn)行η次 概率選擇操作,完成η個(gè)節(jié)點(diǎn)的對(duì)應(yīng)服務(wù)節(jié)點(diǎn)選擇。不妨設(shè)螞蟻在第r次迭代過(guò)程中找到了 最優(yōu)解,則最優(yōu)解的路徑串編碼為: :(15 2,…,持》-14 5 ^.... " 5 ?.,.,, ? I (13) 故螞蟻在第W欠迭代時(shí)找到最優(yōu)解的概率為:
概率。對(duì)于蟻群算法在進(jìn)行尋優(yōu)過(guò)程中,只要有一個(gè)節(jié)點(diǎn)編碼的不正確,則不能搜索到最優(yōu) 解,因此螞蟻在尋優(yōu)過(guò)程中未找到最優(yōu)解的概率為:
因此,在τ個(gè)迭代周期內(nèi),螞蟻仍沒(méi)搜索到最優(yōu)解的概率為 ,故在τ個(gè)迭代周 期內(nèi),螞蟻能夠在??中找到最優(yōu)解的概率是:
當(dāng)蟻群算法的迭代次數(shù)趨于無(wú)窮大時(shí),ACO-nso算法能夠找到最優(yōu)解的概率為1,即 ACO-nso算法是收斂的。
[0041] 實(shí)際生活的許多情況中,通常無(wú)法確保任意兩個(gè)物流節(jié)點(diǎn)間的路徑都可以通行, 則需要通過(guò)中轉(zhuǎn)運(yùn)輸?shù)姆绞綄ふ铱尚新窂竭M(jìn)行運(yùn)輸。如圖2所示,回收站A與處理中心0之間 沒(méi)有可行路徑,則回收站A的廢棄物在回收過(guò)程中首先要通過(guò)路徑AB運(yùn)往回收站B,之后通 過(guò)路徑B0運(yùn)往處理中心0完成回收任務(wù)。綜上所言,不可行路徑情況的考慮相對(duì)于LRP模型 更貼近實(shí)際情況。選址-路徑問(wèn)題在模型建立時(shí)需假設(shè)物流網(wǎng)絡(luò)中任意兩個(gè)物流節(jié)點(diǎn)間存 在可行的直線路徑,LRP物流網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示,不可行路徑情況下的運(yùn)輸示意圖如圖2所 不。
[0042] 開放式車輛路徑問(wèn)題的主要特點(diǎn)是運(yùn)輸車輛在服務(wù)完最后一個(gè)需求點(diǎn)后,不要求 其返回出發(fā)車場(chǎng),車輛路徑是一個(gè)哈密頓路(Hamiltonian path)AVRP的網(wǎng)絡(luò)結(jié)構(gòu)如圖3所 示,倉(cāng)儲(chǔ)集貨運(yùn)輸模式示意圖如圖4所示。
[0043] 在0VRP中,配送車輛依次對(duì)多個(gè)需求點(diǎn)進(jìn)行服務(wù),但不可以同時(shí)對(duì)兩個(gè)需求點(diǎn)進(jìn) 行服務(wù),在網(wǎng)絡(luò)圖中的體現(xiàn)為運(yùn)輸路徑圖不可出現(xiàn)分支結(jié)構(gòu)。然而對(duì)于實(shí)際情況尤其是在 逆向物流網(wǎng)絡(luò)設(shè)計(jì)中,大多數(shù)回收站的廢棄物數(shù)量較少,因此在回收過(guò)程中通常先將多個(gè) 廢棄物量較少的回收站的廢棄物統(tǒng)一運(yùn)輸?shù)侥骋粋€(gè)回收站,集中處理后進(jìn)行回收運(yùn)輸任 務(wù),即倉(cāng)儲(chǔ)集貨運(yùn)輸模式。將運(yùn)輸模式這樣處理改變了物流網(wǎng)絡(luò)的結(jié)構(gòu),使問(wèn)題更加符合實(shí) 際情況,同時(shí)很大程度的減少車輛調(diào)用費(fèi)用與運(yùn)輸費(fèi)用,降低了物流網(wǎng)絡(luò)的運(yùn)作成本。其運(yùn) 輸示意圖如圖4所示。
