一种求解单配送中心物流运输调度问题的方法与流程

技术特征：

1.一种求解单配送中心物流运输调度问题的方法，其特征在于，包括以下步骤：

S1：建立单配送中心物流运输调度问题的数学模型：

满足：

其中，N表示要服务的客户数(N为正整数)，m表示配送中心发出的车辆数(m为正整数)，第i个客户的需求量为g_i(i＝1，2，…，N)，式中[]代表不大于括号内的数字的最大正整数，α(0＜α＜1)是对装车和卸车的困难程度以及约束的估计，G表示每一辆车最大载重约束(吨)，C_v为单位距离车辆行驶费用(元/km)，C_d为司机单位费用(元/km)。d_ij表示车辆k行驶了客户i到j的路程(km)，目标函数公式(1)表示物流运输过程中的成本耗费，包括物流运输中车辆行驶费用和司机薪酬费用；

式(3)表示各车辆承载的总重量不超过车辆的最大负载约束G；式(4)表示一个客户的货物只能由一辆车进行配送服务；式(5)表示物流公司车场的送货车辆的总数为m辆；式(6)表和式(7)说明了两个变量之间的关系；

S2：采用并行混沌粒子群算法求解，进一步包括：

S2-1:首先假设整个粒子群的最优解的个数为n，并且随机生成一列初始值： i＝1,2,...,n。粒子的更迭在主进程和从进程同时进行，粒子群x，v是在主进程进行初始化，第i个变量x_i所生成的初始值有k_i个；

S2-2:数据从主进程发送给从进程；

S2-3:从进程中用混沌粒子群算子优化粒子群；

S2-4:适应度评估。根据公式计算得到了每个粒子的适应值

S2-5:通过统计多次迭代后每一代粒子个体的适应值得到局部最优适应值

S2-6:将从进程得到的局部最优粒子值送往主进程，得出全局最优适应值gbest，如果当前进化代数<最大进化代数，或者，当前平均适应值-上一代平均适应值>允许值，主进程将gbest发送到从进程，完成指定的迭代次数后转向S2-3进行混沌优化；否则转向第S2-8；

S2-7:对症粒子群进行优化，更新粒子群速度和位置；转向第S2-4；

S2-8:退出循环，输入：①存储在计算机pⁱ(i＝1,2,...,n)初始化数据Dⁱ②混沌生长模型，输出：全局最优解gbest。

2.根据权利要求1所述的一种求解单配送中心物流运输调度问题的方法，其特征在于，所述的步骤S2-3中，优化粒子群算法初始值公式如下：

(1)将映射到区间[0,1]内，即：

(2)生成了本次迭代的混沌序列，以为初始值，根据logistic方程

y_n+1＝vy_n(1-y_n)

求解得到序列(l＝0,1,2,...,M_j,i)，其中

(3)生成粒子成员作逆映射得到序列

。

3.根据权利要求1所述的一种求解单配送中心物流运输调度问题的方法，其特征在于，所述的步骤S2-3中，粒子的速度和位置更新公式如下：

v_i+1＝ω*ν_i+c₁*rand()*(p_iBest-x_i)+c₂*rand()

*(gbest-x_i)

x_i+1＝x_i+v_i+1

其中，x_i和x_i+1分别代表第i代和i+1代粒子群的当前位置和更新位置，v_i和v_i+1分别代表第i代和i+1代粒子群的当前速度和更新速度，p_iBest是粒子本身所找到的最优解，gbest是这个整群目前找到的最优解，c₁和c₂是学习因子，rand()∈(0,1)，ω∈(0.1,0.9)是加权系数。