[0044]圖5為一個(gè)逆向物流回收網(wǎng)絡(luò)結(jié)構(gòu)圖,該物流網(wǎng)絡(luò)主要由需求點(diǎn)、回收站、處理中 心三部分構(gòu)成。圖中節(jié)點(diǎn)Ο為處理中心,節(jié)點(diǎn)1至28為物流網(wǎng)絡(luò)中設(shè)立的回收站。回收物流 網(wǎng)絡(luò)在運(yùn)作過(guò)程中,需求點(diǎn)的用戶首先將廢棄物送往最近的回收站,回收站在收到需求點(diǎn) 客戶的廢棄物之后,對(duì)當(dāng)前回收站和臨近物流節(jié)點(diǎn)的廢棄物數(shù)量以及路徑可行性信息進(jìn)行 分析,采用中轉(zhuǎn)運(yùn)輸或倉(cāng)儲(chǔ)集貨運(yùn)輸模式將廢棄物運(yùn)往其它回收站,或者直接運(yùn)送至處理 中心。
[0045] VRPRL物流網(wǎng)絡(luò)結(jié)構(gòu)圖如圖5所示,在VRP模型的基礎(chǔ)上,根據(jù)VRPRL問(wèn)題的特點(diǎn),考 慮不可行路徑和倉(cāng)儲(chǔ)集貨運(yùn)輸兩種因素,建立以逆向物流回收網(wǎng)絡(luò)總運(yùn)輸費(fèi)用最低為目標(biāo) 函數(shù)的數(shù)學(xué)模型,首先給出決策變量:
則可建立數(shù)學(xué)模型如下:
[0046] 式中:表示從點(diǎn)丨到i的可行路徑長(zhǎng)度(對(duì)于e OUF,若存在可行路徑,則定 義% = 4,其中4表示點(diǎn)i到點(diǎn)j的歐氏距離;若不存在可行路徑,則定義% = M, 其中J/為一個(gè)充分大的正數(shù));<\為回收路徑的行駛成本;為回收站J的最大負(fù)載能 力;為回收站森的建設(shè)成本;+??表示回收站J的廢棄物數(shù)量;馬,+鳥分別代表回收站/ 接收其它回收站廢棄物總量與該回收站的廢棄物發(fā)出量。g表示回收站I的廢棄物回收至 處理中心C?的過(guò)程中節(jié)點(diǎn)i是否承擔(dān)轉(zhuǎn)運(yùn)。
[0047] 4表示回收站|的廢棄物回收至處理中心£?的過(guò)程中路徑是否承擔(dān)轉(zhuǎn)運(yùn)。模 型的目標(biāo)函數(shù)由兩部分組成,第一部分表示廢棄物回收運(yùn)輸費(fèi)用,第二部分表示物流設(shè)施 建設(shè)費(fèi)用,#^#2表示各個(gè)部分費(fèi)用的權(quán)重。約束條件中,式(2)表示回收站負(fù)載約束,表示 每座回收站從需求點(diǎn)客戶直接回收到的廢棄物與接收其它回收站廢棄物的總和不可超過(guò) 運(yùn)往回收站的最大負(fù)載能力;式(3) ,(4),(5)為訪問(wèn)約束,其中式(3)表示每個(gè)回收站可以 接收多個(gè)回收站的發(fā)貨但只能向一個(gè)回收站進(jìn)行發(fā)貨,式(4)表示每個(gè)回收站須將從客戶 需求點(diǎn)和其它回收站得到的廢棄物全部發(fā)出,即所有廢棄物都能得到處理,式(5)確保被選 擇接收廢棄物的回收站已經(jīng)建立;式(6),(7)為路徑回路消除約束,表示在廢棄物回收過(guò)程 中不允許存在回路;式(8),(9)為變量約束。
[0048] 實(shí)施例一: 隨機(jī)產(chǎn)生1個(gè)處理中心,30個(gè)回收站,120個(gè)需求點(diǎn)的逆向物流回收網(wǎng)絡(luò),處理中心的坐 標(biāo)0(37km,25km),30個(gè)回收站的信息見表1。要求合理的選擇回收站的選址與回收車輛的回 收路徑,使得完成回收任務(wù)的總運(yùn)輸成本最小。
[0049]表1回收站信息
在此,利用ACO-nso算法以回收任務(wù)總運(yùn)輸成本最低為優(yōu)化目標(biāo)對(duì)逆向物流回收網(wǎng)絡(luò) 進(jìn)行優(yōu)化求解,并與不考慮不可行路徑以及倉(cāng)儲(chǔ)集貨運(yùn)輸模式下的計(jì)算結(jié)果進(jìn)行對(duì)比,優(yōu) 化結(jié)果如表2。
[0050]表2總運(yùn)輸成本最低為優(yōu)化目標(biāo)的車輛調(diào)度 通過(guò)表2中計(jì)算結(jié)果可以發(fā)現(xiàn),對(duì)于逆向物流回收車輛路徑,不可行路徑以及倉(cāng)儲(chǔ)集貨 運(yùn)輸兩種模式所建立的數(shù)學(xué)模型更加符合實(shí)際情況,并且很大程度上減少了回收任務(wù)中的 運(yùn)輸費(fèi)用與物流設(shè)施建設(shè)費(fèi)用,使得物流系統(tǒng)總運(yùn)作成本降低。
[0051 ] 實(shí)施例二: 為了討論本發(fā)明所提出的AC0-nS〇算法對(duì)回收車輛路徑問(wèn)題的適用性,在此對(duì)多種問(wèn) 題規(guī)模的實(shí)例采用該算法進(jìn)行求解分析,仿真計(jì)算結(jié)果對(duì)比如表3。
[0052] 表3仿真計(jì)算結(jié)果對(duì)比分析
通過(guò)表3可以看出,當(dāng)問(wèn)題規(guī)模小于70時(shí),算法的穩(wěn)定性較高,能夠得出較好的優(yōu)化結(jié) 果;當(dāng)問(wèn)題規(guī)模繼續(xù)增大時(shí),算法的穩(wěn)定性開始下降,主要表現(xiàn)為對(duì)最優(yōu)解的搜索成功率下 降、并且迭代次數(shù)和計(jì)算時(shí)間較長(zhǎng)。這是由于本發(fā)明考慮了不可行路徑和倉(cāng)儲(chǔ)集貨模式導(dǎo) 致解空間的規(guī)模從??!增大為,當(dāng)問(wèn)題規(guī)模增大時(shí)解的搜索空間規(guī)模呈指數(shù)性增長(zhǎng)。因 此本發(fā)明所提出的改進(jìn)蟻群算法適用于求解中等及以下規(guī)模的逆向物流網(wǎng)絡(luò)回收路徑問(wèn) 題,并且計(jì)算時(shí)間短、全局搜索能力強(qiáng)。
[0053] 實(shí)施例三: 由表2的結(jié)果可知,ACO-nso算法的能夠搜索得到問(wèn)題的滿意解。為了更好的體現(xiàn)AC0-nso算法在求解考慮路徑可行性與倉(cāng)儲(chǔ)集貨模式下的回收車輛路徑問(wèn)題的優(yōu)勢(shì),將其與枚 舉法(EM)和遺傳算法(GA)的算法性能進(jìn)行對(duì)比分析,如表4所示。
[0054] 表4算法與枚舉法和遺傳算法的算法性能對(duì)比
通過(guò)表4.可以看出ACO-nso算法計(jì)算時(shí)間短且算法的穩(wěn)定性較高,可以得到滿意的優(yōu) 化解。對(duì)于枚舉法求解,雖然可以準(zhǔn)確的找到最優(yōu)解,但算法的計(jì)算時(shí)間較長(zhǎng)。由例二對(duì)于 解空間規(guī)模的分析可知,以例三問(wèn)題規(guī)模為30的算例,求解空間規(guī)模從2.65e+32增加到了 2.05e+44,因此計(jì)算量呈指數(shù)性增長(zhǎng),導(dǎo)致枚舉法的計(jì)算時(shí)間較長(zhǎng);對(duì)于遺傳算法的求解, 雖然同樣可以搜索到最優(yōu)解,但計(jì)算時(shí)間和搜索成功率同ACO-nso相比結(jié)果較差。產(chǎn)生上述 結(jié)果是由于ACO-nso算法在進(jìn)行概率選擇操作時(shí)保證了初始解的可行性,而遺傳算法在進(jìn) 行路徑串編碼時(shí)隨機(jī)產(chǎn)生初始解,導(dǎo)致初始解空間內(nèi)存在大量的不可行解,降低了遺傳算 法的運(yùn)行效率與準(zhǔn)確度。
【主權(quán)項(xiàng)】
1.倉(cāng)儲(chǔ)集貨模式車輛路徑逆選擇操作方法,其特征在于,倉(cāng)儲(chǔ)集貨模式車輛路徑逆選 擇操作方法,所述方法基于逆選擇操作蟻群算法的編碼方式、對(duì)下一節(jié)點(diǎn)的概率選擇操作 方式、蟻群算法流程及算法收斂性分析方法;基于逆選擇操作蟻群算法的編碼方式采用路 徑串的形式進(jìn)行編碼;對(duì)下一節(jié)點(diǎn)的概率選擇操作方式對(duì)于媽蟻惡,設(shè)巧:兩中第 一個(gè)點(diǎn)為待訪問(wèn)節(jié)點(diǎn)f,之后計(jì)算待訪問(wèn)節(jié)點(diǎn)i到已訪問(wèn)節(jié)點(diǎn)集合巧si垃泣'(i-忡每個(gè)元素的 轉(zhuǎn)移概率,假設(shè)J e化?滅權(quán))為被選擇節(jié)點(diǎn),則將/加入到的末端,并將I從 [兩vM紀(jì)巧.叫中刪除加入到Γυ?泣剎、fc)中;通過(guò)上述對(duì)編碼方式W及概率選擇操作,得 VRP化問(wèn)題的蟻群算法流程如下: Step 1.輸入節(jié)點(diǎn)參數(shù)、初始化距離矩陣,W處理中屯、為原點(diǎn)計(jì)算其它各個(gè)物流節(jié)點(diǎn) 的極坐標(biāo)并按照極徑升幕排列,根據(jù)不可行路徑信息更新距離矩陣,并構(gòu)造節(jié)約矩陣; Step 2.初始化集,根據(jù)Γ崩蝴掉)集確定已訪問(wèn)集合?'駐;始巧;樹)與未訪問(wèn) 集合按奴被涂_減細(xì)),將處理中心忽加入到已訪問(wèn)集合中; Step 3.若未訪問(wèn)節(jié)點(diǎn)集合:扮級(jí)弦法滋雌轉(zhuǎn)=:終,轉(zhuǎn)入Step 5,否則W未訪問(wèn)節(jié)點(diǎn)集合 中第一個(gè)節(jié)點(diǎn)I為待決策點(diǎn),計(jì)算?與約碼數(shù)轉(zhuǎn)蠕中各個(gè)節(jié)點(diǎn)/的距離W及選擇/后回收 站/的貨物量,再判斷節(jié)點(diǎn)/是否可被決策,即i和i之間存在可行路徑且運(yùn)輸后不超過(guò) 回收站/的最大負(fù)載能力; Step 4.根據(jù)式(10)計(jì)算巧避各點(diǎn)轉(zhuǎn)移概率,根據(jù)轉(zhuǎn)移概率確定出節(jié)點(diǎn)I的決策節(jié)點(diǎn) J,在Ms渝塌班i中添加節(jié)點(diǎn)?,Ml#磅中添加節(jié)點(diǎn)/,并更新節(jié)點(diǎn)/的廢棄物數(shù)量信 息; Step 5.若扣細(xì).征)集中存在負(fù)決策點(diǎn),轉(zhuǎn)入Step 6;否則.被二雜寺1,若徽<游斗!, 則轉(zhuǎn)入St巧2,否則轉(zhuǎn)入St巧8; Step 6.對(duì)Ic心ij(m)集中的負(fù)決策點(diǎn)進(jìn)行二次決策操作,若二次決策后不存在不可決 策點(diǎn),轉(zhuǎn)入Step 7;若二次決策后仍存在不可決策點(diǎn),記運(yùn)些節(jié)點(diǎn)為不可派送點(diǎn),令 拓左化(好? j = f?!,轉(zhuǎn)St邱7; Step 7.糜二激+1,若游CM奪I,則轉(zhuǎn)入St巧2,否則轉(zhuǎn)入St巧8; Step 8.若巧<.。,根據(jù)第巧次循環(huán)蟻群的行進(jìn)路徑更新信息素,則恐=巧車?轉(zhuǎn)入 Step 2;若紋>]¥巧胃,則輸出上一次循環(huán)的最優(yōu)結(jié)果; 所述算法收斂性分析方法,解空間〇中存在一個(gè)最優(yōu)解,運(yùn)最優(yōu)解必在ACO-nso算法的 捜索空間Ω.4::.中;設(shè)&和瑪。分別為媽蟻在爲(wèi)和化中能夠找到一個(gè)最優(yōu)解的概率, 則:(12); 由式(12),W及極限的保不等式性可知:(18) 當(dāng)蟻群算法的迭代次數(shù)趨于無(wú)窮大時(shí),ACO-nso算法能夠找到最優(yōu)解的概率為1,即 ACO-nso算法是收斂的。2. 根據(jù)權(quán)利要求1所述的倉(cāng)儲(chǔ)集貨模式車輛路徑逆選擇操作方法,其特征在于,所述基 于逆選擇操作蟻群算法的編碼方式,路徑串由兩個(gè)結(jié)構(gòu)體構(gòu)成,結(jié)構(gòu)體中的每個(gè)元素為一 個(gè)物流節(jié)點(diǎn)的編號(hào),解的形式可表示為:狂是…,喪…,絳 4表示對(duì)回收站I:服務(wù)的回收站編號(hào),且對(duì)于I: #1, :?和相同。3. 根據(jù)權(quán)利要求1所述的倉(cāng)儲(chǔ)集貨模式車輛路徑逆選擇操作方法,其特征在于,所述對(duì) 下一節(jié)點(diǎn)的概率選擇操作方式,待訪問(wèn)節(jié)點(diǎn)i到已訪問(wèn)節(jié)點(diǎn)集合扔4-):中每個(gè)節(jié)點(diǎn)的 轉(zhuǎn)移概率均為0,則定義待訪問(wèn)節(jié)點(diǎn)i為不可決策點(diǎn)。4. 根據(jù)權(quán)利要求3所述的倉(cāng)儲(chǔ)集貨模式車輛路徑逆選擇操作方法,其特征在于,所述待 訪問(wèn)節(jié)點(diǎn)?只與物流節(jié)點(diǎn)./之間存在可行路徑,而。部巧中節(jié)點(diǎn)i的位置在節(jié)點(diǎn)I 的后面,則節(jié)點(diǎn)?進(jìn)行決策時(shí)/不在中,所有節(jié)點(diǎn)都進(jìn)行過(guò)決策之后對(duì)不可決策 點(diǎn)進(jìn)行二次決策操作,若二次決策時(shí)某一節(jié)點(diǎn)仍然無(wú)法進(jìn)行決策,則該點(diǎn)不存在與處理中 屯、的通路,定義該節(jié)點(diǎn)為不可派送點(diǎn)。5. 根據(jù)權(quán)利要求1所述的倉(cāng)儲(chǔ)集貨模式車輛路徑逆選擇操作方法,其特征在于,所述方 法算法流程Step 3若不可被決策,則捜索巧強(qiáng)奴巧故)中下一節(jié)點(diǎn),若可被決策,將i放入可 行集./(i)中。6. 根據(jù)權(quán)利要求1所述的倉(cāng)儲(chǔ)集貨模式車輛路徑逆選擇操作方法,其特征在于,所述 ACO-nso算法在進(jìn)行迭代尋優(yōu)過(guò)程前首先對(duì)節(jié)點(diǎn)進(jìn)行了次序重排處理,即未訪問(wèn)節(jié)點(diǎn)集合 CM愈游鴻中的所有點(diǎn)按照極徑升幕重新排列。7. 根據(jù)權(quán)利要求1所述的倉(cāng)儲(chǔ)集貨模式車輛路徑逆選擇操作方法,其特征在于,所述算 法收斂性分析方法的解空間Ω內(nèi)所有解的路徑串編碼可劃分為如下Ξ類: (1) 在路徑串編碼中,屬于ACO-nso算法的捜索空間內(nèi)的編碼,運(yùn)類編碼用表示; (2) 在路徑串編碼中,至少產(chǎn)生了一條不可行路徑的編碼;即路徑串編碼中存在表,被 選擇的回收站4與裏之間不存在可行路徑,運(yùn)類編碼用表示; (3) 在路徑串編碼中,至少存在一個(gè)編碼,在路徑可行情況下,選擇了極徑大于自身的 編碼。
【文檔編號(hào)】G06N3/00GK106096881SQ201610400495
【公開日】2016年11月9日
【申請(qǐng)日】2016年6月8日
【發(fā)明人】劉艷秋, 陳明非, 張穎, 徐世達(dá), 李佳, 胡忠君, 蔡超, 郭洪月
【申請(qǐng)人】沈陽(yáng)工業(yè)大學(xué)